Un sistema basado en las redes neuronales profundas es capaz de identificar, contar y describir el comportamiento de decenas de especies del parque natural africano.
Un equipo de científicos ha probado que una modalidad avanzada de inteligencia artificial es capaz de identificar, contar y describir autónomamente los comportamientos de 48 especies del parque natural del Serengueti, en Tanzania. Para llegar a este extremo, los investigadores usaron 3,2 millones de imágenes que mostraban la vida salvaje. Así, entrenaron un sistema de redes neuronales profundas para que renociesen cada animal y para que entendiesen qué estaba haciendo en cada caso, incluso si estaba en un grupo.
El modelo funcionó casi tan bien como lo habían hecho antes diversos voluntarios humanos. De esta manera, se espera ahorrar tiempo y dinero en unas tareas que, en general, son muy costosas y con las que se pretende averiguar cuándo se desplaza un animal por un punto determinado de la sabana, del bosque, etc. Con pequeñas cantidades de fotografías o vídeos, la labor de las personas es relativamente fácil. Pero en el momento en el que el material acumulado incluye millones de ejemplos, el procesamiento manual es, sencillamente, imposible.
Ésta fue la razón que motivó el trabajo sobre el Serengueti, publicado en las Actas de la Academia Nacional de Ciencias. Sus autores eran conscientes de las limitaciones de la fórmula tradicional: cámaras fijas en la naturaleza que se activan por el movimiento de la hierba, instantáneas que solamente incluyen partes de un animal, y no su cuerpo entero, lo que dificulta saber a ciencia cierta cuál es, etc. También conocían las iniciativas que anteriormente habían abordado este reto con el apoyo de la tecnología: iNaturalist, wpsWatch, Wildbook o Snapshot Sergenti.
El modelo funcionó casi tan bien como lo habían hecho antes diversos voluntarios humanos. De esta manera, se espera ahorrar tiempo y dinero en unas tareas que, en general, son muy costosas y con las que se pretende averiguar cuándo se desplaza un animal por un punto determinado de la sabana, del bosque, etc. Con pequeñas cantidades de fotografías o vídeos, la labor de las personas es relativamente fácil. Pero en el momento en el que el material acumulado incluye millones de ejemplos, el procesamiento manual es, sencillamente, imposible.
Ésta fue la razón que motivó el trabajo sobre el Serengueti, publicado en las Actas de la Academia Nacional de Ciencias. Sus autores eran conscientes de las limitaciones de la fórmula tradicional: cámaras fijas en la naturaleza que se activan por el movimiento de la hierba, instantáneas que solamente incluyen partes de un animal, y no su cuerpo entero, lo que dificulta saber a ciencia cierta cuál es, etc. También conocían las iniciativas que anteriormente habían abordado este reto con el apoyo de la tecnología: iNaturalist, wpsWatch, Wildbook o Snapshot Sergenti.
En concreto, los responsables de esta novedad se basaron en el repertorio de este último proyecto, el mayor actualmente disponible. El conjunto de algoritmos que compone las redes neuronales profundas se puso a operar para reconocer patrones numéricos y etiquetar datos según similitudes con los contenidos proporcionados por 225 “cámaras trampa” instaladas en el parque nacional africano desde 2011.
Su objetivo es comprender cómo se distribuyen y cohabitan las distintas comunidades. Más de 50.000 ciudadanos han estado revisando pacientemente estas imágenes. Su proporción de aciertos es del 97%; el resultado de la máquina ronda el 90%. Sin embargo, las fotografías en cuestión han sido tomadas desde diferentes ángulos, con condiciones de iluminación que no siempre son las óptimas y ejemplares que a menudo están lejos o parcialmente fuera del cuadro que define la pantalla.
Mediante capas y filtros de información, la inteligencia artificial puede captar formas, texturas… hasta catalogar correctamente las unidades como un búfalo, un guepardo, etc. El volumen de fotos disparadas que sí incluyen animales no supera el 25%. En opinión de los analistas, los beneficios que se derivan de la automatización de esta primera fase ya son enormes, puesto que se evita invertir horas y esfuerzos en descartar los registros inútiles.
Su objetivo es comprender cómo se distribuyen y cohabitan las distintas comunidades. Más de 50.000 ciudadanos han estado revisando pacientemente estas imágenes. Su proporción de aciertos es del 97%; el resultado de la máquina ronda el 90%. Sin embargo, las fotografías en cuestión han sido tomadas desde diferentes ángulos, con condiciones de iluminación que no siempre son las óptimas y ejemplares que a menudo están lejos o parcialmente fuera del cuadro que define la pantalla.Mediante capas y filtros de información, la inteligencia artificial puede captar formas, texturas… hasta catalogar correctamente las unidades como un búfalo, un guepardo, etc. El volumen de fotos disparadas que sí incluyen animales no supera el 25%. En opinión de los analistas, los beneficios que se derivan de la automatización de esta primera fase ya son enormes, puesto que se evita invertir horas y esfuerzos en descartar los registros inútiles.
Fuente: La Vanguardia
Comentarios
Publicar un comentario
Gracias por comentar. Te rogamos que seas preciso y educado en tus comentarios.