Entrevista con Daniele Gullà
Carlos G. Fernández

Daniele Gullà es ingeniero en electrónica y un especialista en reconocimiento de voces e imágenes. Actualmente trabaja, junto con expertos del Tribunal de Bologna y con la Policía italiana, en el análisis forense de voces e imágenes. Es consejero técnico en Biomedicina en el Departamento de Biofísica en la Universidad de Bologna y recientemente fue designado Experto de Sonido en Identificación de la Voz por la Justicia de los Tribunales de Modena (Italia), y Experto en la Identificación de rostros por los Tribunales de Cassino (Italia). Con este currículum y los más sofisticados medios técnicos a su alcance, se atrevió a buscar en las entrañas del fenómeno psicofónico.

1- ¿Un análisis informático puede determinar si una voz es de origen humano o paranormal?
Efectivamente, hoy en día un análisis informático puede decirnos muchísimo sobre las características de una voz humana o presunta paranormal. Podemos reconstruir completamente las características fisiológicas de las cavidades de resonancia y obtener información sobre los órganos del habla con una simulación de ordenador. Es posible, por ejemplo, conocer las dimensiones y el espesor de las cuerdas vocales, la densidad de los tejidos blandos, de las cavidades nasales, presión del aire y malformaciones estructurales de la cavidad laríngea, etc. Todo esto es posible bajo una condición esencial - la calidad y la cantidad de material audio disponible tiene que ser muy alta para permitir la medición de los éstos parámetros con cierto margen de certeza. Estas condiciones están muchas veces presentes en los análisis de las voces humanas pero muy pocas veces se encuentran en las presuntas voces paranormales que frecuentemente no poseen los requisitos para poder efectuar un análisis científico y objetivo. Consecuentemente, no puedo contestar a tu pegunta con precisión pues todo depende de la calidad y de la cantidad de material audio. En algunos casos es posible afirmar con seguridad que la señal vocal examinada no contiene importantes elementos estructurales propios de la voz humana. En este caso hablamos de 'anomalías' o características acústicas 'raras' que no pertenecen al rango de conocimiento de la electroacústica tradicional aplicada al lenguaje humano.

2 - ¿Que diferencias hay entre una voz normal y una paranormal?
Hay varias características que fueron medidas por investigadores en todo el mundo y por mi mismo. Las anomalías acústicas fueron:

-Ausencia o presencia parcial con fragmentación múltiple de la frecuencia fundamental.
-Ausencia de las vibraciones de las cuerdas vocales en los sonidos tímbricos con o sin la presencia de la frecuencia fundamental.
-Algunas veces la estructura de las formantes está reemplazada por un espesor del ruido en el rango pertinente evidenciando un movimiento no sinusoidal o considerablemente alterado.
-Aumento anómalo de la intensidad de la señal en la segunda formante (F2) y fortalecimiento de los armónicos superiores con pobre textura melódica y fragmentación espectral.
-Anomalías en las frecuencias con valores excesivos para la frecuencia fundamental y para las formantes más altas.
-Anomalías en la distribución de energía en el tiempo en toda la estructura de la señal que parece ser formada por muchos pequeños paquetes de energía, uno seguido del otro, situación que causa dificultades al aislar los varios componentes estructurales espectrales.
-Anomalías en la periodicidad de la señal en el análisis de auto- correlación.
-Variaciones anómalas en el desarrollo de la densidad espectral.
-Anomalías en el discurso que dificultan la elaboración de un mapa acústico.
-Anomalías temporales con súbita lentitud o aceleración del discurso.
-Elisión parcial o total de las consonantes.
-Distorsión de los armónicos.

3 - ¿Un análisis informático puede determinar objetivamente que es lo que dicen las psicofonías?
Si la señal es de buena calidad, los análisis informáticos basados en la posición de las frecuencias y en el desarrollo temporal de las formantes pueden indudablemente establecer la tipología de los fonemas en las vocales y en las consonantes. Aun así, frecuentemente el material paramétrico de las voces psicofónicas (EVP) no es claro y es muchas veces aleatorio. Esto significa que en muchos casos no es posible determinar con seguridad la posición del fonema utilizado, por ejemplo una 'A' percibida por un experimentador de EVP, cuando se analiza con software apropiado puede sonar como entre una 'A' y una 'E'. Todo esto depende no solamente del oyente, sino también del idioma utilizado por el presunto comunicador paranormal. Esta imprecisión determina un cierto grado de escucha psicoacústica dependiente de los oídos de quién escucha. Algunos entenderán el sonido de una 'A' otros escucharán una 'E'. A través de un análisis de probabilidades el ordenador puede ayudar a establecer si en el idioma específico utilizado el sonido pertenece a una u otra vocal. Sin embargo es necesario no olvidar que existe aun un problema relacionado con la distorsión de la señal o con un valor demasiado bajo o demasiado alto en el muestreo de la señal. El muestreo de la señal debería siempre poseer la más alta calidad y no presentarse con los valores audio comunes suministrados por defecto en los ordenadores domésticos, pues estos pueden introducir un cierto margen de error en las medidas e interpretación de los sonidos lingüísticos, además obviamente de las características propias de los 'canales de comunicación'. En este área hay programas predecibles que utilizan el HMM (Hidden Markov Model) el cual puede corregir automáticamente de un modo probabilística la señal audio de entrada.

4 - Las comparaciones entre voces de una persona viva y las psicofonías obtenidas después de muertas, ¿Que eficacia tienen?
En el test de identificación de una voz o de un espectro desconocido con la muestra de una voz o de un espectro conocido (cepstrum en las formantes o área de dispersión de F1…F5) determinamos como objeto la siguiente tarea: ¿Existe en la base de datos una imagen del espectro modelo biométricamente identificable? O mejor, ¿existe un mapa gráfico de las áreas de dispersión de las formantes similar o identificable con las del segmento desconocido con cierto margen de certidumbre (más de 95%)? ¿Nuestros oídos y cerebro humano han reconocido correctamente el timbre vocal como perteneciente a una persona fallecida o es al mejor una percepción psicoacústica errónea o un artefacto?
Este problema es con frecuencia recurrente en un Tribunal y puede ser resuelto en ciertas condiciones con la ayuda de sistemas A.I. (Artificial Intelligence) que utilizan los modelos Neuronal Networks (NN) y Hidden Harkov (HMM). La firma, la escritura o la voz humana tienen características dinámicas y no estáticas, como es el caso de las huellas dactilares o el volumen craneal. No podemos subestimar este problema pues repercute en la precisión del peritaje y muchas veces no permite la identificación de la identidad de quien habla con total seguridad, permite solamente la atribución de valores porcentuales de probabilidad.
Los métodos de análisis estadísticos informatizados basados en las frecuencias de las formantes han adelantado en parte relativamente a estos problemas. Aun así, la validez del método está decisivamente aumentada si el perito en reconocimiento vocal puede apuntar a muestras homogéneas como, por ejemplo, las frecuencias de las formantes en vocales estables o los índices de coarticulación media presentan variaciones que pueden ser reducidas significativamente cuando las comparaciones pueden ser ejecutadas en frases iguales pronunciadas de la misma manera.
La metodología utilizada en el procesamiento de datos es la siguiente:
En el conjunto de datos de formantes se calcula la distancia Mahalanobis D2X1-X2 de acuerdo con la siguiente relación (1):

(1)

donde X1 y X2 son las medias de los valores de las formantes relacionadas con los dos sujetos que estamos comparando (conocido 1 - desconocido 2) y S-1 es el inverso de la matriz de co-variación de la muestra, extrapolada de los valores deducidos del experimento.
Se calcula entonces el T2 de Hotelling de acuerdo con la relación (2):

(2)

donde N1 y N2 son los números de las vocales homólogas consideradas para los dos sujetos (e.g. 7 vocales "A" para el sujeto conocido 1, y 9 vocales "A" para el sujeto desconocido 2) y D2 es la distancia Mahalanobis definida en (1).
El valor numérico T2 obtenido de la relación (2) debe de ser comparado con el valor crítico definido en la relación (3):

(3)

donde N1 y N2 son elementos ya definidos en la ecuación (2), p es el número de grados de libertad, correspondiente al número de los varios parámetros usados (e. g. si consideramos los valores de F0 y de las tres formantes F1, F2, F3 el valor p = 4) y Falpha(...) corresponde al valor crítico de la función de Fisher definida para la significación y parámetros p y (N1 + N2 - p - 1) que se pueden encontrar en tablas apropiadas, en el cual tenemos el valor crítico para alpha= 0.05 correspondiente a un reconocimiento de probabilidad de 95%.
La hipótesis de coincidencia de los sujetos que hablan es aceptable cuando el valor T2 definido en (2) resulta menor que el T2 crítico definido en (3).

En realidad para su total fiabilidad el test de reconocimiento de voz no puede exceptuar ninguno de los elementos arriba mencionados i.e., la calidad de la señal original, la fiabilidad de la fase de muestreo y los tres criterios de evaluación i.e., el espectrográfico (espectrograma), estadístico (T2 por Hotelling) y el perceptivo (testes de audición).

Muchas veces utilizamos también modalidades estadísticas con carácter de probabilidad. Estas consisten en el uso de varios algoritmos que muestran las características distintas de cada sujeto hablante a través de la modulación de las propiedades del lenguaje, tales como los sonidos sostenidos de las vocales o los sonidos efímeros de las consonantes y la transición entre ellos. Cada uno, utilizando métodos diferentes, junta un determinado conjunto de vectores N, lo deposita en una cifra para ser más tarde comparado con todas las secuencias numéricas de los varios sujetos hablantes que se encuentran en la base de datos.

En nuestro laboratorio utilizamos principalmente las llamadas técnicas mixtas de correspondencia de modelo (pattern-matching). Estas técnicas incluyen la ejecución de la media de las características a largo plazo del VQ (Vectorial Quantification), del HMM (Hidden Harkov Models) del NN (Neuronal Network) y de los sistemas de segregación. En cualquier caso utilizamos técnicas como el Modelo Gaussiano de Mezcla, las funciones Fourier Bessel y el mapa acústico de probabilidad. Una característica común a todas las técnicas de reconocimiento de voz arriba mencionadas es que ellas ejecutan una cantidad considerable de reducción de datos, una especie de mediación. La reducción de datos es necesaria para obtener las características distintivas del lenguaje de un individuo y también para que el proceso de reconocimiento sea accesible para ejecución por el ordenador.

Es importante tener en cuenta que en cualquier caso la posibilidad de reconocimiento nunca facultará una certeza de 100% una vez que la voz de cada ser humano no es completamente única (al revés de lo que pasa con las huellas dactilares). Hay personas diferentes con voces realmente muy similares como nosotros mismos comprobamos cuando nos equivocamos sobre la identidad de quién nos telefonea. La voz de un individuo tampoco es inmutable, depende de muchos factores y la misma persona puede producir parámetros analíticos diferentes.
Por consiguiente, para la valoración es conveniente considerar la variante entre sujetos hablantes (i.e. las diferencias entre las voces de distintas personas) y la variante intra sujeto hablante (i.e. las diferencias en las características de la voz del mismo sujeto obtenida en momentos y contextos diversos).
Consecuentemente, podremos considerar que un test de reconocimiento de identidad de voz es fiable si las diferencias entre los datos del desconocido y del sujeto hablante de quien se sospecha puede ser la voz no exceden las normales diferencias intra sujeto hablante, pero si esos valores se encuentran excedidos deberemos de considerar que la confirmación de identidad no se puede aplicar y por consiguiente que los sujetos hablantes son dos personas distintas.
Es práctica común y en general es también requerido por los tribunales de justicia, presentar la tasa de porcentaje de probabilidad de coincidencia entre el sujeto hablante desconocido y el sujeto hablante de quien se sospecha, la cual es todavía siempre inferior a 100%. Esta tasa es obtenida no sólo a partir de un cierto algoritmo matemático, pero también de consideraciones subjetivas globales deducidas de la experiencia y de la literatura, que son facilitadas como compendio en todos los diferentes métodos de análisis utilizados. Así que a tu pregunta puedo contestar que la fiabilidad es relativamente proporcional a la calidad-cantidad de los elementos examinados, por otras palabras depende del material acústico analizado establecer si los datos disponibles son suficientes para permitir un veredicto a favor o en contra de la compatibilidad y de la identidad de las voces.

5 - Si estas voces comparadas fueran a un juicio, ¿las aceptaría un jurado como prueba de que son de la misma persona?
En algunos casos, en realidad muy pocos (yo verifiqué personalmente solamente cerca de diez) fue posible sacar conclusiones definitivas sobre la identificación del timbre vocal de la voz comparada de una persona fallecida grabada cuando la persona vivía y la voz psicofónica. En muchos otros casos fue únicamente posible conseguir un veredicto de probabilidad, por ejemplo las voces son compatibles en una proporción de 60% a 80%, pero no es posible garantizar el reconocimiento de la identidad del sujeto hablante. Como he dicho anteriormente, en un muy pequeño número de casos conseguimos establecer indudablemente la identidad cuando la compatibilidad de los gráficos fonéticos excedieron el 95% de precisión. En fechas recientes (desde junio de 2004) contamos además con la colaboración de algunas personas que 'no pueden aparecer' y esas personas han puesto a nuestra disposición medios informáticos utilizados por el FBI que tienen un margen de error de 0.03%!

6 - ¿Como se comparan las imágenes paranormales? ¿Cuando pueden considerarse que son verdaderas imágenes paranormales y no ilusiones ópticas o desórdenes cognitivas?
Para las voces y sobretodo para las imágenes yo utilizo el software de 'reconocimiento de modelo' (pattern recognition) el cual es utilizado para comparar huellas dactilares o rostros humanos. El que uso yo ahora es un programa utilizado por el FBI, el cual puede ejecutar con extrema precisión cualquier tipo de análisis (véase Fig. 1) en muchas áreas de la investigación tales como:
Biométrica
Motor de Búsqueda Audio-Visual para Internet
Reconocimiento de Imagen de Satélite (Defensa)
Detección de Cáncer (Medicina)
Huellas dactilares, huellas de las palmas de la mano, reconocimiento de rostro (procesos criminales)
Captura del contenido-base de Imagen (Librerías digitales)
Reconocimiento de Imagen Espacial (Exploración del Espacio)
Reconocimiento de rostros, huellas dactilares, huellas de la palma de la mano (Sistema de Seguridad)
Reconocimiento de sellos (Correos)
Verificación de firmas
Identificación de espectro
Verificación de las características de identificación de la voz.
Búsqueda de Trademark
Identificación forense

Las metodologías implementadas en los programas de análisis son de todos modos similares. De acuerdo con el tipo de calculaciones a ejecutar en datos dinámicos o estáticos se utilizan varios algoritmos basados sobretodo en el Neuronal Networks, HMM Supervisado y no supervisado y el Modelo Gaussiano de Mezcla. El grado de precisión depende obviamente de la complejidad del programa y de la honestidad del fabricante. Los programas utilizados por el FBI y por la policía científica italiana y rusa son de los más precisos que existen en el mundo. No es fácil explicar como procedemos para observar, comparar y analizar la imagen de un rostro humano a través de algoritmos tales como Neuronal Networks o Wavelets o Filtros Gabor. Es un tema complejo que no encaja en el perfil informativo de esta entrevista.
En el área de los análisis de imágenes es muy difícil determinar si una imagen es anómala, i.e. paranormal, aun más difícil que en los análisis de voz. Hoy día es posible manipular cualquier imagen con el ordenador, por consiguiente solamente tenemos en cuenta imágenes que cumplan con los siguientes requisitos esenciales:

1. -tener en nuestro poder el negativo de la fotografía,
2. -disponer de imágenes RAW en el caso de fotografía digital.

Para el análisis de imágenes empleamos programas sofisticados o aparatos de laboratorio como el densímetro de espectro o análisis multi-espectrales que utilizan plataformas como el Matlab o sistemas informáticos utilizados por la Policía científica y la NASA.
Muchas veces las llamadas imágenes 'paranormales' no son más que el resultado de efectos de refracción óptica o de algún artefacto. Solamente en pocos casos (cerca de 5%) pude encontrar imágenes anómalas interesantes que no son el resultado de efectos ópticos o de un artefacto sino que son más bien el producto informativo de una alteración fotónica, quizá una especie de representación virtual de una información basada en fotones como la describió un científico.
Esa información podría pertenecer al presente y ser objetiva o al pasado y no estar presente de modo objetivo y espacial pero haber más bien sido originada por la interacción-psi entre un ser viviente y el mundo físico-químico que le rodea i.e., ser una interacción entre psi y materia. Naturalmente hay muchas teorías y creencias en esta área pero estamos aún lejos de una interpretación científica de evidencia.

Entrevista realizada en agosto de 2004