Un nuevo software de inteligencia artificial, denominado HawkEars, promete revolucionar el monitoreo y estudio de la fauna canadiense al identificar con mayor precisión las especies de aves y anfibios a partir de sus sonidos distintivos en grabaciones de audio. Esta herramienta ha sido desarrollada por Jan Huus, un desarrollador de software retirado y apasionado observador de aves, en colaboración con la ecóloga Elly Knight, profesora adjunta en el Departamento de Ciencias Biológicas de la Universidad de Alberta.
Según Huus, «HawkEars es un paquete de software que analiza grabaciones de audio para identificar especies de aves y anfibios, y está entrenado en las especies que se encuentran en Canadá». Con el apoyo del Instituto de Monitoreo de Biodiversidad de Alberta, Huus y Knight han trabajado juntos para optimizar esta herramienta, que se enmarca dentro de un cambio de paradigma en la ecología hacia métodos de monitoreo más eficientes y menos invasivos.
Transformando el Estudio de la Fauna
Históricamente, el estudio de las poblaciones animales ha requerido un esfuerzo considerable, obligando a los investigadores a adentrarse en la naturaleza para captar fotografías, grabar vídeos y realizar grabaciones de audio. Sin embargo, Knight señala que «el campo de la ecología está atravesando un cambio hacia enfoques de monitoreo mediante sensores remotos». Uno de estos enfoques, conocido como monitoreo acústico pasivo, está ganando terreno como método estándar para estudiar animales que se comunican a través del sonido. Este método permite a los investigadores instalar dispositivos de grabación controlados de forma remota, lo que facilita la recolección de datos a lo largo de una temporada o incluso durante un año completo.
No obstante, este enfoque presenta un desafío: la cantidad de información capturada es abrumadora. «Capturamos datos en una escala que nunca antes habíamos manejado», afirma Knight. Anteriormente, los investigadores escuchaban manualmente las grabaciones y anotaban los datos basándose en su experiencia, lo que resultaba en una eficiencia limitada, procesando apenas el 1% de lo recopilado. Las herramientas de clasificación basadas en inteligencia artificial, como la creada por Huus, abren nuevas oportunidades para gestionar y analizar esta gran cantidad de información.
Aunque existen clasificadores globales como BirdNet y Perch, estos están entrenados en miles de especies de todo el mundo. En contraste, HawkEars se centra en un conjunto más reducido de especies regionales, lo que mejora su precisión. Como señala Huus, «es un acto de equilibrio: si entrenas un clasificador con un grupo demasiado pequeño de especies, no funcionará bien; pero si lo haces con decenas de miles, tampoco lo hará». La elección de un enfoque regional para HawkEars se ha considerado un compromiso óptimo.
La precisión de HawkEars «nos permite extraer mucho más de los datos, lo que resulta crucial para abordar preguntas más detalladas sobre ecología y monitoreo de la fauna», sostiene Knight. Algunas de las aplicaciones de esta herramienta incluyen el seguimiento de especies en riesgo y la evaluación de cambios en la llegada y el comportamiento de las aves, lo que podría ser indicativo del cambio climático o de la calidad del hábitat. Huus también menciona su utilidad para analizar el impacto del ruido humano en los entornos de las aves, evaluando efectos derivados de la proximidad a carreteras o sitios industriales.
Actualmente, Huus trabaja en la mejora del software para su utilización más amplia, separando el clasificador de aves canadienses del conjunto de códigos. Esto permitirá a otros investigadores «tomar el software HawkEars, sus datos y entrenar su propio clasificador». Un laboratorio en Pittsburgh ya ha utilizado el código de HawkEars para entrenar un clasificador con grabaciones de ranas de América Central.
El desarrollo de herramientas como HawkEars subraya la importancia de la tecnología en la conservación de la biodiversidad y en la investigación científica, ofreciendo nuevas vías para la protección de los ecosistemas canadienses y, potencialmente, para otros contextos ecológicos en el mundo. El artículo que presenta esta herramienta ha sido publicado en la revista Ecological Informatics.
