據physory網站2006年6月8日報道，人類眼睛中大約有2億個光受體，嗅覺有1000萬～2000萬個受體，而聽力只有8000個受體。盡管數量不多，但是聽覺系統卻是五官中形成最為迅速的一種。科研人員將這一現象解釋為大腦可以極為迅速地將輸入的最少量信號最大程度的轉變為可識別信號。無論這一過程怎樣進行，它們仍然是世界上迄今為止最精確的聲音分析處理過程。 最近，洛克菲勒大學數學物理實驗室負責人馬克羅?曼戈納斯教授在《美國國家科學院學報》上發表了一篇文章，有關應用特定的數學方法或者運算法則將聲音轉化為視覺圖像，這是聲音分析處理方面取得的巨大突破。曼戈納斯指出，這種聲音分析的方法優于現有市場上存在的其它方法，事實上，可能與大腦使用的聲音分析方法相似。 曼戈納斯與蒂莫西?加德納合作研究了如何使計算機就象大腦一樣可以極為迅速的分析處理復雜、快速變化的聲音。他們建立了一種特定的數學運算，將聲音的傳導速率和頻率轉化為一系列的數據，最終繪制出一個關于聲音即時傳送頻率的二維視覺柱狀圖。接下來檢測該項技術并與其它的聲音分析程序相比時，科研人員發現使用這一程序從噪音中檢測出特定聲音的能力遠遠高于其它現有的程序。 這一巨大的進步來自于一個最基本的觀察現象，那就是可以使沒有聲音傳送的區域以圖像顯示。兩位研究人員應用了白噪音（類似于我們使用收音機未調準頻道時發出的聲音），因為它是可獲得的最復雜聲音，在所有的頻率水平都具有相同的能量。 在計算機中輸入特定的運算法則，進一步區分不同的頻率，以橫軸代表時間縱軸為頻率作二維圖分析。從得到的柱狀圖中可以明確的看出在某一個特定的頻率沒有聲音的部分，因此便可以通過沒有聲音頻率的那部分進一步認識聲音的組成。曼戈納斯指出，如果想要證明該聲音分析過程是一個有效的信號評估方法，就必須知道淹沒在噪音中的這種聲音的具體特征。因此，他在白噪音下面增設了一個恒定的頻率，該頻率在柱狀圖中以淡黃色部分標出。最終證明了他們開發的運算法則是一個有效可行的聲音分析方法，并且可能與大腦聲音處理過程相關。 這一開發軟件具有十分重要的意義，不僅僅限于聲音，在其它許多科學技術研究領域都可以得到應用，諸如雷達、聲波定位儀以及腦電圖記錄儀等。 地質學家用時間頻率數據分析測量者所踏之地的下面組成成分，釣魚者用該方法決定水的深度和定位魚群。但是目前的方法太不精確，因此需要進一步改進程序。曼戈納斯說，如果我們能開發出具有極高分辨率的時間頻率分析系統，就能從中獲得大量的信息。例如，用現有的雷達，只能發現某處有一架直升飛機，有了新的運算法則和程序，就能精確到飛機的每個螺旋槳葉片。 科研人員就可以研制出具有人耳一樣敏銳的計算機，也將具有可以給耳蝸植入8000個茸毛細胞的能力。