Los osos pardos parecen iguales para el ojo humano — Un programa de IA está ayudando a observar sus diferencias.
hace 1 mes
La mayoría de los osos pardos pueden parecer copias al carbón unos de otros, pero todos poseen pequeñas diferencias en apariencia y comportamiento. Aun así, distinguir a los osos individualmente puede ser un verdadero desafío que requiere un ojo entrenado y años de estrecha observación. Afortunadamente, la inteligencia artificial (IA) está facilitando enormemente la vigilancia de los osos.
Un nuevo estudio publicado en la revista Current Biology ha revelado un programa de IA que puede identificar osos pardos individuales en la naturaleza basándose en características faciales y poses distintivas. Este programa ya ha mostrado resultados prometedores en Alaska, donde los osos pardos son observados regularmente para comprender cómo se mueve y se comporta la especie, proporcionando datos cruciales para su conservación y la salud del ecosistema.
La Vigilancia del Oso Pardo en Alaska y su Rol Ecológico
Alaska es el hogar de aproximadamente 30.000 osos pardos, lo que representa más del 98 por ciento de la población de osos pardos de Estados Unidos. Los sitios de observación de osos en todo el estado son destinos populares desde julio hasta septiembre, el mejor momento para que los visitantes vean a los osos alimentarse y jugar. Esta afluencia no es solo por entretenimiento; ofrece a los científicos una oportunidad inigualable para vigilar a los osos individuales y monitorear la dinámica poblacional y la salud general del ecosistema.
Uno de estos sitios, el Santuario Estatal de Caza de McNeil River, alberga la mayor congregación estacional de osos pardos del mundo. Casi 150 osos se reúnen allí en verano, atraídos por las grandes cantidades de salmón chum que regresan al río McNeil para desovar. Este fenómeno no solo es visualmente impresionante, sino que es fundamental para la supervivencia de los osos, ya que la ingesta masiva de calorías durante el verano les permite acumular la grasa necesaria para la hibernación invernal. Comprender la salud de esta población es, por lo tanto, equivalente a comprender la salud de los sistemas fluviales y la biodiversidad circundante.
El Desafío de la Identificación Humana
Para los científicos que han dedicado sus carreras a estudiar a estos majestuosos animales, la identificación individual ha sido históricamente una tarea ardua y dependiente de la memoria y la experiencia. Los osos pardos no tienen marcas distintivas o patrones de pelaje fijos como, por ejemplo, los guepardos o las cebras.
Además, su apariencia cambia drásticamente con las estaciones. Un oso que emerge de la hibernación en primavera está en su momento más delgado, pero a finales del verano o principios del otoño, ha acumulado una capa sustancial de grasa, alterando significativamente su silueta, el tamaño de su cabeza en relación con su cuerpo, y la forma en que se mueve. Esta variabilidad temporal y estacional dificulta enormemente la creación de un catálogo fiable basado únicamente en la forma corporal, requiriendo que los investigadores confíen en características sutiles o recurran a métodos invasivos.
El Banquete del Salmón Chum y la Tensión del Ecosistema
La llegada del salmón chum es un evento definitorio para el ecosistema de Alaska. La capacidad de los osos para aprovechar esta fuente de alimento es un indicador directo no solo de su propia salud, sino también de la calidad del agua y la gestión de la pesca.
Los ríos de Alaska, no obstante, están sufriendo cambios significativos. Por ejemplo, se han documentado ríos de color naranja en Alaska que señalan una crisis de cambio de color, exponiendo a los peces a metales tóxicos. Estos cambios ambientales y la presión humana, aunque no siempre directa, afectan el suministro de alimentos vitales para los osos. Por ello, contar con una herramienta precisa y no invasiva para seguir a cada individuo y sus patrones de alimentación se convierte en una prioridad urgente para la gestión de la vida silvestre y la mitigación de los efectos del cambio climático en estos hábitats sensibles.
PoseSwin: Cómo la IA Aprende a Distinguir Caras de Oso
Ante la necesidad de un método de identificación más práctico y fiable, nació el nuevo modelo de inteligencia artificial: PoseSwin. Este sistema representa un avance significativo al centrarse en características faciales que son relativamente estables con el tiempo, en lugar de depender únicamente de la forma o el tamaño corporal, que varían drásticamente.
PoseSwin analiza específicamente: la forma del hocico, el ángulo del hueso de la ceja y la colocación de las orejas. Además, incluye información sobre la "pose" del oso, cubriendo vistas frontales, de perfil y anguladas. Esta inclusión de la pose es lo que hace que el modelo sea robusto, ya que compensa el hecho de que una fotografía tomada desde un ángulo diferente puede distorsionar las características faciales.
El autor del estudio, Alexander Mathis, profesor de la École Polytechnique Fédérale de Lausanne (Suiza), comentó en un comunicado: "Nuestra intuición biológica era que las características de la cabeza combinadas con la pose serían más fiables que la forma del cuerpo sola, que cambia drásticamente con el aumento de peso. Los datos nos dieron la razón: PoseSwin superó significativamente a los modelos que usaban imágenes corporales o que ignoraban la información de la pose".
El Entrenamiento Algorítmico Detrás de PoseSwin
Para dotar a PoseSwin de la capacidad de reconocimiento individual, los investigadores utilizaron un método de entrenamiento basado en el concepto de aprendizaje métrico. Se mostró repetidamente al algoritmo de IA tres imágenes: dos del mismo oso tomadas en momentos diferentes y una de un oso distinto.
El objetivo del programa era aprender a agrupar fotos del mismo oso muy cerca unas de otras en un espacio de datos, mientras que empujaba las fotos de otros osos hacia afuera. Este proceso iterativo permite que el algoritmo desarrolle un "ojo" para las características sutiles e invariantes que definen a un individuo, sin verse engañado por cambios superficiales como la pose o el peso. La clave del éxito reside en su arquitectura de red neuronal, que puede manejar y fusionar eficazmente los datos morfológicos de la cara con la información geométrica proporcionada por la pose.
Reconocimiento Facial en la Fauna: Más Allá del Pelaje
El modelo PoseSwin no es solo un avance para la conservación de los osos; es una prueba de concepto de cómo las técnicas de visión por ordenador, tradicionalmente usadas en el ámbito humano, pueden adaptarse con éxito a la fauna salvaje. PoseSwin utiliza una variante de la arquitectura de Redes Neuronales Convolucionales (CNN) y Transformers, que son excelentes para procesar grandes conjuntos de datos visuales y extraer jerárquicamente características relevantes.
El sistema funciona creando un vector de características (una huella digital numérica) para cada oso. Al incluir la pose, PoseSwin realiza implícitamente una normalización de la imagen. Es decir, aunque veas la cabeza del oso inclinada, el algoritmo es capaz de "desinclinarla" virtualmente para comparar las características faciales como si el oso estuviera mirando directamente a la cámara. Esta capacidad de compensar la geometría de la imagen es lo que le da una precisión superior, permitiendo identificar a osos individuales incluso cuando las fotos provienen de fuentes no estandarizadas, como cámaras de visitantes o dispositivos móviles.
Rastreando Movimientos y Promoviendo la Conservación No Invasiva
PoseSwin fue puesto a prueba con fotografías tomadas por visitantes del Parque Nacional y Reserva Katmai, ubicado a unos 60 kilómetros del río McNeil. El algoritmo reconoció con éxito a los osos individuales a partir de estas fotos, mapeando dónde se estaban moviendo y buscando alimento.
Esta capacidad de seguimiento tiene implicaciones masivas para la investigación. La tecnología permite a los investigadores analizar miles de imágenes que los visitantes toman cada año y construir un mapa detallado de cómo los osos pardos utilizan esta vasta área. Esto ayuda a comprender sus necesidades, cómo funcionan sus dinámicas poblacionales y otras importantes cuestiones ecológicas.
Beth Rosenberg, investigadora de la Alaska Pacific University y coautora del estudio, capturó más de 72.000 fotos de 109 osos pardos diferentes entre 2017 y 2022, un esfuerzo que proporcionó la base de datos necesaria para el entrenamiento y la validación del modelo.
La Ética de Dejar a los Osos Solos
Una de las mayores ventajas de PoseSwin es que permite a los investigadores rastrear a los osos sin ser invasivos. Según el Departamento de Pesca y Caza de Alaska, los osos a veces pueden evitar áreas donde las personas los observan o donde han sido sometidos a procedimientos de marcado (como la colocación de collares de seguimiento o etiquetas en las orejas), lo que les hace perder tiempo crucial de alimentación y la oportunidad de acumular grasa y proteínas en sitios clave.
Al utilizar la visión artificial y las fotos de los ciudadanos, los científicos pueden obtener datos de seguimiento a largo plazo de alta calidad sin perturbar el comportamiento natural de la fauna. Esto no solo beneficia a los osos al reducir el estrés y el riesgo asociado con la captura y el manejo, sino que también garantiza que los datos recopilados reflejen con mayor precisión el comportamiento real y no alterado de la población. Esta transición hacia métodos de seguimiento pasivos y basados en la comunidad (ciencia ciudadana) marca una nueva era para la gestión de la vida silvestre.
Mapeando Corredores y Nombres Propios
Los investigadores han estado observando a osos —a cada uno se le ha dado su propio nombre, como "Rocky", "Sloth" (Perezoso) y "Not Ears" (Sin Orejas)— viajando entre el río McNeil y Katmai. Nombres como estos ayudan a los humanos a identificarlos fácilmente, pero la IA estandariza este proceso a una escala inalcanzable para un equipo humano.
Saber cómo se mueven estos osos, especialmente sus rutas migratorias estacionales entre las áreas protegidas y los cotos de caza, proporciona una mejor comprensión de cómo funciona el ecosistema local y si los corredores de vida silvestre están siendo utilizados adecuadamente. Esto es fundamental para la planificación de la conservación, especialmente en un contexto de desarrollo humano creciente.
El monitoreo detallado ya ha revelado patrones de dispersión y uso del hábitat que antes eran difíciles de documentar. Por ejemplo, los estudios tradicionales sobre el uso del hábitat a menudo se basan en un número limitado de osos con collar de rastreo. Ahora, miles de avistamientos fotográficos pueden ser analizados rápidamente, proporcionando una densidad de datos temporal y espacial mucho mayor.
Implicaciones para la Gestión de la Vida Silvestre y el Futuro de la IA en Conservación
La tecnología de identificación facial de la fauna salvaje, ejemplificada por PoseSwin, tiene el potencial de revolucionar el campo de la ecología de la conservación. No solo permite un seguimiento más preciso de especies con características individuales sutiles, sino que también facilita la integración de datos masivos. La tecnología podría escalarse para monitorizar otras especies que son difíciles de etiquetar o que son particularmente sensibles a la presencia humana.
Imagina aplicar métodos similares para rastrear grandes felinos sin la necesidad de trampas o collares, o para monitorizar primates en densos bosques tropicales. Este enfoque minimiza el impacto humano y maximiza el valor científico de las interacciones casuales, como las fotografías tomadas por turistas o las imágenes capturadas por cámaras trampa.
Además, al analizar si ciertos animales, como los osos y pumas, están alterando sus patrones de movimiento debido a la presión ambiental, se pueden obtener alertas tempranas sobre la salud de los parques nacionales. Es un tema de interés creciente saber, por ejemplo, si animales como los pumas y los osos están abandonando el Parque Nacional de Yellowstone, una pregunta que la IA podría ayudar a responder de manera no invasiva y a gran escala, usando datos de observación a largo plazo. La IA no sustituye al biólogo, pero proporciona una lupa de precisión para el trabajo de campo. En última instancia, PoseSwin no es solo una herramienta para identificar osos; es un modelo para la conservación basada en datos en el siglo XXI.
Fuentes
https://news.epfl.ch/news/ai-enables-a-who-s-who-of-brown-bears-in-alaska/
https://www.cell.com/current-biology/fulltext/S0960-9822(24)00244-1
https://www.adfg.alaska.gov/index.cfm?adfg=brownbear.main
Deja una respuesta