Los nuevos Apple Watch Series 12 y Ultra 4 no solo incorporan un mejor seguimiento de la actividad física y una reducción del ruido optimizada, sino también una forma totalmente nueva de escuchar.
Apple anunció el miércoles que estos dos relojes inteligentes incluyen cuatro herramientas de “inteligencia de audio” opcionales que se alimentan del audio captado por los micrófonos de los relojes. Entre ellas se incluyen el reconocimiento de sonidos y música, una función de resumen de conversaciones y “Live Rewind”, que permite al usuario ver una transcripción de todo lo que se ha dicho a su alrededor en los últimos 15 segundos.
¿Y la privacidad?
Aparentemente consciente de que estas funciones podrían dar la sensación de que “las paredes tienen oídos”, Apple hace hincapié en que todas ellas están diseñadas para dar prioridad a la privacidad y la seguridad, utilizando la amplia infraestructura que la empresa ha desarrollado para proteger sus otros servicios de Apple Intelligence y Siri. Sin embargo, a medida que se estrenan cada vez más funciones de este tipo, los anuncios sobre inteligencia de audio nos recuerdan que las herramientas basadas en la IA se están volviendo cada vez más universales en todos los ámbitos de la informática y la vida cotidiana.
“Estas funciones no crean ni almacenan grabaciones de audio, y el audio sin procesar utilizado para el procesamiento es completamente inaccesible para los sistemas operativos, las aplicaciones, el usuario o Apple”, escribió la empresa en un informe compartido con WIRED.
Las nuevas funciones del Apple Watch están diseñadas para procesar tantos datos como sea posible de forma local en los dispositivos, de modo que los datos potencialmente sensibles no se envíen a la nube. “Reconocimiento de sonidos”, por ejemplo, avisa a los usuarios de los sonidos de su entorno (como timbres, sirenas, alarmas o, por ejemplo, el llanto de un bebé) sin enviar ningún dato fuera del reloj. Las herramientas que sí envían información a la nube preprocesan los datos para que no se trate de archivos de audio crudos y, a continuación, usan la infraestructura Private Cloud Compute de Apple.
Apple destaca que las capacidades integradas en el propio dispositivo de los Apple Watch se han ampliado gracias a los nuevos chips S11 de la empresa. Estos chips incluyen un lugar especial de memoria protegida que Apple llama “Secure Exclave”. Diseñado específicamente para datos de sensores, el Secure Exclave es un búfer aislado al que no tiene acceso el resto del sistema operativo, donde el Apple Watch puede almacenar y procesar datos de audio en un espacio protegido.
Los relojes tienen oídos
Una nueva función de Shazam “escucha” la música y genera una firma de la canción que se almacena en el Secure Exclave. Si el usuario accede a Shazam para averiguar de qué canción se trata, la herramienta enviará esa firma (no un archivo de audio) a los servidores de Shazam para su identificación (Shazam es un servicio propiedad de Apple). Si el usuario no solicita la identificación de la música, o tan pronto como lo haga, la firma especial se borra “de inmediato” del reloj.
La función de resumen, conocida como “Siri Recap”, puede configurarse para que esté siempre activa y genere resúmenes de cualquier conversación relevante, o bien puede programarse para que escuche en determinados momentos del día. Un modelo de IA específico determina cuándo se produce el habla sin grabar ni transcribir ningún dato. Si detecta una conversación, el audio se almacena en un búfer protegido dentro del Secure Exclave del Apple Watch. Luego el reloj lo cifra y, a continuación, lo transmite mediante el emparejamiento Bluetooth seguro especial de Apple al Secure Exclave del iPhone del usuario. A continuación, el audio se elimina inmediatamente del Apple Watch.
El iPhone usa modelos locales de reconocimiento de voz y de lenguaje integrados en el dispositivo para transcribir el audio y, a continuación, generar una versión minimalista de la transcripción que elimina elementos no esenciales, como palabras de más y frases repetidas. A continuación, el audio sin procesar también se elimina inmediatamente del teléfono. El último paso en el iPhone es un modelo de seguridad que “filtra el texto para omitir términos potencialmente dañinos”, según Apple. A partir de ahí, el resumen de la conversación se cifra y el iPhone lo envía a Private Cloud Compute.
