¿El sonido podría ayudar a salvar a una cada vez más escasa población de elefantes? Los científicos que utilizan IA creen que sí
Jennifer Langston
News Center Corp
En lo más profundo de la selva tropical de la esquina norte de República del Congo, unos de los sonidos animales de monitoreo más sofisticados del mundo se llevan a cabo. Los sensores acústicos recolectan grandes cantidades de datos en cada momento para el Proyecto Elephant Listening.
Estos sensores capturan el paisaje sonoro en el Parque Nacional Noubalé-Ndoki y las áreas adyacentes de las áreas de explotación forestal: chimpancés, gorilas, bisonte de bosque, loro gris africano en peligro, frutas que golpean el suelo, insectos que chupan la sangre, sierras eléctricas, motores, voces humanas, disparos. Pero los investigadores y los administradores locales de tierra que los colocaron ahí escuchan un sonido en particular, las llamadas de los elusivos elefantes del bosque.
Los elefantes del bosque se encuentran en un marcado declive; científicos estiman que es probable que dos tercios de la población de África se haya perdido debido al comercio ilegal de marfil en las décadas recientes. Los elefantes de la sabana Africana también han descendido en un 30 por ciento en un período reciente de siete años, en principio debido a la caza furtiva, de acuerdo a los resultados presentados en 2016 en el Great Elephant Census de Paul G. Allen.
Pero aquellos que trabajan para salvar a estas especies, que son críticas para mantener el balance de los ecosistemas y que también atraen a turistas de la vida salvaje, cuentan con una herramienta nueva y poderosa a su disposición: la inteligencia artificial.
Conservation Metrics, un beneficiario de Microsoft AI for Earth, basado en Santa Cruz, California, utiliza aprendizaje automático para monitorear la vida salvaje y evaluar los esfuerzos de conservación. Esta organización plica sus sofisticados algoritmos para ayudar al Proyecto Elephant Listening, basado en el Laboratorio de Ornitología de la Universidad de Cornell, a distinguir entre llamados de elefantes forestales y otros sonidos, en un ruidoso ambiente de selva tropical. Es el trabajo perfecto para la IA: buscar esos raros patrones en terabytes de datos que podrían tomar años a los seres humanos.
Los investigadores que utilizan los datos de llamada de los elefantes para construir estimados de población más frecuentes y precisos, rastrear sus movimientos, brindar una mejor seguridad e identificar de manera potencial a animales individuales, que no pueden ser vistos de manera sencilla desde el aire.
Esta es una de las muchas maneras en las que los biólogos, grupos conservacionistas y científicos de datos de Microsoft utilizan la inteligencia artificial para prevenir la matanza ilegal de elefantes a través de África, detener el intercambio global de sus partes y preservar un hábitat crítico. Los esfuerzos incluyen utilizar aprendizaje automático para detectar patrones de movimiento en tiempo real que pudieran alertar a los guardas acerca de la caza furtiva y bloquear anuncios en línea que busquen vender marfil ilegal o partes de elefantes.
Los científicos que forman parte del Proyecto Elephant Listening estiman que la población de elefantes del bosque de África ha descendido de alrededor de 100 mil animales en 2011 a menos de 40 mil en la actualidad. Pero aquellos números están basados en su mayoría en evidencia indirecta: confiscaciones de marfil, señales de caza furtiva y encuestas intensivas que son muy caras para poder realizarse de manera regular.
El Proyecto Elephant Listening ha pasado más de tres décadas en investigar cómo los elefantes utilizan sonidos profundos de baja frecuencia para comunicarse entre ellos. De manera reciente, esos científicos comenzaron a utilizar sensores acústicos en sitios de investigación para construir estimados de población y, al final, rastrear y proteger a los elefantes del bosque a través de sus rangos en África Central y Occidental.
Si por ejemplo los científicos encuentran que en épocas específicas del año los elefantes utilizan claros en una concesión no protegida de explotación forestal para acceder a minerales que son escasos o para encontrar parejas, los científicos pueden trabajar con los leñadores para que agenden su trabajo y se pueda minimizar el disturbio y reducir conflictos.
Pero se ha presentado un cuello de botella en obtener los datos de los bosques africanos remotos y analizar la información de manera rápida, comenta Peter Wrege, asociado de investigación en Cornell que dirige el Proyecto Elephant Listening.
“Ahora, cuando regresamos del campo con nuestros datos, los administradores de esas áreas protegidas nos hacen preguntas de inmediato, ‘¿Qué encontraron? ¿Hay menos elefantes? ¿Hay alguna crisis que debamos enfrentar de inmediato?’ Y en ocasiones me toma meses y meses antes de poder darles una respuesta”, comentó Wrege.
Conservation Metrics comenzó a colaborar con el Proyecto Elephant Listening en 2017 para ayudar a impulsar esa eficiencia. Sus algoritmos de aprendizaje automático han sido capaces de identificar los llamados de los elefantes de manera más precisa y con suerte, comenzar a abreviar la necesidad de revisión humana. Pero el volumen de datos proveniente de los monitores acústicos agota los servidores locales y la capacidad de cómputo de la compañía.
El programa AI for Earth de Microsoft ha otorgado una subvención de dos años a Conservation Metrics para construir un flujo de trabajo basado en la nube sobre Microsoft Azure para analizar y procesar las mediciones de la vida salvaje. También ha donado recursos computacionales de Azure al Proyecto Elephant Listening para dar soporte a sus costos de procesamiento de datos para el proyecto. El poder computacional de Azure acelerará de manera dramática el tiempo de procesamiento, comentó Matthew McKown, CEO de Conservation Metrics. La plataforma también ofrece nuevas oportunidades para que los clientes carguen e interactúen con sus datos de manera directa.
A las computadoras toma alrededor de tres semanas procesar unos cuantos meses de datos de su estudio a escala de paisaje, mencionó McKown. Una vez que se complete la migración a Azure a finales de 2018, esa misma labor podría tomar un solo día.
“Es una gran mejora. Estamos en verdad interesados en acelerar ese circuito entre tener equipo que monitorea cosas en el campo y pasar por ese mágico proceso de convertir esas señales en información que puedes enviar al campo donde alguien pueda realizar una acción”, comentó McKown. “Ahora, ese proceso puede tomar mucho tiempo”.
‘Sólo hemos rascado la superficie’
A través del continente al este de África, Jake Wall, científico de investigación con Save the Elephants, que colabora con el Proyecto Mara Elephant y otros grupos conservacionistas, por lo general tiene acceso más inmediato a los datos referentes los elefantes de la sabana que él estudia en Kenia y otros siete países. Esto es debido a que los animales en esas poblaciones han sido dotados con collares de rastreo por GPS que transmiten datos de ubicación a través de satélites y redes celulares.
Esa información es cargada al Domain Awareness System (DAS), una plataforma de visualización y análisis de datos en tiempo real que es utilizada en la actualidad en áreas protegidas de todo África. En la actualidad, integra datos de alrededor 15 diferentes fuentes, entre las que se incluyen vehículos y radios de los guardas, rastreadores de animales, trampas de cámara, drones, monitores de clima, reportes de campo, ubicaciones de trampas e imágenes de satélite. La herramienta fue desarrollada por el Great Elephant Census de Paul G. Allen, otro socio de AI for Earth que ha comenzado a mover el sistema DAS y sus datos hacia la nube de Azure, para brindar a los administradores un tablero en tiempo real que les pueda informar acerca de decisiones tácticas de prohibición contra sospechas de actividad ilegal o amenazas aparentes a vida salvaje en peligro.
En algunas áreas, el DAS también brinda poder a la aplicación de rastreo Save the Elephants que puede alertar a los guardas a través de un email o un mensaje de texto cuando un animal ha disminuido o detenido su movimiento. La aplicación también puede advertir cuando los animales se dirigen hacia asentamientos humanos en los que podrían saquear los cultivos de los agricultores. Los administradores de las reservas o el agricultor pueden entonces ayudar a redirigir a los animales hacia un lugar seguro. De Gabón a Mozambique al Congo, se han desplegado alrededor de 463 dispositivos para rastreo animal, de los cuales 358 están en elefantes.
En otros proyectos, Microsoft ha trabajado con la Fundación Peace Parks, que combate la caza furtiva de rinocerontes y otras vidas salvajes en Sudáfrica, para crear sistemas remotos de detección para evaluar y descubrir riesgos de caza furtiva. Microsoft, a través de la subvención NetHope Azure Showcase, también ayuda a mover el SMART (Spatial Monitoring and Reporting Tool) Connect de código abierto, a la nube de Azure. Es utilizado en docenas de sitios de conservación a través de África para mejorar la efectividad de las patrullas de la vida salvaje.
AI for Earth también ha brindado subvenciones a investigadores en el USC Center for AI in Society (CAIS) y la Universidad Carnegie Mellon, que han creado y continuado con las mejoras a Protection Assistant for Wildlife Security (PAWS), que utiliza aprendizaje automático para crear rutas de patrullaje basadas en donde es más factible que ocurran actividades de caza furtiva. USC CASI también ha creado y continua con las mejoras al Systematic Poacher Detector, el cual detecta a cazadores furtivos y a vida salvaje durante la noche a través de imágenes de drones, y que ahora es utilizado por organizaciones entre las que se encuentra Air Shepherd.
Incluso con los avances en tecnología de radio en collares, sensores y colecciones de imágenes, se requiere una gran cantidad de trabajo para convertir los datos en información científica de valor o en inteligencia accionable, comentó Wall.
“Creo que sólo hemos rascado la superficie de lo que es posible”, comentó Wall. “Estamos en verdad emocionados porque la experiencia que Microsoft y AI for Earth pueden traer a la mesa incluye conjuntos de habilidades que los biólogos de campo por lo general no tienen”.
“El aprendizaje automático podría ser aplicado a siete u ocho cosas inmediatas sobre las que me encantaría conocer más, ya sea reconocer a elefantes de manera individual o información sobre cambios en comportamiento de movimientos o descubrir qué sucede a nivel de paisaje con la expansión y deforestación humanas”, mencionó Wall.
Wall ha colaborado con Dan Morris, investigador de Microsoft que trabaja con AI for Earth, en una media docena de ideas de proyecto. Uno de ellos examina cómo utilizar aprendizaje automático para identificar comportamientos poco usuales, como cuando los elefantes corren veloces y en una línea recta poco usual, que pueden ser indicativos de caza furtiva u otras amenazas.
Morris también ha trabajado para aplicar algoritmos de aprendizaje automático en trampas de cámara, que son cámaras de campo remotas que son activadas por el movimiento y fotografían cualquier cosa que cruce su camino. Pero encontrar un animal de interés puede ser como buscar una aguja en un pajar.
“En ocasiones nadie tiene el tiempo de buscar a través de esas imágenes y estas terminan en algún lugar del estante de un estudiante de posgrado”, comentó Morris. “El potencial de aprendizaje automático para acelerar de manera importante ese progreso es muy alto. Justo ahora existe un sólido trabajo que se realiza por científicos computaciones en este espacio, y podría aventurarme a decir que estamos a menos de un año de distancia de contar con una herramienta que los biólogos en verdad pudieran utilizar”.
Wall y Morris han comenzado a trabajar en utilizar la IA para distinguir entre los elefantes y otros animales como los búfalos o las jirafas en fotografías aéreas. Saber cuándo y dónde los elefantes entrarán en contacto con otra vida salvaje (y en particular con animales domesticados como el ganado), puede ayudar a los guardas a minimizar conflictos con seres humanos y ayudará a los científicos a entender mejor vectores de enfermedades.
Esta información de valor también puede informar las decisiones de gestión de tierras, como dónde presionar para gestionar áreas protegidas y dónde ubicar infraestructura humana como caminos y tuberías. Esta es una de las amenazas más significativas y menos entendidas a la supervivencia de los elefantes, mencionó Wall. Con acceso a los datos correctos de imágenes, las herramientas de IA podrían ayudar a comenzar a mantener el control de, y dirigir información de valor útil a, la invasión a sus hábitats por parte del ser humano.
“Siempre estamos enfocados en la caza furtiva y estos graves problemas, pero en realidad son la expansión de los asentamientos humanos y los avances en caminos y vías férreas y tuberías los que van a afectar el avance de las poblaciones de elefantes africanos”, mencionó Wall.
‘La pieza clave es la IA’
Salvar a los elefantes no sólo se trata de detener las actividades de los cazadores furtivos. También es igual de importante interrumpir el mercado global que los recompensa de manera económica por esta actividad.
Microsoft y otras empresas tecnológicas se han unido a la Coalición Global para Terminar con el Tráfico En Línea de la Vida Salvaje, organizado por World Wildlife Fund (WWF) y en asociación con TRAFFIC y el Fondo Internacional por el Bienestar Animal. Después de observar que traficar partes de animales salvajes como el marfil de los elefantes, piel animal y mascotas vivas se movió de mercados físicos a la internet, se ha convocado a compañías del paisaje en línea a que combinen fuerzas para detenerlo.
Además de detectar el intercambio ilegal de productos relacionados con los elefantes, los socios en coalición buscan encontrar transacciones criminales como la venta de cachorros de tigre y el comercio de escamas de pangolín y de coral ilegal.
“Antes, los criminales cibernéticos eran capaces de operar con bastante libertad en internet porque no había mucho riesgo”, comentó Giavanna Grein, jefa de programa sobre el crimen de la vida salvaje en WWF. “Pero ahora hemos creado disuasorios y consistencia a través de todas las diferentes plataformas, si cada vez que un criminal crea una nueva cuenta y publica algo, esta publicación se baja de inmediato, lo cual será muy frustrante para ese criminal”.
Desde entonces, la coalición ha trabajado con motores de búsqueda como Bing, sitios de comercio electrónico y compañías de redes sociales para adoptar políticas fuertes y consistentes acerca de qué productos están prohibidos en sus plataformas. WWF también brinda entrenamiento para ayudar a las compañías a reconocer y clausurar anuncios y cuentas de clientes que trafiquen con vida salvaje ilegal.
Esto involucra una mezcla de labor investigativa humana y algoritmos que busquen palabras clave asociadas con el tráfico de vida salvaje. En septiembre de 2018, AI for Earth de Microsoft realizará un taller enfocado en IA para empresas tecnológicas y académicos que trabajan en mejorar la automatización para detectar vida salvaje ilegal y sus productos en línea. La meta es realizar progresos en las tecnologías para identificar y erradicar publicaciones de especies en peligro antes de que cualquiera tenga oportunidad de verlos y adquirirlas.
“La IA es en verdad el componente clave para combatir el tráfico en línea de vida salvaje. Aunque no es la única solución que se necesita, automatizar la revisión de publicaciones que contienen a vida salvaje ilegal y productos relacionados con ella, podría incrementar de manera importante la barrera de entrada a los cibercriminales de la vida salvaje”, finalizó Grein.
Ligas relacionadas:
AI for Earth (inglés)
El poder del aprendizaje automático para cambiar, y tal vez salvar, al mundo (inglés)
Especies de todo el mundo están en problemas, pero podemos ayudar (inglés)
Foto principal: Elefantes hembras del bosque en Dzanga Bai, un claro de bosque en la República Central Africana conocido como la “Villa de los Elefantes”, donde los animales llegan a encontrar minerales y a socializar. Foto por Andrea Turkalo/Proyecto Elephant Listening.
