What makes baby cries impossible to ignore?

How can crying babies and barking dogs be harder to ignore than specially designed sirens and fire alarms? The key may lie in their temporal structure, cleverly optimized for capturing listeners’ attention, and in a particularly irregular, unpredictably changing voice quality. In this project I will test this hypothesis, which requires both methodological and experimental work with long sequences of human nonverbal vocalizations and animal calls. Helped by a qualified research assistant, I will improve the existing algorithms for segmenting and analyzing the temporal structure of vocalization sequences, linking temporal irregularities at different time scales to their bottom-up salience (the ability to involuntarily attract attention). The second task is to develop the first algorithm for automatically detecting different irregularities in voice production known as nonlinear vocal phenomena. Coupled with experimental manipulation of nonlinearities, this will make it possible to investigate their role in making harsh-sounding vocalizations, such as intense baby cries, so salient and distressing to listeners. The project will deliver important methodological innovations and theoretical insights into human and animal vocal communication. It also has immediate practical applications: a better understanding of why some sounds are so distracting and annoying is crucial to managing our acoustic environments.

Vi hör olika ljud hela tiden – man kan inte ens stänga öronen när man sover. Vissa ljud är dessutom väldigt svåra att ignorera, som till exempel när ett barn gråter eller en hund skäller på gatan utanför. Forskning visar faktiskt att just gråtande barn och skällande hundar drar till sig mer uppmärksamhet än särskilt designade larmljud som man vill att alla ska lyssna på. Varför är det så? Min hypotes är att barngråt och liknande sekvenser av biologiska ljud har två nyckelegenskaper som fångar uppmärksamhet. Den första är deras rytm, som måste vara oregelbunden, dock inte bara helt slumpmässig, utan varierande på ett smart sätt och på flera olika tidsskalor. Barn gråter till exempel inte rytmisk och oavbrutet, utan varierar rytmen och tar en längre paus då och då, vilket gör att lyssnaren aldrig vet vad som kommer härnäst och inte kan stänga av ljudet. Den andra egenskapen är att röstkvalitet måste variera inom varje enstaka ljud, helst med oförutsägbara oregelbundenheter som kallas för icke-linjära akustiska fenomen. De uppkommer exempelvis i grova vrål och skrik och verkar också vara mycket väl anpassade för att fånga uppmärksamhet. Detta kommer jag att testa genom att utveckla nya algoritmer som kan analysera strukturen av ljudsekvenser, och som kan både hitta och skapa icke-linjära fenomen automatiskt, utan att man behöver gå igenom flera timmars inspelningar manuellt. På så sätt kan vi arbeta med mycket större mängder data och lära oss mer om varför vissa ljud är så störande, samt utveckla ljudsignaler som hörs när det behövs och inte märks när de är onödiga.