Inteligencia Artificial para salvar a los elefantes

Por Jennifer Langston

En la selva tropical de la República del Congo se están llevando a cabo algunas de las observaciones más sofisticadas del planeta para estudiar los sonidos de los animales. Se han establecido sensores acústicos que se encargan de recopilar grandes cantidades de datos las 24 horas del día para el Elephant Listening Project.

Estos sensores capturan el entorno acústico del Parque Nacional de Nouabalé-Ndoki y de las zonas forestales limítrofes. Se recogen los sonidos de chimpancés, gorilas, búfalos, loros grises africanos, frutas que golpean el suelo, insectos, motosierras, motores, voces humanas, disparos… pero a los investigadores y encargados de la zona les ha llamado la atención un sonido en particular: los barritos de los escurridizos elefantes de selva africanos.

Los elefantes de selva africanos están en grave peligro de extinción; los investigadores estiman que su población ha decrecido dos tercios probablemente a causa de la caza furtiva para conseguir el marfil de sus colmillos en las últimas décadas. De hecho, solo en los últimos siete años ha disminuido la población un 30%, principalmente por la caza, según los resultados publicados en 2016 por el censo de Paul G. Allen’s Great Elephant.

Sin embargo, los especialistas que trabajan para salvar esta especie, que se centran en mantener el balance del ecosistema y en atraer turismo sostenible, cuentan con una nueva herramienta a su disposición: la inteligencia artificial.

Conservation Meetrics, un proyecto impulsado por Microsoft dentro de su iniciativa AI for Earth, utiliza el machine learning para monitorizar la vida salvaje y evaluar los resultados de los trabajos de conservación. Conservation Meetrics está utilizando algoritmos avanzados para desarrollar el Elephant Listening Project en colaboración con la Universidad de Cornell, donde se encargan de distinguir los barritos de los elefantes de selva africanos del resto de sonidos típicos de un bosque tropical. Es un trabajo perfecto para un sistema de Inteligencia Artificial, que al ser humano le llevaría años buscando patrones entre terabytes de datos.

Los investigadores utilizan los datos de las llamadas de los elefantes para estimar su población, monitorizar sus movimientos, tratar de garantizar su seguridad e identificarles individualmente, algo impensable desde el aire.

Es una de las muchas maneras en las que biólogos, grupos de ecologistas y los científicos de datos de Microsoft están utilizando la Inteligencia Artificial para prevenir la caza furtiva de elefantes en todo el territorio africano, frenar el comercio ilegal del marfil y conservar su hábitat natural. Los esfuerzos incluyen utilizar machine learning para detectar patrones de movimiento en tiempo real que alertan de la llegada de cazadores furtivos o bloquear anuncios online sobre la comercialización de marfil.

© WWF Krista Lyons

Los científicos responsables del Elephant Listening Project estiman que la población de elefantes africanos ha decrecido de alrededor de 100.000 animales en 2011 a menos de 40.000 a día de hoy. Pero esas cifras se basan en gran medida en pruebas indirectas, y menos fiables: incautaciones de marfil, señales de caza furtiva y estudios intensivos que son demasiado caros para ser realizados regularmente.

El Elephant Listening Project lleva más de tres décadas investigando cómo los elefantes utilizan sonidos de baja frecuencia para comunicarse entre sí. Recientemente, esos científicos comenzaron a utilizar sensores acústicos para construir estimaciones de población y, en última instancia, para rastrear y proteger a los elefantes en África Central y Occidental.

Si los científicos descubren, por ejemplo, que en determinadas épocas del año los elefantes acuden a claros del bosque que pertenecen una concesión maderera sin protección para aparearse o buscar alimento, los científicos pueden coordinar su trabajo con los madereros para minimizar las molestias a los elefantes.

Conservation Meetrics comenzó a colaborar con el Elephant Listening Project en 2017 para impulsar su eficiencia. Sus algoritmos basados en machine learning han sido capaces de identificar con exactitud los barritos de los elefantes. Sin embargo, el volumen de datos que manejan estaba colapsando los servidores de la organización. El programa de Microsoft AI for Earth ha concedido una subvención de dos años a Conservation Meetrics para desarrollar un método de trabajo basado en Microsoft Azure para analizar y procesar los datos. También ha donado recursos de computación en Azure para el Elephant Listening Project, cubriendo así sus gastos de procesamiento de datos. Azure acelerará drásticamente el tiempo necesario para analizar los datos, según Matthew McKown, CEO de Conservation Meetrics.

Actualmente, los ordenadores tardan aproximadamente tres semanas en procesar varios meses de sonidos. En cuanto se termine la migración a Azure a finales de año, este proceso llevará solo un día. “Es un gran avance. Estamos muy interesados en acelerar ese bucle de procesamiento, convertir los sonidos recogidos más rápidamente en información que se puede reenviar de vuelta para que se tomen acciones sobre el terreno” añade McKown.

David Daballen y Jerenimo Lepirei de Save the Elephants utilizan una aplicación de rastreo para monitorizar elefantes en la Reserva Nacional Samburu de Kenia. © Frank af Petersens/Save the Elephants

“Solo hemos arañado la superficie”

Jake Wall, un científico investigador de Save the Elephants, que colabora con el Mara Elephant Project y otros grupos de conservación, tiene habitualmente acceso inmediato a los datos sobre los elefantes que estudia en Kenia y otros siete países. Esto se ha conseguido porque a los animales de esas poblaciones se les ha equipado con collares de rastreo GPS, que indican su localización en todo momento.

App que permite a los encargados de las reservas monitorizar el movimiento de los elefantes y responder a posibles amenazas.      © Save the Elephants

Esta información se vuelca en el Domain Awareness System (DAS), una plataforma de visualización y análisis de datos en tiempo real que se utiliza en zonas protegidas de todo África. Cuenta con datos de 15 fuentes distintas, incluyendo vehículos y radios de guardabosques, rastreadores de animales, cámaras trampa, drones, estaciones meteorológicas, reportes de campo e imágenes de satélite. La herramienta fue desarrollada por el censo Great Elephant de Paul G. Allen, otro colaborador de AI for Earth, que está migrando los datos de DAS System y los suyos propios a la nube de Azure. Con esta herramienta buscan facilitar a los encargados de los parques naturales un panel de control en tiempo real que pueda proporcionar información y ayude a decidir cómo actuar ante actividades ilegales o amenazas a la fauna salvaje.

En algunas áreas, DAS también activa una app de seguimiento de Save the Elephants, que alerta a los guardas de los parques cuando un animal ha disminuido su ritmo de desplazamiento o directamente ha dejado de moverse. La app advierte también cuando los animales se dirigen hacia asentamientos humanos, donde podrían asaltar los cultivos. En ese momento, los encargados del terreno o los propios agricultores tratan de poner a los animales a salvo. Desde Gabón hasta Mozambique y el Congo se han desplegado unos 463 dispositivos de rastreo, de los cuales 358 son para elefantes.

Microsoft también colabora con la Peace Parks Foundation, que lucha contra la caza furtiva de rinocerontes y otros animales de Sudáfrica, en la creación de un sistema de teledetección que analiza los riesgos de cazadores y da la voz de alarma. Y está ayudando a migrar a la nube de Azure SMART (Spatial Monitoring and Reporting Tool), una herramienta se utiliza en docenas de ecosistemas de conservación en toda África para mejorar la eficacia de las patrullas que protegen la fauna salvaje.

A través de la iniciativa AI for Earth, Microsoft también ha colaborado con los investigadores del USC Center for AI in Society (CAIS) y la Universidad de Carnegie Mellon, quienes han creado Protection Assitant for Wildlife Security (PAWS). Utilizan machine learning para crear patrones de ruta para las patrullas indicando los lugares donde se prevé caza furtiva. USC CASI también ha creado Systematic Poacher Detector, que detecta a los cazadores y a los animales en imágenes a través de drones nocturnos, recursos que son utilizados por organizaciones como Air Shepherd.

Incluso con los avances en la tecnología de collares de rastreo, sensores y recolección de imágenes, se necesita mucho trabajo adicional para convertir esos datos en conocimientos científicos o información útil, comenta Wall.

“Creo que solo hemos arañado la superficie de nuestras posibilidades” dice Wall “Estamos muy emocionados porque la vasta experiencia de Microsoft y de AI for Earth nos facilitan herramientas con las que los biólogos de campo no suelen contar. El machine learning podría aplicarse a otras áreas como el reconocimiento individual de los elefantes, la detección de cambios en sus patrones de movimiento o averiguar qué cambios están ocurriendo en el paisaje por la deforestación” añade Wall.

© WWF Tom Stahl

Wall ha estado colaborando con Dan Morris, un investigador de Microsoft que trabaja en AI for Earth, en una docena de proyectos. Algunos examinan cómo utilizar machine learning para identificar y explicar patrones de movimiento – por ejemplo, cuándo corren los elefantes en una línea inusualmente recta – que puede ser provocado por la caza furtiva u otras amenazas.

Morris también ha estado trabajando para aplicar los algoritmos de machine learning a cámaras trampa, que son situadas en el terreno y se activan con el movimiento, fotografiando cualquier cosa que se cruce en su trayectoria. Pero encontrar un animal de interés en estas imágenes puede ser como buscar una aguja en un pajar.

“A veces nadie tiene tiempo para estudiar estas imágenes y acaban en la mesa de un estudiante de postgrado de cualquier parte” se lamenta Morris. “El potencial del machine learning pasa por acelerar este proceso. En este momento hay un gran trabajo realizado por científicos informáticos en este espacio, y supongo que estamos a menos de un año de disponer de una herramienta que los biólogos puedan utilizar.”

Wall y Morris también están empezando a trabajar con herramientas de Inteligencia Artificial para distinguir a los elefantes de otros animales como los búfalos o las jirafas en fotografías tomadas desde el aire. El conocer cuándo y dónde los elefantes entran en contacto con otros animales – particularmente con el ganado – puede ayudar a los guardas a minimizar los conflictos con los humanos y a los científicos a entender mejor las transmisiones de enfermedades.

“La Inteligencia Artificial es la pieza clave”

© Jane Wynyard

La protección de los elefantes no solo pasa por detener a los cazadores furtivos. Acabar con el mercado global que comercializa sus colmillos es igual de importante.

Microsoft y otras compañías tecnológicas se han unido a la Coalición Internacional para acabar con el tráfico online de animales salvajes, organizado por World Wildlife Fund (WWF), sus socios TRAFFIC y la Fundación Internacional por el Bienestar Animal. Después de observar que el tráfico de animales salvajes, como el marfil de elefante, pieles o directamente animales vivos se había trasladado en gran medida de los mercados físicos a Internet, convocaron a empresas del mundo online para combinar sus fuerzas para detenerlo. Además de alinearse para acabar con el comercio ilegal de marfil, la coalición busca transacciones delictivas como la venta de cachorros de tigre como mascotas, el comercio de escamas de pangolín o los corales.

“Antes los cibercriminales podían operar en Internet a sus anchas porque realmente no estaban corriendo muchos riesgos” asegura Giavanna Grein, Wildlife Crime Program Officer de WWF. “Pero ahora hemos creado medidas disuasorias y contundentes en todas las plataformas. Cada vez que un criminal se crea una cuenta y publica un post para vender estos productos, se le bloquea automáticamente.”

Desde entonces, la coalición ha trabajado con motores de búsqueda como Bing, páginas de comercio electrónico y redes sociales para adoptar políticas estrictas sobre qué productos están prohibidos en sus plataformas. WWF también proporciona formación para ayudar a estas compañías a reconocer y cerrar anuncios y cuentas de clientes que trafican con animales salvajes.

Esto implica una mezcla de trabajo de investigación humana con algoritmos que buscan palabras clave asociadas con el tráfico de animales. En septiembre, el equipo de Microsoft de AI for Earth organizará un taller enfocado en la Inteligencia Artificial para empresas de tecnología y académicos que trabajan detectando el comercio ilegal de animales. El objetivo es desarrollar las tecnologías que identifiquen y erradiquen los posts que comercializan con especies en peligro antes de que nadie tenga la oportunidad de verlos y comprarlos.

“La inteligencia artificial es la pieza clave para acabar con el tráfico ilegal de animales de Internet. Aunque no es la única solución necesaria, automatizar la revisión de estos posts pondrá las cosas más difíciles a los cibercriminales que comercializan animales salvajes” afirma Greyn.

Posts relacionados:

AI for Earth

The power of machine learning to change — and maybe even save — the world

Microsoft enables South African NPOs to drive greater impact through digital transformation

Species around the world are in trouble, but we can help

*La foto principal de este artículo pertenece a: WWF Bea Binka

Tags: , , ,

Posts relacionados