報道介紹了一款名為Chatterbaby的AI APP。這款APP可以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?，F(xiàn)在，這個APP可以分辨孩子的哭泣是因為饑餓、煩躁還是疼痛。今后，或許還可以用來診斷自閉癥。資料顯示，這款APP由美國加州大學洛杉磯分校的非盈利組織開發(fā)。

ChatterBaby項目是加州大學洛杉磯分校的計算神經(jīng)心理學家Ariana Anderson博士于2013年創(chuàng)立的。Ariana Anderson博士是4個孩子的母親，撫養(yǎng)前2個孩子時，她還常常搞不懂孩子大哭的原因，在撫養(yǎng)第3個孩子時就已經(jīng)可以輕松辨認孩子哭聲背后的意義了，于是萌生了用算法理解嬰兒哭聲的想法，于是創(chuàng)立了這個項目。

ChatterBaby項目是非盈利項目，由加州大學洛杉磯分校的臨床與轉化科學研究所與塞梅爾神經(jīng)科學與人類行為研究所，以及寶來惠康基金共同資助。APP開發(fā)團隊共三人，分別負責機器學習算法、移動開發(fā)、信號處理，并與加州大學洛杉磯分校計算機技術研究實驗室合作。研究團隊共有6個人，其中4個人從事新生兒與醫(yī)學相關研究，1個人從事生物學研究，Ariana Anderson則負責計算神經(jīng)科學與機器學習的部分。

2016年，ChatterBaby項目在加州大學洛杉磯分校的代碼挑戰(zhàn)賽中獲得了第一名。

目前，ChatterBaby已收集了超過1700個嬰兒的哭聲數(shù)據(jù)，因此ChatterBaby的創(chuàng)始人Ariana Anderson博士認為，這個APP不僅是幫助父母讀懂孩子的哭聲的助手，而且是一個龐大的數(shù)據(jù)庫，她和團隊希望結合這些數(shù)據(jù)，建立一個機器學習模型，做到僅僅從哭聲來診斷不同類型的自閉癥。

這個機器學習模型診斷自閉癥的項目運用到了計算神經(jīng)科學與神經(jīng)心理學。

計算神經(jīng)科學是使用數(shù)學分析和計算機模擬的方法對大腦的神經(jīng)系統(tǒng)進行模擬和研究，從計算角度理解大腦，研究大腦風格的信息處理方式，從而在計算機中創(chuàng)造一個大腦。

而神經(jīng)心理學也不像心理學那樣單純地分析行為或心理活動本身，它把人的感知、記憶、言語、思維、智力、行為和大腦的機能結構之間建立了量的關系，用標志著大腦機能結構的解剖、生理、生化的術語來解釋心理現(xiàn)象或行為。

神經(jīng)的多樣性發(fā)展從嬰兒大腦發(fā)育的第一刻就開始了，有的孩子發(fā)育正常，有的孩子則發(fā)育不良。但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。醫(yī)學界和教育界都認為，如果能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。

Ariana Anderson指出，目前很多有關自閉癥的調查研究都是在高檔白人社區(qū)中進行的，因此，有色人種的孩子確診自閉癥往往比他們的白人同齡人晚1到2年。“解決這種健康鴻溝始于更優(yōu)質的數(shù)據(jù)。”Ariana Anderson說道。

使用ChatterBaby APP的父母必須簽署一份協(xié)議，允許Ariana Anderson博士的團隊通過APP記錄去除嬰兒個人信息的音頻文件，并存儲在符合HIPAA法案（美國一個保護醫(yī)患隱私與安全的法案）要求的服務器上。這份協(xié)議還要求用戶配合調查，提供像對視回避和頭部撞擊之類的行為線索，以幫助識別哪些嬰兒更可能在神經(jīng)發(fā)育上出現(xiàn)問題。并且，由于基因的存在，有患有自閉癥的一級親屬也增加了孩子患病風險。

布朗大學風險兒童研究中心的心理學家Stephen Sheinkopf認為，嬰兒的哭聲中確實隱藏著許多神經(jīng)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，但是這些線索可能并不足以診斷自閉癥。更有可能的是將聲音、行為、其他生理數(shù)據(jù)整合進一個模型。