Los pingüinos habitan una de las regiones más apartadas del planeta y, aun así, la actividad humana amenaza su existencia. Las temperaturas más cálidas asociadas con el cambio climático derriten el hielo antártico más rápido que nunca, lo que erosiona los suelos donde viven, se alimentan y reproducen los pingüinos, mientras que la sobrepesca comercial e incidentes como los derrames de petróleo agotan su suministro de alimentos. Un estudio del Fondo Mundial para la Naturaleza (WWF, por sus siglas en inglés) de 2008, reveló que si las temperaturas globales promedio se incrementan sólo 2°C – una posibilidad distinta en los próximos 40 años – alrededor del 50 por ciento de los pingüinos emperador y 75 por ciento de los pingüinos de Adelia podrían desaparecer. Los esfuerzos de conservación para los pingüinos son más fáciles de decir que de hacer. Su aislada existencia en la región antártica significa que hay pocos datos disponibles, y las misiones tripuladas son difíciles, en especial durante los duros inviernos. Para resolver el desafío de los datos, proyectos como Penguin Watch de Oxford University han establecido cámaras de lapso de tiempo para monitorear las colonias de pingüinos y tomar una foto cada hora durante varios años. Pero este tesoro de fotos crea un problema por sí mismo – cada cámara genera cientos de fotografías, lo que hace imposible contar a los pingüinos en cada foto de manera manual. Los investigadores requieren una manera mejor y más rápida, o se les podría acabar el tiempo. ¿La inteligencia artificial (IA) puede ayudar? [caption id="attachment_111762" align="alignright" width="200"]

Ganes Kesari, cofundador de Gramener[/caption] Presentamos a Gramener, una compañía de consultoría en ciencia de los datos. Gramener se especializa en resolver desafíos organizacionales al crear modelos basados en IA y aprendizaje automático para grandes empresas, y en convertir esta información de valor en historias de datos de fácil consumo. El problema de conteo de pingüinos inspiró al equipo de AI Labs en Gramener, liderado por Ganes Kesari y el científico de datos Soumya Ranjan Mohanty, quienes son apasionados de utilizar la tecnología para el bien social. En asociación con Microsoft, comenzaron a atacar el problema desde múltiples aspectos. Pero primero, tenían que entrenar al modelo para que identifique cómo se ve un pingüino desde diferentes ángulos y perspectivas, incluso antes de que el modelo pudiera intentar contarlos. Por fortuna para ellos, había suficientes datos etiquetados colaborativos del proyecto Penguin Watch que les dio un comienzo para entrenar al modelo para identificar un pingüino. Una vez que el modelo pudo identificar a los pingüinos, el siguiente desafío era enseñarle a contarlos de manera precisa. “Enfrentamos múltiples desafíos. Casi 70 por ciento de las imágenes no se podían utilizar, ya fuera que la luz no era buena o había neblina, los pingüinos no eran visibles. Luego estaba el problema de que los pingüinos se superponen entre ellos y los pingüinos más cercanos a la cámara parecían más grandes comparados a aquellos que estaban más lejos. Esto es fácil de percibir para el ojo humano pero difíciles de percibir para un algoritmo”, explicó Mohanty. [caption id="attachment_111759" align="aligncenter" width="1915"] Conteo de pingüinos

Cómo el modelo impulsado por IA y desarrollado por Gramener cuenta pingüinos en imágenes[/caption] A través de trabajar con la plataforma de Microsoft Azure, Mohanty y sus colegas utilizaron un modelo de Red Neural Convolucional para crear una solución que pudiera identificar y contar pingüinos con un alto grado de precisión. De manera potencial, el modelo puede ayudar a los investigadores a acelerar sus estudios alrededor del estatus de las poblaciones de los pingüinos. El equipo ahora trabaja en la clasificación, identificación y conteo de otras especies a través de técnicas similares de aprendizaje profundo. Construir IA para salvar al planeta Gramener, socio de largo tiempo de Microsoft ubicado en Hyderabad en India, no es nuevo en el aprovechamiento de la IA para el bien social con Microsoft Azure. Fue uno de los primeros socios del programa AI for Earth de Microsoft, anunciado en 2017. “Creo que la IA puede ayudar a hacer del mundo un mejor lugar al acelerar la conservación de la biodiversidad y ayudar a resolver los más grandes desafíos ambientales que enfrentamos hoy. Cuando nos enteramos del programa AI for Earth de Microsoft hace dos años, buscamos a Microsoft pues queríamos encontrar maneras de asociarnos y ayudar con nuestra experiencia”, comentó Kesari. Mientras el programa estaba todavía en su infancia, los equipos de Gramener y Microsoft trabajaron en conjunto para crear proyectos rápidos que mostraran lo que es posible hacer con IA e inspirar a aquellos que están el campo. Comenzaron con una prueba de concepto para identificar especies de flora y fauna en una fotografía. “Trabajamos más como una rama de experimentación con el equipo liderado por Lucas Joppa (director ambiental de Microsoft, y fundador de AI for Earth). Construimos un modelo, con los datos disponibles de iNaturalist, que pudiera clasificar miles de diferentes especies con 80 por ciento de precisión”, reveló Kesari. Otra prueba de concepto giraba en torno de trampas de cámara que eran utilizadas para estudios de biodiversidad en bosques. Las trampas de cámara toman múltiples imágenes cuando detectan movimiento, lo que lleva a una gran cantidad de fotos que tienen que ser escaneadas de manera manual. [caption id="attachment_111763" align="alignleft" width="217"]

Soumya Ranjan Mohanty, líder científico de datos, Gramener[/caption] “La mayoría de las fotos de trampas de cámara están vacías pues no tienen un animal a cuadro. Incluso en los cuadros que sí hay, a menudo el animal está muy cerca para ser identificado o la foto está borrosa”, comentó Mohanty, quien también lidera la asociación con AI for Earth para Gramener. Al equipo se le ocurrió una solución de dos pasos que primero elimina imágenes que no se pueden utilizar y luego utiliza un modelo de aprendizaje profundo para clasificar imágenes que tienen a un animal en ellas. Esta solución también fue convertida por el equipo de Microsoft en lo que es ahora la API Camera Trap que los beneficiarios de AI for Earth o cualquiera pueden utilizar con libertad. “La IA es crítica para la conservación porque nosotros no tenemos tiempo para esperar que las personas anoten millones de imágenes antes de podamos responder preguntas sobre la población de la vida silvestre. Por la misma razón, necesitamos crear de manera rápida, prototipos de aplicaciones IA, y ha sido fantástico tener a bordo a Gramener como nuestro ‘equipo de desarrollo avanzado’”, comentó Dan Morris, científico principal y director de programa para AI for Earth. En anticipación a las necesidades de los beneficiarios, Gramener y Microsoft también trabajaron para crear otras API, como Land Cover Mapping que aprovecha el aprendizaje automático para brindar información en alta resolución de la cobertura terrestre. Estas API ahora son parte de los recursos técnicos públicos disponibles para los beneficiarios de AI for Earth o para cualquier persona para que las usen y aceleren sus proyectos sin tener que construir por su cuenta el modelo base. [caption id="attachment_111764" align="aligncenter" width="1024"]

La solución de trampa de cámara de Gramener en acción[/caption] Ayudar a las organizaciones de conservación de la biodiversidad con IA Junto con la rápida experimentación y la ayuda para crear las API, Gramener ahora también trabaja con organizaciones que buscan soluciones para sus proyectos existentes de conservación de la biodiversidad. “Nuestra colaboración con el equipo de AI for Earth de Microsoft ha evolucionado con los años y nos inspira para ejecutar la visión de Lucas de hacer un bien social con IA”, comentó Kesari. “Cuando las organizaciones se acercaron a Microsoft para que les ayudara con sus proyectos de conservación, nos involucramos a través de llevar nuestra experiencia sobre la plataforma de Microsoft para la creación de soluciones personalizadas para sus necesidades específicas”. Trabajaron con Nisqually River Foundation en Estados Unidos para ayudar a identificar especies de pez en el río. La solución analiza material en video de una cámara submarina que se activa cuando un pez pasa por los sensores infrarrojos instalados en una escalera de peces en una presa e identifica la presencia del salmón. La solución, que utiliza VM (máquinas virtuales) de Azure Data Science, Microsoft Visual Object Tagging Tool (VoTT), y Microsoft Cognitive Toolkit (CNTK), tiene el potencial de convertir en 20 horas, una tarea que tomaba en ocasiones más de 100 a los investigadores.

¿Puede la IA salvar a los pingüinos?

Ciberseguridad: Cómo proteger las joyas de la corona con un enfoque de Cero Confianza

Una visión personal: Cómo la tecnología facilita la vida para las personas con discapacidad

El cambio digital de KPMG impulsa las auditorías potencias por IA y más, para reducir el riesgo a través de cada industria

La IA reduce barreras para que las personas con discapacidad ingresen a la fuerza laboral: Hector Minto

Una joven mujer lidera a los refugiados hacia la independencia – y muestra cuánto puede ayudar la tecnología en ello

“Redefinimos el significado de belleza para ayudar a las niñas a crecer cómodas con su piel”

Gears 5 establece un estándar muy alto para la accesibilidad con funciones que permiten que más personas lo jueguen

Accesibilidad: Democratizar el acceso a información, tecnología, empleo y a la sociedad misma

¡Bonjour! ¡Bienvenidos! Seeing AI se expande a cinco idiomas más

Nueva investigación revela una sorprendente relación entre el lugar de trabajo y el éxito del negocio

“¿Dónde está mi paquete?” Aliviar los dolores por los retrasos de los mensajeros