一款能收集婴儿哭声并用AI翻译出来的APP，还能助力诊断自闭症

报道介绍了一款名为Chatterbaby的AI APP。这款APP可以收集婴儿在不同感受下的哭声，并通过机器学习对这些哭声频率和特征进行分析学习，从而告知父母，他们的孩子为什么而哭。现在，这个APP可以分辨孩子的哭泣是因为饥饿、烦躁还是疼痛。今后，或许还可以用来诊断自闭症。资料显示，这款APP由美国加州大学洛杉矶分校的非盈利组织开发。

ChatterBaby项目是加州大学洛杉矶分校的计算神经心理学家Ariana Anderson博士于2013年创立的。Ariana Anderson博士是4个孩子的母亲，抚养前2个孩子时，她还常常搞不懂孩子大哭的原因，在抚养第3个孩子时就已经可以轻松辨认孩子哭声背后的意义了，于是萌生了用算法理解婴儿哭声的想法，于是创立了这个项目。

ChatterBaby项目是非盈利项目，由加州大学洛杉矶分校的临床与转化科学研究所与塞梅尔神经科学与人类行为研究所，以及宝来惠康基金共同资助。APP开发团队共三人，分别负责机器学习算法、移动开发、信号处理，并与加州大学洛杉矶分校计算机技术研究实验室合作。研究团队共有6个人，其中4个人从事新生儿与医学相关研究，1个人从事生物学研究，Ariana Anderson则负责计算神经科学与机器学习的部分。

2016年，ChatterBaby项目在加州大学洛杉矶分校的代码挑战赛中获得了第一名。

目前，ChatterBaby已收集了超过1700个婴儿的哭声数据，因此ChatterBaby的创始人Ariana Anderson博士认为，这个APP不仅是帮助父母读懂孩子的哭声的助手，而且是一个庞大的数据库，她和团队希望结合这些数据，建立一个机器学习模型，做到仅仅从哭声来诊断不同类型的自闭症。

这个机器学习模型诊断自闭症的项目运用到了计算神经科学与神经心理学。

计算神经科学是使用数学分析和计算机模拟的方法对大脑的神经系统进行模拟和研究，从计算角度理解大脑，研究大脑风格的信息处理方式，从而在计算机中创造一个大脑。

而神经心理学也不像心理学那样单纯地分析行为或心理活动本身，它把人的感知、记忆、言语、思维、智力、行为和大脑的机能结构之间建立了量的关系，用标志着大脑机能结构的解剖、生理、生化的术语来解释心理现象或行为。

神经的多样性发展从婴儿大脑发育的第一刻就开始了，有的孩子发育正常，有的孩子则发育不良。但是患上自闭症谱系障碍的孩子却往往在多年后才会被确诊。医学界和教育界都认为，如果能在早期对这些孩子的特殊需求进行满足与鼓励，就会增加他们最终成长为正常人的机率。

Ariana Anderson指出，目前很多有关自闭症的调查研究都是在高档白人社区中进行的，因此，有色人种的孩子确诊自闭症往往比他们的白人同龄人晚1到2年。“解决这种健康鸿沟始于更优质的数据。”Ariana Anderson说道。

使用ChatterBaby APP的父母必须签署一份协议，允许Ariana Anderson博士的团队通过APP记录去除婴儿个人信息的音频文件，并存储在符合HIPAA法案（美国一个保护医患隐私与安全的法案）要求的服务器上。这份协议还要求用户配合调查，提供像对视回避和头部撞击之类的行为线索，以帮助识别哪些婴儿更可能在神经发育上出现问题。并且，由于基因的存在，有患有自闭症的一级亲属也增加了孩子患病风险。

布朗大学风险儿童研究中心的心理学家Stephen Sheinkopf认为，婴儿的哭声中确实隐藏着许多神经学线索，尤其是在哭声的声调、声量、共鸣等声学特征中，这些特征能被量化和可视化，但是这些线索可能并不足以诊断自闭症。更有可能的是将声音、行为、其他生理数据整合进一个模型。