Los sistemas de inteligencia artificial están aprendiendo a escuchar y descifrar los sonidos de la naturaleza, lo que ayuda a los científicos a rastrear especies e identificar cambios en los ecosistemas mucho más rápido que los estudios de campo tradicionales.
Mientras caminas por el bosque, podrás notar que el aire se llena de sonido. Los pájaros cantan, los insectos y pequeños mamíferos susurran entre la maleza y, al anochecer, los murciélagos se comunican con sus chirridos.
Estos paisajes sonoros contienen una gran cantidad de información sobre qué animales están presentes, cuántos hay y qué tan saludable es el ecosistema. Sin embargo, analizar todo ese audio es un gran desafío.
Los científicos ahora pueden recopilar grandes cantidades de registros utilizando pequeños dispositivos autónomos ubicados en bosques, humedales y áreas urbanas. El problema ya no es recopilar datos, sino comprenderlos lo suficientemente rápido como para que sean útiles.
El profesor Dan Stowell del Centro de Biodiversidad Naturalis en Leiden, Países Bajos, es uno de los investigadores líderes en el campo emergente de la bioacústica computacional, que utiliza IA para analizar sonidos de vida silvestre y grabaciones ambientales.
«Ahora hay muchas maneras de grabar sonidos y paisajes sonoros de animales», dice Stowell. «Pero la escala de los datos es completamente abrumadora».
Su investigación se centra en el desarrollo de sistemas de inteligencia artificial que permitan a los científicos monitorear la biodiversidad de manera más eficiente y a escala que los métodos de campo tradicionales.
cortar ruido
Naturalis, el Centro Nacional Holandés de Investigación sobre Biodiversidad, colaboró con investigadores de toda Europa y el Reino Unido en un esfuerzo de investigación de cuatro años financiado por la UE llamado BioacAI. Stowell y su equipo están trabajando para cerrar la brecha entre la gran cantidad de datos acústicos recopilados y nuestra capacidad para comprenderlos.
La iniciativa, que finalizará en 2027, está desarrollando nuevas herramientas de inteligencia artificial que pueden identificar automáticamente especies a partir de grabaciones de audio. El equipo de investigación cree que esto podría cambiar la forma en que los científicos monitorean la biodiversidad en Europa y otros países.
«No queremos reemplazar a los expertos», dijo Stowell. «Pero queremos poder recopilar toda la información valiosa que escuchamos incluso cuando estamos en el bosque o en un entorno urbano y convertirla en información útil sobre los animales y la biodiversidad».
Esta colaboración de investigación también aborda la crisis de habilidades en este campo. Actualmente, no existen programas de capacitación que produzcan investigadores con experiencia en acústica, inteligencia artificial, zoología y ecología.
La red de doctorado de BioacAI está diseñada para llenar ese vacío, capacitando a una nueva generación de profesionales con lo que Stowell llama habilidades de IA bioacústica «completas».
Seguimiento de la disminución de la biodiversidad
La pérdida de biodiversidad se está acelerando a nivel mundial. Entre las especies en mayor riesgo se encuentran las aves y los insectos, cuyas poblaciones en disminución pueden causar efectos dominó en los ecosistemas, la agricultura y, en última instancia, el bienestar humano. Para responder eficazmente, los científicos necesitan datos fiables y a gran escala sobre el estado de las diferentes especies.
Los estudios tradicionales sobre la vida silvestre, en los que los científicos recorren una ruta determinada y registran lo que ven y oyen, requieren mucha mano de obra, son costosos y tienen un alcance limitado.
Un enfoque que se está volviendo cada vez más popular es el monitoreo acústico pasivo. Esto implica dejar un pequeño dispositivo de grabación en el lugar para grabar todo lo que escuche. Estos registros proporcionan una visión detallada de lo que sucede en el medio ambiente a lo largo del tiempo.
El equipo de BioacAI está trabajando con un especialista europeo en bioacústica para desarrollar una nueva generación de dispositivos de grabación más inteligentes. Estos pueden ejecutar algoritmos de reconocimiento directamente en el dispositivo y sincronizarse entre múltiples unidades para encontrar animales que vocalicen.
Además de mejorar los métodos de monitoreo, el objetivo es reducir la demanda de energía y reducir la huella ambiental de las implementaciones de monitoreo a gran escala.
Pero hay un problema. Estos dispositivos pueden generar cientos de gigabytes de datos en unas pocas semanas. Si se aumenta esto en todo el sistema de vigilancia nacional, la cantidad rápidamente se vuelve inmanejable.
Entendiendo las llamadas de los murciélagos
La Dra. Leah Gilmore, directora de investigación del British Bat Conservation Trust, socio del consorcio BioacAI, no es ajena a esta cuestión.
«Nuestro proyecto genera cientos de terabytes de datos por año, cuya recopilación llevaría de 20 a 30 años con aportación humana», dijo.
Los murciélagos son difíciles de estudiar debido a su naturaleza esquiva y a su actividad nocturna, lo que hace que el seguimiento acústico pasivo sea especialmente importante. «Necesitamos registrarlos para comprender las tendencias y el comportamiento de su población», dijo Gilmore.
Por la noche, los murciélagos utilizan ultrasonidos para emitir pulsos de alta frecuencia y escuchar los ecos para navegar y detectar presas. Las diferentes especies suelen cantar en frecuencias diferentes, pero también adaptan sus sonidos de ecolocalización a su entorno. Esto hace que sea difícil incluso para los expertos distinguir entre especies estrechamente relacionadas.
Por eso, los investigadores están investigando si las llamadas sociales de los murciélagos podrían ser una mejor manera de identificar especies. Los humanos pueden escuchar estas canciones, pero tienden a ser más específicas de cada especie que los sonidos de caza o navegación.
Aunque los murciélagos hacen estas llamadas de comunicación con poca frecuencia, clasificarlos podría ayudar a los sistemas de inteligencia artificial a identificar especies que actualmente enfrentan desafíos para el monitoreo acústico.
Y tiene el potencial de reducir significativamente la acumulación de datos.
«Sin estos clasificadores y este sistema, estaríamos ante décadas de trabajo manual», dijo Gilmore.
De la sobrecarga de datos al descubrimiento
Las herramientas de IA que se están desarrollando a través de BioacAI aprenden a reconocer las firmas acústicas distintivas de diferentes especies y operan a velocidades y escalas que los humanos no pueden igualar.
Aplicaciones como Merlin Bird ID, que permite a los observadores de aves identificar especies usando el micrófono de su teléfono inteligente, ya han demostrado lo que es posible para las aves comunes y están bien documentadas. Pero los investigadores de BioacAI están intentando ir más allá identificando especies sobre las que hay relativamente pocos datos.
Para abordar esto, el equipo está utilizando una técnica de inteligencia artificial conocida como incrustación profunda, que coloca sonidos de animales dentro de un mapa espacial para que sonidos acústicamente similares se agrupen. La tecnología no sólo puede sugerir a qué especies conocidas es similar un sonido desconocido, sino también señalar sonidos inusuales o no clasificados para una mayor investigación.
«Tenemos muchos datos no gestionados», dijo Stowell. «Si podemos identificar un sonido o una ubicación que requiera un poco de investigación, sería genial».
La experiencia humana sigue siendo esencial aquí.
Con el tiempo, podremos analizar paisajes sonoros de todo el mundo utilizando redes de sensores acústicos, equipos de investigación y científicos ciudadanos. Esto brindará a los investigadores y responsables políticos una imagen más clara de cómo están cambiando los ecosistemas.
Dicha investigación podría revelar especies no identificadas previamente, nuevos hábitats para animales conocidos o nuevos puntos críticos de biodiversidad. También podría apoyar la estrategia de biodiversidad de la UE para 2030 mejorando la forma en que se monitorean los ecosistemas y las especies en toda Europa.
«Tenemos un poder tremendo para detectar los factores que impulsan el cambio poblacional, estudiar estas poblaciones a escala y recopilar conjuntos de datos que antes eran inaccesibles», dijo Gilmore.
Este artículo fue publicado originalmente en Horizon, Revista de Investigación e Innovación de la UE.
La investigación para este artículo fue financiada por el programa Horizon de la UE.
Source link
