Con chatbots como ChatGPT, el machine learning o aprendizaje automático está desempeñando un papel cada vez más destacado en nuestras vidas. Para muchos esto ha sido una experiencia de sentimientos encontrados. Por un lado nos regocijamos cuando nuestra lista de reproducción de Spotify nos encuentra una nueva recomendación, pero gemimos cuando nos desplazamos a través de una gran cantidad de anuncios dirigidos en nuestros feeds de Instagram.
El aprendizaje automático también está cambiando muchos campos que pueden parecer sorprendentes. Un ejemplo es la ornitología, que es el estudio de las aves. Por ejemplo, a medida que aumenta la migración de primavera, se puede ver cómo el aprendizaje automático está influyendo en las formas de investigar las aves y, en última instancia, de protegerlas.
Puede interesarte: Importante hallazgo de especie de ave en extinción
La mayoría de las aves del hemisferio occidental migran dos veces al año, sobrevolando continentes enteros entre sus lugares de reproducción y no reproducción. Si bien estos viajes son impresionantes, exponen a las aves a muchos peligros en el camino, incluido el clima extremo, la escasez de alimentos y la contaminación lumínica que puede atraer a las aves y hacer que choquen con los edificios.
Nuestra capacidad para proteger a las aves migratorias es tan buena como la ciencia que nos dice a dónde van.
Sin embargo, el seguimiento de aves tiene limitaciones. Por un lado, más de 4 mil millones de aves migran por el continente cada año. Incluso con equipos cada vez más asequibles, la cantidad de aves que rastreamos es una gota en el océano. E incluso dentro de una especie, el comportamiento migratorio puede variar entre sexos o poblaciones.
Además, los datos de seguimiento nos dicen dónde han estado las aves, pero no necesariamente adónde van. La migración es dinámica, y los climas y paisajes por los que vuelan las aves cambian constantemente. Eso significa que es crucial poder predecir sus movimientos.
Tecnología para pronosticar la migración
Aquí es donde entra en juego el aprendizaje automático, ese subcampo de la inteligencia artificial que brinda a las computadoras la capacidad de aprender tareas o asociaciones sin ser programadas explícitamente. Lo usamos para entrenar algoritmos que abordan varias tareas, desde pronosticar el clima hasta predecir los trastornos de March Madness.
BirdCast es un proyecto colaborativo de la Universidad Estatal de Colorado, el Laboratorio de Ornitología de Cornell y la Universidad de Massachusetts que busca aprovechar la data para cuantificar la migración de aves.
El aprendizaje automático es fundamental para sus operaciones. Los investigadores han sabido desde la década de 1940 que las aves aparecen en el radar meteorológico, pero para que los datos sean útiles, necesitamos eliminar el desorden no aviar e identificar qué escaneos contienen movimiento de aves.
Este proceso sería laborioso a mano, pero al entrenar algoritmos para identificar la actividad de las aves, hemos automatizado este proceso y desbloqueado décadas de datos de migración. Y el aprendizaje automático permite que el equipo de BirdCast lleve las cosas más allá: al entrenar un algoritmo para aprender qué condiciones atmosféricas están asociadas con la migración, podemos usar las condiciones previstas para producir pronósticos de migración en los EE. UU. continentales.
BirdCast comenzó a transmitir estos pronósticos en 2018 y se ha convertido en una herramienta popular en la comunidad de observación de aves. Muchos usuarios pueden reconocer que los datos de radar ayudan a producir estos pronósticos, pero pocos se dan cuenta de que es un producto del aprendizaje automático.
Estos avances ejemplifican cuán efectivo puede ser el aprendizaje automático cuando se guía por la experiencia en el campo en el que se aplica.
Herramienta de participación ciudadana
El aprendizaje automático también está ayudando a los científicos a involucrar al público en la conservación. Por ejemplo, los pronósticos producidos por el equipo de BirdCast a menudo se usan para informar las campañas de Lights Out.
Estas iniciativas buscan reducir la luz artificial de las ciudades, que atrae a las aves migratorias y aumenta sus posibilidades de colisionar con estructuras construidas por humanos, como edificios y torres de comunicación. Las campañas de Lights Out pueden movilizar a las personas para ayudar a proteger a las aves con solo presionar un interruptor.
Las oportunidades para aplicar el aprendizaje automático en la ornitología solo aumentarán. A medida que miles de millones de aves migran por América del Norte a sus lugares de reproducción esta primavera, las personas participarán en estos vuelos de nuevas formas, gracias a proyectos como BirdCast y Merlin.
➡️ Suscríbete a nuestro Newsletter y recibe las notas más relevantes en tu correo
Pero ese compromiso es recíproco: los datos que recopilan los observadores de aves abrirán nuevas oportunidades para aplicar el aprendizaje automático.
Las computadoras no pueden hacer este trabajo por sí mismas.
“Cualquier proyecto exitoso de aprendizaje automático tiene un gran componente humano. Esa es la razón por la que estos proyectos están teniendo éxito”, me dijo Van Horn.
* Doctor Estudiante de Ecología por la Colorado State University.
