Michelle Lancaster, directora de Comunicación, Sostenibilidad Ambiental y AI for Earth en Microsoft.
La vida de Jason Holmberg cambió hace más de diez años cuando miró fijamente a un tiburón en África. Una reacción muy común en este tipo de situaciones, aunque en esta ocasión fue el motivo que despertó el interés que le llevó a investigar el desarrollo de nuevos enfoques para la preservación de la vida animal con ayuda de la Inteligencia Artificial.
«En 2002, frente a las costas de Djibouti, fui a bucear y vi mi primer tiburón ballena. Me pareció increíble y me encantó la especie«, comentó Holmberg, director de Ingeniería de Wild Me y responsable de Arquitectura de la Información de Wildbook. Al unirse a una expedición científica a finales de ese año, Holmberg se enteró de que se lanzarían etiquetas de plástico sobre los tiburones ballena para rastrear sus movimientos y obtener un recuento más preciso de la población, comprendiendo así mejor su lugar en el ecosistema marino. Sin embargo, las marcas rara vez se volvieron a ver -menos del uno por ciento de las ocasiones-, lo que significa que este método de identificación animal no fue muy eficaz.
Holmberg creía que la tasa de identificación podría mejorarse a través de una vía diferente. Concretamente, consideraba que podía lograrse mediante el desarrollo de un algoritmo de visión por ordenador que reconociese el patrón único de manchas de cada tiburón. Pero luego se encontró con una dificultad inesperada para poder compartir esta herramienta con investigadores de todo el mundo: «Obviamente necesitábamos una plataforma basada en la web para que todo el mundo pudiera acceder a ella a través de su navegador. En ese momento no existía tal plataforma, ni había nada que se le acercara, por lo que tuve que idearla desde cero«.
Esto fue lo que empujó la formación de Wild Me, una organización sin ánimo de lucro que ha desarrollado una plataforma de gestión de datos y un marco para la investigación y conservación de la fauna llamado Wildbook.
Microsoft ha nombrado a Wild Me como uno de sus proyectos más recientes dentro de AI for Earth para proporcionar nuevos recursos y apoyo con el objetivo de ampliar y acelerar este trabajo científico de conservación. A través de esta colaboración, las organizaciones ven un futuro en el que la conservación estará mejor sustentada por datos, lo que proporcionará más información sobre los animales y mejores resultados para las poblaciones de especies de todo el mundo.
Superar los desafíos para evitar la extinción de especies
Varios análisis independientes demuestran que las especies se están extinguiendo a un ritmo sin precedentes en todo el mundo. En marzo de 2018, la Plataforma Intergubernamental sobre Biodiversidad y Servicios de los Ecosistemas (IPBES) publicó un conjunto de informes en los que se llegaba a la conclusión de que las especies animales y vegetales están gravemente amenazadas en casi todas las regiones del mundo.
Esto es sólo un resumen de lo que sabemos, que en realidad es muy poco. Los científicos han observado y descrito sólo 1,5 millones de especies de los 10 millones estimados en la Tierra. Y no estamos en condiciones de reducir esta brecha a corto plazo. Para avanzar en estos retos, los investigadores necesitan recolectar, procesar y analizar más datos sobre las especies de una manera más eficiente que nunca, de forma que puedan diseñar estrategias y lograr el apoyo de la sociedad. Sin embargo, muchos equipos de investigación carecen de las herramientas y los recursos necesarios para recopilar esos datos y trabajar juntos a gran escala.
“La conservación de la fauna necesita desesperadamente una transformación digital, incluso podríamos decir que está ansiosa de ella«, explicó Holmberg. «Estamos en un punto en el que necesitamos pasar del mundo de los pequeños conjuntos de datos privados a los grandes conjuntos de datos colaborativos. Y para comprender esto, un equipo de investigación individual en el laboratorio no puede ser escalado de forma adecuada. Necesitamos añadir el machine learning, la visión por ordenador, observar conjuntos de datos más grandes y automatizar el procesamiento de la información”.
Seguimiento de animales a través de la identificación basada en imágenes
Ahí es donde entran en juego Wild Me y el proyecto Wildbook. Wildbook combina una amplia diversidad de funciones y disciplinas en una plataforma común basada en la nube. Las herramientas que proporcionan los servicios cloud para la recolección de datos, almacenamiento, análisis y colaboración, ayudan a los investigadores a trabajar a mayor escala. Wildbook está desarrollado en Wild Me por un equipo de ingenieros de software sin ánimo de lucro, que han incorporado las habilidades e investigaciones de un grupo de expertos colaboradores, entre los que se incluyen:
- Tanya Berger-Wolf, profesora de Ciencias de la Computación y directora del Laboratorio de Biología Poblacional Computacional de la Universidad de Illinois en Chicago, que ofrece su experiencia en Ciencias de la Computación, conocimiento de las Ciencias de la Información y liderazgo general del proyecto.
- Charles Stewart, profesor y jefe del Departamento de Ciencias de la Computación en el Instituto Politécnico Rensselaer (RPI) en Troy, Nueva York. Lidera el desarrollo de algoritmos de visión por ordenador.
- Daniel Rubenstein, profesor de Ecología y Biología Evolutiva en la Universidad de Princeton, que aporta su experiencia en el campo de la ecología e impulsa el desarrollo de casos de uso en el mundo real a través de la investigación in situ en Kenia.
Esta colaboración de expertos respaldados por ingenieros es fundamental para resolver los desafíos que plantea la conservación a la velocidad, precisión y escala necesarias, señaló Holmberg. «La comunidad de investigación sobre la fauna todavía está tratando con pequeños conjuntos de datos. Eso limita los análisis, las técnicas de investigación y las técnicas estadísticas que se pueden utilizar. Además, los animales no se preocupan por el alcance de un proyecto de investigación o las fronteras geográficas, sino que se mueven con libertad a través de los diferentes territorios, los océanos y los conjuntos de datos”.
¿Cómo se podría abordar este desafío? Utilizando multitud de datos en forma de imágenes
Gracias a la disponibilidad y al uso generalizado de las cámaras digitales, junto con las innovaciones en la tecnología de almacenamiento y el software de análisis automático de imágenes, existe una gran cantidad de instantáneas que constituye una fuente de datos muy económica. Esto, a su vez, puede ser utilizado para producir una base de datos que registre la identidad, ubicación, hora y fecha en la que los animales fueron fotografiados.
Con los algoritmos de visión por ordenador implementados por Wild Me -y a partir de la investigación original del Dr. Stewart y el Dr. Berger Wolf- los individuos de un número creciente de especies pueden ser identificados por sus patrones únicos de manchas, rayas u otras marcas y características físicas. La combinación de esto con datos geográficos, ambientales, de comportamiento y climáticos ayuda a responder a cuestiones ecológicas y de conservación, tales como el tamaño de las poblaciones, las interacciones de las especies y los patrones de movimiento.
Esto, hasta hace poco, dependía de la capacidad una persona para clasificar e identificar a cada animal en cada foto. Sin embargo, la potencia de la nube y la IA que aportan herramientas como Microsoft Azure aumenta rápidamente la precisión y la velocidad de esta clasificación. Las imágenes pueden ser analizadas automáticamente a través de algoritmos de machine learning, lo que reduce la tarea de identificación por foto, pasando de horas en el caso del proceso realizado por humanos a pocos segundos en el caso del uso de la nube. Esto libera a los investigadores para que se centren en la elaboración de estrategias de conservación, fundamentadas en bases de datos cada vez más amplias y precisas.
Ampliar la información con ayuda del cloud computing y la Inteligencia Artificial
Wild Me cuenta con un equipo de ingenieros especializados en software enfocados exclusivamente en el desarrollo de Wildbook para que los investigadores de campo no tengan que dedicar grandes recursos de presupuesto o tiempo para diseñar las herramientas con las que desempeñar su trabajo. Pero todavía es un equipo muy pequeño y la actividad requiere una plataforma más grande para escalar. Para ello, Wild Me recurrió a Microsoft y a su programa AI for Earth.
«Microsoft es el socio perfecto para nuestro trabajo», apuntó Holmberg. «Necesitamos escalabilidad, y Azure la tiene, y el hecho de que Microsoft esté invirtiendo tanto en Inteligencia Artificial es impresionante y muy necesario».
Como indicó Holmberg, Microsoft Azure ofrece la escalabilidad y la potencia de cálculo necesarias para ejecutar los servicios de Wildbook, y también proporciona Azure Marketplace, que permite ampliar el alcance y la disponibilidad de Wildbook.
«Wildbook democratiza la ciencia y la conservación. La colaboración con Microsoft nos permitirá extender la conservación a escala planetaria y con una alta precisión en el tiempo, el espacio y con los animales a nivel individual», dijo el Dr. Berger-Wolf.
La madurez del trabajo científico y computacional, y el compromiso compartido para resolver desafíos a escala han hecho de Wild Me un socio natural para Microsoft. «El mundo se enfrenta a una importante crisis de biodiversidad y el trabajo de Wild Me en el aprovechamiento de la visión y el machine learning para supervisar y rastrear animales individuales es verdaderamente innovador», comentó Bonnie Lei, jefe de proyecto de IA for Earth de Microsoft. Como apuntó Lei, «Trabajando juntos podemos habilitar un uso más amplio de sus algoritmos de código abierto al hacer que estén disponibles en Microsoft Azure como API’s”.
La revolución en la investigación sobre la biodiversidad
De cara al futuro, Wild Me y Microsoft tienen planes conjuntos muy ambiciosos. Una de estas iniciativas, que aprovecha la escalabilidad de Microsoft Azure, es un agente inteligente, ya en producción en Wildbook, para Tiburones Ballena. Su cometido es revisar YouTube cada noche para localizar vídeos titulados o etiquetados como «tiburón ballena». Este agente utiliza machine learning para determinar si el vídeo tiene material relevante de un tiburón ballena; y Microsoft Translator, con procesamiento de lenguaje natural, para leer la descripción del vídeo y determinar cuándo y dónde fue visto el tiburón.
El agente también puede utilizar las mismas herramientas de traducción y lenguaje natural para solicitar automáticamente al autor del vídeo, en su propio idioma, información sobre cuándo y dónde se tomó el vídeo en caso de que no se pueda determinar a partir de la propia publicación. Esto marca un importante avance, ya que ahora Wildbook puede recopilar por sí mismo, y de forma proactiva, información científicamente útil de la web, en lugar de esperar a que alguien envíe los datos.
Wild Me también está construyendo un bot en Twitter llamado Tweet-A-Whale, que podría interactuar con las personas de los tours de avistamiento de ballenas. De ese modo, las personas podrán twittear fotografías de ballenas con una hora y un lugar para que el bot lo identifique automáticamente, aprovechando el potencial de la IA y el machine learning para reconocer de forma individual cada una de las ballenas que aparecen en las fotos.
Una cosa está clara: los investigadores de la fauna silvestre necesitan más tiempo, más recursos y una gran cantidad de innovación para abordar rápidamente la creciente crisis de la biodiversidad. La asociación entre Wild Me y Microsoft ofrece la oportunidad de lograr precisamente eso.
