Cómo la IA ayuda a rastrear especies en peligro

El po’o-uli hawaiano, una pequeña ave de la familia de los mieleros, fue descubierto en 1973. Menos de medio siglo después, desapareció del planeta.

Declarada extinta en 2018, es una de las casi 700 especies vertebradas que se han extinto en los últimos 500 años. De acuerdo con un reporte de las Naciones Unidas, enviado a inicios de 2019 a legisladores, un millón de especies están en riesgo de extinción: Las acciones humanas amenazan más plantas y animales que nunca. Aunque el número preciso de especies en el planeta es difícil de calcular, estimaciones recientes las ponen en alrededor de 8.7 millones.

La difícil situación del po’o-uli ilustra un problema clave para los conservacionistas: Es difícil rastrear y monitorear poblaciones de especies en peligro. A pesar de los esfuerzos para etiquetar y localizar a la población de los po’o-uli, los científicos no pudieron unir a parejas reproductoras.

Ahora, la tecnología ofrece esperanza a los científicos. Recolectar mejores datos y analizarlos de manera más efectiva con aprendizaje automático e IA, permite a los conservacionistas llevar a cabo intervenciones más específicas y oportunas.

A continuación, cinco maneras en las que Microsoft y los esfuerzos conservaciones se unen para ayudar a las especies en peligro.

[Suscríbanse a Microsoft on the Issues para más información sobre los temas que más importan.]

Identificar leones y jirafas

La tecnología de reconocimiento facial – y de patrones- permite a investigadores ubicar y rastrear animales individuales, para ayudar a los científicos a monitorear poblaciones y sus migraciones.

Sin embargo, sin las marcas distintivas de chetas y leopardos, es más difícil para los investigadores identificar leones individuales. Lion Identification Network of Collaborators utiliza técnicas de reconocimiento facial para monitorear niveles de población. La identificación involucre tomar una foto de alta calidad y hacer zoom en áreas como manchas de bigotes – algo en lo que una computadora es mucho más capaz que el ojo humano. Esta tecnología ayuda a reducir la dependencia de monitores GPS caros y difíciles de instalar, que además pueden tener una limitada vida de batería.

Una tecnología similar es utilizada por investigadores de la Universidad del Estado de Penn y el Wild Nature Institute para estudiar nacimientos, muertes y desplazamientos de más de 3 mil jirafas en el norte de Tanzania.

La pérdida del hábitat y la cacería ilegal para conseguir carne han significado que las poblaciones de jirafas han experimentado un declive importante en los años recientes. La tecnología de patrón de reconocimiento entrenada para identificar las marcas únicas en el torso de una jirafa ahora pueden procesar imágenes en minutos, una tarea que antes tomaba semanas a los conservacionistas.

Monitorear el impacto de los seres humanos en las poblaciones de osos pardos

Clayton Lamb, un investigador en la Universidad de Alberta, Canadá, utiliza herramientas de Microsoft Azure junto con IA para crear un análisis integral de los factores humanos y ambientales que limitan la densidad de los osos pardos en Columbia Británica.

Con la cada vez mayor expansión de las poblaciones humanas hacia áreas silvestres, el oso pardo se ve amenazado a medida que su hábitat se reduce. Estos omnívoros itinerantes son en particular sensibles a las perturbaciones humanas, y a nivel global ahora viven en un área que sólo abarca la mitad de su rango original.

Lamb utiliza muestras de ADN y collares GPS para rastrear osos individuales para entender mejor la conectividad entre poblaciones y sus hábitats a nivel granular. Al generar datos tan específicos, él puede mover su trabajo más allá de la ecología teórica de la población y sugiere pasos para reducir el impacto de los humanos en poblaciones silvestres.

Evaluar la salud de las ballenas y sus patrones de alimentación

En la Universidad de Duke en Carolina del Norte, los científicos utilizan robots marinos y modelos de aprendizaje automático de teledetección sobre Microsoft Azure para evaluar datos relacionados con el tamaño y salud de las ballenas.

A medida que los océanos se calientan, las reservas de krill – un alimento crítico para las ballenas – disminuyen, mientras que la pesca y la explotación comercial de los hábitats también ejercen presión sobre las poblaciones de ballenas.

Debido a las distancias que viajan las ballenas, monitorear sus movimientos a través de métodos tradicionales es caro y consume mucho tiempo. Las redes neurales han permitido a los científicos vincular múltiples sistemas, incluidos satélites, drones y vehículos autónomos submarinos, para pintar una imagen más completa de la migración y salud de estos increíbles animales.

Rastrear poblaciones de pingüinos

Monitorear las poblaciones de pingüinos en hábitats remotos es también una labor complicada. Por lo general, identificar colonias implica encontrar marcas difíciles de encontrar, como las manchas de guano en las piedras de un color muy similar.

La ecologista Heather J. Lynch, del Departamento de Ecología y Evolución, de la Universidad Stony Brook, acopla capacidades IA con modelado predictivo de la población para permitir un rastreo en tiempo real de los pingüinos antárticos.

Ella utiliza visión de cómputo para buscar manchas de guano en imágenes de satélite para alimentar y desarrollar los algoritmos de clasificación que generan los estimados de población de las colonias.

Proteger a los elefantes de los cazadores furtivos

Se estima que un elefante fue asesinado cada 15 minutos entre 2007 y 2014 – y que los cazadores furtivos han matado entre 25 mil y 35 mil cada año por su marfil.

Con enormes áreas por monitorear, defender a estos animales es un desafío. Los recursos pueden extenderse poco, la comunicación puede ser irregular y reunir datos que sea útiles puede ser difícil.

El proyecto Elephant Listening ayuda a proteger al amenazado elefante del bosque. Equipos en la Universidad de Cornell en Ítaca, Nueva York, con la ayuda de Conservation Metrics, ubicados en Santa Cruz, California, utilizan IA para identificar y analizar grabaciones de llamados de elefantes, para ayudar a crear un “diccionario de elefantes” al relacionar los ruidos con el comportamiento.

Un creciente entendimiento de la comunicación de los elefantes permite a los investigadores apreciar mejor el impacto de factores como la exploración de petróleo, la tala y la caza furtivas, así como permitirles coordinar los esfuerzos de conservación de manera más eficiente.

Para más información sobre cómo la IA puede ser utilizada para resolver los desafíos ambientales globales, visiten AI for Earth. Y sigan @MSFTIssues en Twitter.