La inteligencia artificial (IA) está demostrando ser una herramienta valiosa en la lucha contra la extinción de especies. Un estudio reciente de la Universidad Estatal de Oregón estima que más de 3,500 especies animales están en riesgo debido a la alteración de su hábitat, la sobreexplotación de recursos y el cambio climático. Ante esta alarmante situación, científicos como Justin Kay, estudiante de doctorado del MIT, están utilizando la IA para monitorear y proteger la vida silvestre vulnerable.
Visión Artificial para la Conservación
Kay, investigador del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT, trabaja en el desarrollo de algoritmos de visión artificial capaces de rastrear poblaciones animales. Actualmente, su investigación se centra en el seguimiento del salmón en el noroeste del Pacífico, una especie crucial para el equilibrio del ecosistema, ya que proporciona nutrientes a depredadores como aves y osos, además de controlar poblaciones de insectos.
CODA: Selección Inteligente de Modelos de IA
El gran volumen de datos recopilados sobre la vida silvestre presenta un desafío: ¿qué modelos de IA son los más adecuados para analizar toda esta información? Para abordar este problema, Kay y sus colegas de CSAIL y la Universidad de Massachusetts Amherst han desarrollado un nuevo enfoque llamado “selección activa de modelos basada en consenso” (CODA, por sus siglas en inglés). CODA ayuda a los conservacionistas a elegir el modelo de IA más eficiente para sus necesidades.
La clave de CODA reside en que, en lugar de entrenar un modelo desde cero, aprovecha los millones de modelos pre-entrenados disponibles públicamente, por ejemplo, en el repositorio de Hugging Face Models. CODA permite identificar el modelo más adecuado para un conjunto de datos específico, reduciendo significativamente el tiempo y el esfuerzo requeridos.
¿Cómo funciona CODA?
CODA se basa en la idea de que el consenso entre múltiples modelos de IA es más informativo que la predicción de un solo modelo. El sistema estima una “matriz de confusión” para cada modelo, que indica la probabilidad de que un modelo prediga correctamente o incorrectamente una clase específica. Esta información se utiliza para guiar el proceso de anotación de datos, permitiendo a los usuarios identificar los puntos de datos más informativos para etiquetar.
Por ejemplo, si un ecólogo está tratando de clasificar especies en miles de imágenes tomadas por cámaras trampa, CODA puede ayudarle a determinar qué modelo de clasificación de especies es el más adecuado para su conjunto de datos. Si el ecólogo ya ha etiquetado 50 imágenes de tigres, CODA puede evaluar qué modelo ha funcionado mejor con esas imágenes y, por lo tanto, es probable que funcione bien con el resto de las imágenes de tigres sin etiquetar.
Aplicaciones Futuras y el Beerylab
El equipo de Kay forma parte del Beerylab, dirigido por Sara Beery, donde se combinan las capacidades de reconocimiento de patrones de los algoritmos de aprendizaje automático con la tecnología de visión artificial para monitorear la vida silvestre. Otros proyectos en el laboratorio incluyen el monitoreo de arrecifes de coral con drones, la re-identificación de elefantes individuales a lo largo del tiempo y la fusión de datos de observación de la Tierra multi-modales de satélites y cámaras in situ.
El trabajo del Beerylab se centra en identificar los cuellos de botella en el análisis de datos de biodiversidad y desarrollar nuevos enfoques de visión artificial y aprendizaje automático que aborden estos problemas de manera generalizada. Esto incluye el desarrollo de algoritmos para contar salmones migratorios en vídeos de sonar submarinos y la creación de nuevos marcos de adaptación de dominio para mejorar el rendimiento de los algoritmos de visión artificial en entornos cambiantes.
El Futuro de la IA en la Conservación
La naturaleza está cambiando a un ritmo sin precedentes, y la capacidad de obtener respuestas rápidas y basadas en datos a preguntas científicas y de gestión es crucial para proteger los ecosistemas. Los avances en IA pueden desempeñar un papel importante en este esfuerzo, pero es fundamental diseñar, entrenar y evaluar los algoritmos teniendo en cuenta los desafíos del mundo real.
CODA representa un paso importante en esta dirección, al proporcionar una forma eficiente y efectiva de seleccionar los modelos de IA más adecuados para tareas de conservación. Con el continuo desarrollo de nuevas tecnologías y enfoques, la IA tiene el potencial de transformar la forma en que monitoreamos y protegemos nuestro planeta.
Leave a Comment