La IA suiza que reconoce a los animales salvajes y ayuda a profesionales de todo el mundo a entenderlos
Desde identificar osos en Alaska hasta hacer un seguimiento de los ciervos en los Alpes, la inteligencia artificial desarrollada en Suiza está abriendo nuevas fronteras en la conservación de la fauna silvestre. Sin embargo, las máquinas no hacen milagros: se basan en el trabajo de quienes han pasado toda una vida en contacto con la naturaleza.
Beth Rosenberg ha pasado los últimos veinte años observando a los osos en zonas remotas de Alaska, sin electricidad ni agua corriente. La bióloga y ecóloga de la Alaska Pacific University es hoy capaz de reconocer a algunos ejemplares de animales por la forma de la cabeza y del hocico, así como por pequeñas cicatrices o comportamientos particulares.
«Algunos osos pescan siempre de la misma forma o les encanta jugar entre ellos. Solo hace falta dedicar un poco de tiempo a observarlos para que las diferencias entre ellos salgan a la luz enseguida», explica Rosenberg.
Hoy en día, la bióloga pone esta experiencia al servicio de un modelo de inteligencia artificial (IA). En colaboración con equipos de investigación de la Escuela Politécnica Federal de Lausana (EPFL), Rosenberg ha contribuido a entrenar un sistema capaz de reconocer a cada ejemplar de oso. El entrenamiento se basa en su amplia experiencia y en miles de fotografías recopiladas a lo largo de seis años en el río McNeil, donde cada año cientos de osos pardos se reúnen para pescar los salmones que remontan la corriente.
Estudiar a estos depredadores es esencial para comprender la salud de los ecosistemas y la forma en que las especies reaccionan a los cambios climáticos. Sin embargo, hacerlo de manera no invasiva, en entornos tan aislados, es extremadamente difícil. Por ello, es aquí donde la IA puede marcar realmente la diferencia.
«La IA podría abrir enormes posibilidades para comprender mejor la fauna silvestre y los ecosistemas, favoreciendo así su conservación y gestión», afirma la científica.
Una IA que reconoce a los osos por su hocico
El modelo desarrollado junto con la EPFL es capaz de identificar de manera fiable a los osos del río McNeil basándose en características físicas como la forma de la cabeza o el perfil. Puede seguir sus desplazamientos en el tiempo y el espacio, conectando imágenes del mismo oso tomadas en distintos lugares y momentos, e incluso detectar nuevos ejemplares que nunca habían sido observados. Se trata de un resultado que Rosenberg califica como «sin precedentes».
Al analizar un gran número de imágenes, la IA también puede ayudar a los equipos de investigación a identificar patrones recurrentes, como por ejemplo dónde se alimentan, descansan o se desplazan los osos, y poder estudiar así su comportamiento.
«Eso nos ayuda a comprender mejor a los osos y sus dinámicas demográficas, así como a dar respuesta a muchas preguntas ecológicas importantes», explica.
Sin embargo, llegar a este punto ha sido de todo menos sencillo.
A diferencia de las cebras o los leopardos, los osos no presentan patrones en el pelaje que permitan distinguirlos con facilidad. Eso hace que a los sistemas de visión artificial (es decir, las tecnologías de IA que analizan e interpretan imágenes y vídeos «imitando» la vista humana) les resulte bastante difícil identificarlos. Además, su aspecto cambia significativamente a lo largo del año: antes de la hibernación pueden ganar más de 100 kilogramos y su pelaje cambia por completo entre el verano y el invierno.
«Esto puede confundir incluso a los equipos de observación más especializados», afirma Rosenberg.
Para entrenar el sistema, Rosenberg seleccionó manualmente casi 73.000 imágenes de más de 100 osos, tomadas bajo la lluvia, en distintos momentos del día y desde diversos ángulos. El equipo se centró especialmente en la cabeza de los animales, identificando características que se mantienen relativamente estables en el tiempo, como la forma del hocico, la estructura del arco superciliar, la posición de las orejas y el perfil.
«Los sistemas de IA son muy eficaces reconociendo patrones recurrentes», explica Rosenberg, «pero es mucho más difícil cuando se trata de especies que carecen de rasgos distintivos evidentes».
La preparación de los datos requirió años de trabajo. Rosenberg recuerda que fue en 2018 cuando se puso en contacto con Alexander Mathis, profesor del Brain Mind Institute de la EPFL, para proponerle una colaboración. «Alexander y yo pasamos gran parte de la COVID delante del ordenador, programando sin descanso», cuenta.
Según Rosenberg, los ocho años que tardaron en construir el conjunto de datos apenas fueron suficientes para que el modelo aprendiera a reconocer a los ejemplares. «Esto dice mucho de la complejidad del cerebro humano», añade.
El siguiente paso será poner a prueba el sistema a una escala mayor, en otras regiones y con animales que el modelo no haya visto nunca antes.
De los bosques de Alaska a los Alpes suizos
Rosenberg considera que, en el futuro, el modelo también podría aplicarse a otras especies con el hocico pronunciado, como lobos y ciervos, que también habitan los Alpes suizos. No obstante, transferir los modelos de un entorno a otro representa un desafío importante.
«Es poco probable que un modelo entrenado en Alaska también funcione bien en Suiza», afirma Devis Tuia, que dirige el laboratorio de Ciencias Computacionales Ambientales y Observación de la Tierra de la EPFL.
El equipo de Tuia ha desarrollado modelos de IA capaces de reconocer la fauna alpina y analizar su comportamiento a partir de imágenes y vídeos recopilados mediante cámaras trampa. Sin embargo, para obtener estos resultados fue necesario realizar un largo trabajo manual, como el etiquetado de miles de fotogramas y la optimización de los parámetros del modelo.
«La IA no es magia», afirma Tuia. La validez de un modelo depende de los datos con los que haya sido entrenado, y eso depende del tiempo y el esfuerzo de las personas que lo desarrollan.
>> Este vídeo de la EPFL muestra cómo la IA es capaz de reconocer a dos ciervos que pasan frente a la cámara trampa, en el cantón de los Grisones:
Mejorar la convivencia entre seres humanos y fauna salvaje
Pese a estas limitaciones, Tuia considera que el potencial de la tecnología es enorme. Los sistemas de IA pueden analizar automáticamente millones de imágenes y vídeos en pocos segundos, ayudando a profesionales de la biología y guardaparques a comprender mejor el funcionamiento de los ecosistemas y sus cambios, y a tomar decisiones de conservación más informadas.
Estos conocimientos podrían incluso mejorar la convivencia entre seres humanos y fauna salvaje. «Si sabemos cómo se comportan los animales, podemos, por ejemplo, planificar los senderos de una manera más segura y adecuada», explica Tuia.
Las herramientas de este tipo podrían resultar muy valiosas en países como Suiza, donde el debate sobre la gestión de los lobos, en particular los ataques al ganado, es cada vez más intenso.
En el futuro, estos modelos podrían aplicarse a una escala mucho mayor gracias a iniciativas de “ciencia ciudadana”, en las que el público general sube sus observaciones a plataformas compartidas como iNaturalist.
«Estamos construyendo el conjunto de datos global del planeta, foto a foto», afirma Tuia.
Rosenberg también ve un gran potencial en este enfoque. Este verano, ella y su equipo lanzarán una plataforma para recopilar imágenes de osos pardos tomadas por personas de todo el mundo.
«Podemos utilizar las fotografías para crear mapas y entender por dónde se desplazan los animales a una escala mucho más amplia», afirma. «Las posibilidades de conocimiento son enormes, sin que sea necesario invadir su espacio».
Editado por Gabe Bullard. Adaptado del italiano por Cristina Esteban. Versión en español revisada por Carla Wolff.
En cumplimiento de los estándares JTI
Mostrar más: SWI swissinfo.ch, certificado por la JTI
Puede encontrar todos nuestros debates aquí y participar en las discusiones.
Si quiere iniciar una conversación sobre un tema planteado en este artículo o quiere informar de errores factuales, envíenos un correo electrónico a spanish@swissinfo.ch.