Γνωρίζουμε από τη βασική φυσική πως ο ήχος δεν είναι τίποτα περισσότερο από αυξομειώσεις στην πίεση του αέρα που διαδίδονται με τη μορφή ηχητικών κυμάτων. Οι περιοδικές αυξομειώσεις της πίεσης καταγράφονται ως συχνότητες, οι οποίες μεταφράζονται από τον ανθρώπινο εγκέφαλο ως ήχοι ή τόνοι. Η κατασκευή του ανθρώπινου αυτιού μπορεί να καταγράψει συχνότητες από 20Hz έως και 20.000Hz, κάτι που σημαίνει πως οι άνθρωποι έχουν ένα ικανοποιητικό εύρος συχνοτήτων. Αντίστοιχα, η καταγραφή του ήχου από μηχανικά μέσα, μέχρι τώρα, προσπαθούσε να αντιγράψει τη δομή του εσωτερικού του αυτιού. Όπως και το αυτί διαθέτει μια μεμβράνη (το τύμπανο) η οποία πάλλεται λόγω της αυξομείωσης της πίεσης του αέρα, έτσι και όλα τα μέσα (πχ μικρόφωνα) χρησιμοποιούν κάποιου είδους μεμβράνη η οποία αντιδρά στις αλλαγές της πίεσης του αέρα. Επίσης, όπως και το αυτί λειτουργεί έχοντας ένα μικροσκοπικό οστό (σφύρα) σε επαφή με τον υμένα του τυμπάνου, έτσι και τα μικρόφωνα διαθέτουν κάποιο εξάρτημα σε επαφή με τη μεμβράνη, το οποίο κινείται λόγω των δονήσεων και μετατρέπει την κίνηση σε σήματα, ηλεκτρικά στις περισσότερες περιπτώσεις. Σχεδόν όλα τα συστήματα καταγραφής ήχου που έχουν δημιουργηθεί μέχρι τώρα, λειτουργούν πάνω στην ίδια αρχή.
Πολλές μελέτες έχουν γίνει πάνω στην καταγραφή του ήχου με άλλα μέσα, αλλά μέχρι πρόσφατα η τεχνολογία δεν ήταν σε θέση να ακολουθήσει τις ιδέες των ερευνητών. Τα τελευταία χρόνια, όμως, έχουν σημειωθεί αξιοσημείωτες πρόοδοι, κυρίως λόγω της βελτίωσης της τεχνολογίας και της προόδου στους φωτογραφικούς αισθητήρες, όσο κι αν αυτό φαίνεται άσχετο. Από τη στιγμή που οι δονήσεις στον αέρα μεταδίδονται, αυτό σημαίνει πως θα μπορούσε κανείς, με την κατάλληλη υποδομή, να καταγράψει βίντεο και να αναλύσει τα καρέ, υπολογίζοντας τις δονήσεις. Μάλιστα, δεν χρειάζεται καν κάποια μεμβράνη ή υμένας, διότι θεωρητικά όλα τα αντικείμενα σε έναν χώρο δονούνται – έστω και ελάχιστα – λόγω των ήχων. Μπορείς να το σκεφτείς σαν τις δονήσεις στα τζάμια, όταν περνά ένα φορτηγό έξω από το σπίτι. Αυτές οι δονήσεις είναι σαφώς πιο έντονες και μπορούμε να τις νιώσουμε ακουμπώντας το τζάμι με το χέρι, αλλά σε θεωρητικό επίπεδο, όλα τα αντικείμενα δονούνται με όλους τους ήχους. Το πρόβλημα είναι το να έχεις τα όργανα αρκετά μεγάλης ευαισθησίας για να καταγράψεις αυτές τις δονήσεις.
Η καταγραφή αυτών των δονήσεων μέσω κάμερας έγινε για πρώτη φορά το 2014, μέσω ενός συστήματος το οποίο ήταν σε θέση να καταγράψει ήχους, χρησιμοποιώντας ένα απλό σακκουλάκι από πατατάκια (στο ρόλο της μεμβράνης) και μια κάμερα για την καταγραφή. Τώρα, όμως, από το Carnegie Mellon University, έχουμε την εξέλιξη αυτής της τεχνολογίας, με την προσθήκη ενός laser. Η μεγαλύτερη διαφοροποίηση της νέας αυτής μεθόδου είναι η χρήση δύο καμερών για να καταγράψουν το φως του laser, το οποίο μετά από ανακλάσεις έχει μετατραπεί σε ένα συγκεκριμένο μοτίβο μικροσκοπικών φωτεινών κηλίδων το οποίο ονομάζεται speckle (pattern). Οι δύο κάμερες που αναλαμβάνουν την καταγραφή είναι διαφορετικού τύπου: η μία χρησιμοποιεί αυτό που ονομάζεται “global shutter”, δηλαδή όλα τα pixels της εικόνας καταγράφονται την ίδια στιγμή, ενώ η δεύτερη χρησιμοποιεί “rolling shutter”, που σημαίνει πως τα pixels καταγράφονται γραμμή προς γραμμή. Η πρώτη κάμερα παρέχει το σημείο αναφοράς για την ανάλυση του speckle, ενώ η δεύτερη τις μικροσκοπικές κινήσεις του speckle, οι οποίες αντιστοιχούν στις δονήσεις λόγω ήχου.
Το ριζοσπαστικό σε αυτή την μέθοδο είναι το ότι είναι δυνατός ο διαχωρισμός διαφορετικών πηγών ήχου, κάτι που μπορούμε να δούμε στο βίντεο που ανέβασαν οι ερευνητές. Ενώ οι παραδοσιακές τεχνικές (π.χ με μικρόφωνα) δυσκολεύονται ιδιαίτερα να κάνουν τον διαχωρισμό ήχων, η τεχνική του Carnegie Mellon έχει τη δυνατότητα να διαχωρίσει πηγές με πολύ καλύτερα αποτελέσματα. Παράλληλα, οι ερευνητές δοκίμασαν την καταγραφή ήχων πάνω σε σακκουλάκι από πατατάκια, όπως στην παλαιότερη έρευνα, με τα αποτελέσματα να είναι δραματικά καλύτερα!
Η νέα μέθοδος να φαντάζει άσκοπη ή ένας υπερβολικά περίπλοκος τρόπος για να καταγραφούν ήχοι. Παρ’ όλα αυτά, η χρησιμότητα του συστήματος είναι υπαρκτή και οι ερευνητές πιστεύουν πως θα μπορούσε να είναι πολύ χρήσιμη σε πολλές εφαρμογές, αρκετές από τις οποίες δεν έχουν σχέση με τον ήχο αυτό καθ’ εαυτό.
Προφανώς το παρόν άρθρο δεν είναι παρά υπεραπλούστευση των μεθόδων που χρησιμοποίησαν οι ερευνητές. Για όσους ενδιαφέρονται να εμβαθύνουν, το Carnegie Mellon έχει ιδική ιστοσελίδα για αυτό, ενώ στο τέλος υπάρχει και link για το ίδιο το paper που δημοσιεύτηκε – και μάλιστα πήρε διάκριση στο συνέδριο Computer Vision and Pattern Recognition των IEEE/CVF το 2022.