Fotos de especies salvajes en redes sociales ayudan a conservarlas

Fotos turísticas de especies salvajes ayudan a su seguimiento - OREGON STATE UNIVERSITY

   MADRID, 21 Feb. (EUROPA PRESS) -

   Las fotos de cebras y ballenas que los turistas y publican en redes sociales pueden tener el beneficio inesperado de ayudar a los investigadores a rastrear y reunir información sobre su estado.

   Y es que los científicos están utilizando la inteligencia artificial (IA) para analizar fotos de cebras, tiburones y otros animales para identificar y rastrear individuos y ofrecer nuevas perspectivas sobre sus movimientos, así como las tendencias de la población.

   "Tenemos millones de imágenes de animales amenazados y en peligro de extinción tomadas por científicos, cámaras trampa, drones e incluso turistas --explica en un comunicado Tanya Berger-Wolf, directora del Instituto de Análisis de Datos Traslacionales de la Universidad Estatal de Ohio (Estados Unidos)--. Esas imágenes contienen una gran cantidad de datos que podemos extraer y analizar para ayudar a proteger a los animales y combatir la extinción".

   Y un nuevo campo llamado imageomics está llevando el uso de las imágenes de la vida silvestre un paso más allá al utilizar la IA para extraer información biológica sobre los animales directamente de sus fotos, señala Berger-Wolf, profesora de ciencias e ingeniería de la computación, ingeniería eléctrica e informática, y evolución, ecología y biología de los organismos.

   En su presentación en la reunión anual de la Asociación Americana para el Avance de la Ciencia, Berger-Wolf ha hablado de los recientes avances en el uso de la inteligencia artificial para analizar imágenes de animales salvajes y de la fundación de la imageómica.

   Uno de los mayores retos a los que se enfrentan los ecologistas es la falta de datos disponibles sobre muchas especies amenazadas y en peligro de extinción. "Estamos perdiendo biodiversidad a un ritmo sin precedentes y ni siquiera sabemos cuánto y qué estamos perdiendo", lamenta Berger-Wolf.

   De las más de 142.000 especies que figuran en la Lista Roja de Especies Amenazadas de la UICN, se desconoce la situación de más de la mitad porque no hay datos suficientes o su tendencia poblacional es incierta.

   "Si queremos salvar a los elefantes africanos de la extinción, tenemos que saber cuántos hay en el mundo, y dónde están, y a qué velocidad están disminuyendo", razona Berger-Wolf.

   "No tenemos suficientes collares GPS y etiquetas por satélite para vigilar a todos los elefantes y responder a esas preguntas --reconoce--, pero podemos utilizar técnicas de IA, como el aprendizaje automático, para analizar las imágenes de los elefantes y obtener gran parte de la información que necesitamos".

   Berger-Wolf y sus colegas crearon un sistema llamado Wildbook que utiliza algoritmos de visión por ordenador para analizar las fotos tomadas por los turistas de vacaciones y los investigadores sobre el terreno para identificar no sólo las especies de animales, sino los individuos.

   "Nuestros algoritmos de IA pueden identificar a los individuos por cualquier cosa que tenga rayas, manchas, arrugas o muescas, incluso por la forma de la aleta caudal de una ballena o la aleta dorsal de un delfín", explica.

   Por ejemplo, Wildbook contiene más de 2 millones de fotos de unas 60.000 ballenas y delfines de todo el mundo identificados de forma única. "Esta es ahora una de las principales fuentes de información que tienen los científicos sobre las orcas: ya no tienen datos deficientes", resalta.

   Además de los tiburones y las ballenas, existen libros de naturaleza para cebras, tortugas, jirafas, carnívoros africanos y otras especies.

   Berger-Wolf y sus colegas han desarrollado un agente de inteligencia artificial que busca especies relevantes en las redes sociales compartidas públicamente. Esto significa que las fotos de las vacaciones de muchas personas de tiburones que vieron en el Caribe, por ejemplo, terminan siendo utilizadas en Wildbook para la ciencia y la conservación, resalta.

   Junto con la información sobre cuándo y dónde se tomaron las imágenes, estas fotos pueden ayudar a la conservación proporcionando recuentos de población, dinámicas de nacimiento y muerte, área de distribución de las especies, interacciones sociales e interacciones con otras especies, incluidos los humanos, añade.

   Esto ha sido muy útil, pero Berger-Wolf asegura que los investigadores están tratando de avanzar en este campo con la imageómica. "La capacidad de extraer información biológica de las imágenes es la base de la imagenómica --explica--. Estamos enseñando a las máquinas a ver cosas en las imágenes que los humanos pueden haber pasado por alto o no pueden ver".

   Por ejemplo, si el patrón de rayas de una cebra se parece de alguna manera al de su madre y, si es así, sipuede dar información sobre sus similitudes genéticas. O cómo varían los cráneos de las especies de murciélagos según las condiciones ambientales y qué adaptación evolutiva impulsa ese cambio. Éstas y otras muchas cuestiones podrían responderse mediante el análisis de fotos por aprendizaje automático.

   La Fundación Nacional de la Ciencia concedió a la Universidad de Ohio 15 millones de dólares (unos 13,2 millones de euros) en septiembre para dirigir la creación del Instituto de Imageómica, que ayudará a orientar a los científicos de todo el mundo en este nuevo campo.

   Según Berger-Wolf, que es investigadora principal del instituto, el uso de la IA en el análisis de las imágenes de la fauna silvestre sigue creciendo, y una de las claves será asegurarse de que la IA se utiliza de forma equitativa y ética.

   Por un lado, los investigadores tienen que asegurarse de que no hace daño. Por ejemplo, los datos deben estar protegidos para que no puedan ser utilizados por los cazadores furtivos para atacar a especies en peligro de extinción.

   Pero consideran que debe ser algo más que eso. "Tenemos que asegurarnos de que se trata de una asociación hombre-máquina en la que los humanos confían en la IA. La IA debe ser, por su diseño, participativa, conectando entre las personas, entre los datos y entre las ubicaciones geográficas", concluye.