26歲的王小強剛做爸爸，還沉浸在初為人父的喜悅中，怎么看怎么喜歡，拿著手機噼里啪啦一頓亂拍，親親腳親親手。但是，當嬰兒開始哭鬧不休時他就徹底沒轍了，到底是餓了、尿濕了還是哪里不舒服……

?

正常嬰兒在2周大時，每天約哭鬧1.5小時；出生后第6周，則平均每天達2.5小時；到3個月時，正常嬰兒哭鬧的時間減少到每天1小時。嬰兒每天都在哭泣，如何懂得嬰語無疑是對新生父母的一大考驗。

美國的Ariana Anderson博士也是如此，她是4個孩子的母親，撫養前2個孩子時，她常常搞不懂孩子大哭的原因，直到撫養第3個孩子時才能輕松辨認孩子哭聲背后的意義，基于這種經歷，她研發了一款用算法理解嬰兒哭聲的嬰語翻譯APP——Chatterbaby。

嬰語難理解 AI當自強

嬰兒哭鬧的原因很復雜，一般分為生理性哭鬧和病理性哭鬧。生理性哭鬧常見的原因有饑餓、排尿、排便、疲倦困乏、生活規律紊亂、衣著不適、出牙，要求或欲望未得到滿足；病理性哭鬧常見的原因有如維生素 D 缺乏性佝僂病、感染性疾病、腹痛、貓叫綜合征、維生素A、D中毒及新生兒甲狀腺功能亢進癥、頭痛。

區分生理性哭鬧和病理性哭鬧是兒科醫師經常遇到的難題，這也從側面解釋新生父母要正確理解嬰兒哭聲有多難。

美國、日本、***都有團隊對嬰兒哭聲做過相關研究，各團隊都聲明可覆蓋95%以上的寶寶哭啼原因、準確度比人提高3倍等，但是至今并沒有看到具體的產品，起碼在內地沒有。Chatterbaby通過收集嬰兒在不同感受下的哭聲，并通過機器學習對這些哭聲頻率和特征進行分析學習，從而告知父母，他們的孩子為什么而哭。現階段，這個APP可以分辨孩子的哭泣是因為饑餓、煩躁還是疼痛。

?

布朗大學風險兒童研究中心的心理學家StephenSheinkopf認為，嬰兒的哭聲中確實隱藏著許多神經學線索，尤其是在哭聲的聲調、聲量、共鳴等聲學特征中，這些特征能被量化和可視化。但是僅僅通過聲音對嬰兒進行檢測顯然遠遠不購，將聲音、行為、其他生理數據整合進一個模型，無疑會比通過單一聲音特征檢測準確得多。

今年3月31日，阿里云發布了一款嬰語貼紙，據說產品經理是月嫂。這款貼紙無毒無味，形狀近似便利貼只需要輕貼在嬰兒任何部位即可運行，對于0-1歲的寶寶識別準確率達到了95%。能夠輕易識別多種嬰兒30多種行為如：饑餓，疲倦，害怕，開心，撒嬌等行為。

這款產品依托阿里云物聯網IOT套件，AI智能語音分析，生物識別反饋系統，情緒建模等等，通過APP實時對寶寶的哭聲進行分析與反饋。貼紙不僅可以檢測嬰兒的哭聲的分貝與尖銳程度，對心率或體溫等也能進行檢測。

?

聽上去，這些依托人工智能的嬰語翻譯機似乎給奶爸奶媽們帶來了的福音。對經驗少的父母而言，嬰語翻譯機在早期無疑會派上用場。但隨著寶寶逐漸適應周圍環境，嬰語翻譯機的準確率會下降，除此至外，依然有一些不得不面對的問題。

路漫漫其修遠兮 嬰語與AI相互求索

AI現階段的發展依然還是處于嬰幼兒階段，那么AI服務于嬰兒這一問題上到底還有哪些考量呢？

1.技術未滿，能用而已

某種程度上來說，識別嬰兒的生理性哭鬧可能較為容易，但是識別病理性哭鬧可能就不那么簡單了。畢竟，將哭鬧不休的小孩帶去兒科，醫生也要通過各種檢測才敢下定論，僅僅通過測體溫量心率并不能作為唯二的依據。

而且，一旦“嬰語“翻譯機將病理性哭鬧誤診為生理性哭鬧，會耽誤最佳的治療時間，其后果不言而喻。

這并不是類似于普通消費升級的產品，可以通過不斷迭代來優化產品性能。這是一項容錯率非常小的技術，一旦出錯可能就是一個悲劇。

需要技術的高度成熟，否則就顯得尤為雞肋。

2.先看手機還是先看孩子，這是一個問題

有專家（磚家？）認為，手機在發射微波的同時也存在“極低頻磁場”，由于嬰兒的頭骨較簿且不完整，腦部發展不完善，如果嬰兒接觸太多手機，會對身體造成影響，可能引致癌癥、神經及發展障礙等。且不論這種說法是否有駭人聽聞的嫌疑，但是絕大分父母都不愿意冒這樣一個風險，因而他們會將手機放在遠離嬰兒的位置，一旦嬰兒哭泣，父母該怎么辦？

是先去抱小孩還是先看手機？

這一行為很微妙。如果是兩代人同時照看，先看手機無疑會引起家庭糾紛。一般人的反應是孩子哭立馬去抱小孩哄他，然后去抱著他看手機看他怎么了，再然后注意力又被分散，這顯然不是這一特殊場景下理想的交互方式。

那么，通過聲音辨別疾病就只能這樣了嗎？

它可能不適合確診某些嬰兒的病理性哭鬧，但是通過聲音識別疾病，甚至適用于成人預防一些難以治愈或不易發現的疾病。

現有研究結果表明，聲音變低啞可能是胃酸反流，當患了慢性鼻竇炎，則會出現鼻塞一樣的聲音。聲音變得低沉很可能是甲狀腺疾病。而聲音變得沒有起伏，很可能是患了帕金森癥。

事實上，美國麻省理工學院的馬克斯·李特博士近年來就在研究這一課題——利用聲音診斷帕金森病。現有醫學研究表明，人類患帕金森病是因為大腦的中腦部位的一群神經細胞發生了變性死亡，這種細胞死亡會帶來的癥狀是肢體顫抖，除此之外，沒有更多新的進展，至于如何治愈更是無從說起。

相比于動輒扎針化驗的檢測方法，這種方法極大的減少了對人身體的接觸，他通過大量數據分析，建立起一套聲音分析系統，只要留下30秒左右的錄音，他就能讓電腦自己判斷患病與否，實驗室階段準確率高達99%。

這項技術最終可以幫助他客觀地掌握癥狀的進展情況，從而可以更有效地控制用藥量，甚至是準確搞定吃藥時間。

實際上，Chatterbaby的另外一大目的就是通過哭聲來診斷不同類型的自閉癥。醫學界和教育界都認為，自閉癥越早發現越好，如果在早期對這些孩子的特殊需求進行滿足與鼓勵，就會增加他們最終成長為正常人的機率。可惜的是，患上自閉癥譜系障礙的孩子卻往往在多年后才會被確診。

根據權威數據表明我國已確診自閉癥患病人數約在1000萬以上，而0-14歲的兒童患者已經超過200萬，并以每年20萬+的速度在增長。如果能通過一項簡單的指標就能對孩子的發展做出預測，給父母敲個警鐘，這無疑是一項值得推廣的技術。

總結

事實上以現階段AI 發展階段，顯然不能搞定所有的問題，只要能搞定一部分，提升解決我們的效率，就可以發揮其應用價值，畢竟這項技術對于大多數像王小強這樣的年輕父母來說，不失為一種安慰劑。