Los bosques de Hawái enfrentan un problema difícil de controlar.
Y uno de los animales que más preocupa es el cerdo salvaje.
Estos animales recorren los bosques buscando alimento, remueven el suelo y pueden dañar la vegetación.
También pueden dejar heridas en la corteza de árboles como el ʻōhiʻa, algo especialmente preocupante porque esas heridas pueden facilitar la entrada de los hongos responsables de una enfermedad que ha matado muchos de estos árboles.
Pero los cerdos no son los únicos.
Cabras, ovejas, ganado y ciervos introducidos también pueden alterar estos ecosistemas.
El problema es saber dónde están.
Para encontrarlos, los investigadores utilizan cámaras repartidas por los bosques.
Y eso termina creando otro problema: ¿cómo revisar millones de fotografías sin pasar una eternidad frente a una computadora?
Por qué encontrar un cerdo puede ser tan importante
Los cerdos salvajes no necesitan derribar un árbol para dañarlo.
Mientras buscan comida remueven el suelo y, además, suelen frotarse contra los troncos.
Ese roce puede desprender parte de la corteza y dejar pequeñas heridas en el árbol.
En el caso del ʻōhiʻa, esas heridas pueden convertirse en puntos de entrada para los hongos que causan Rapid ʻŌhiʻa Death, una enfermedad que ha provocado la muerte de numerosos árboles en Hawái.
Y el problema va más allá de los cerdos.
Otros animales introducidos, como cabras, ovejas, ganado y ciervos, también pueden modificar el terreno, aumentar la erosión y alimentarse de la vegetación joven que debería ayudar a regenerar el bosque.
Por eso es importante saber qué animales están entrando en cada zona y con qué frecuencia aparecen.
Una de las mejores formas de averiguarlo es colocar cámaras que se activan cuando detectan movimiento.
El método funciona.
Pero después alguien tiene que mirar las fotografías.
Y ahí empieza el verdadero problema.
Cómo es posible revisar millones de fotos en rincones sin señal
Un solo proyecto de monitoreo puede terminar acumulando millones de imágenes.
Algunas muestran al animal que los investigadores estaban buscando.
En otras no hay más que una rama moviéndose frente a la cámara.
Revisarlas una por una requiere muchísimo tiempo y retrasa la información que necesitan quienes trabajan sobre el terreno.
La inteligencia artificial puede hacer una primera clasificación automática, pero muchos sistemas dependen de servicios en la nube o necesitan una buena conexión a internet.
Eso puede convertirse en un problema cuando las cámaras están instaladas en zonas remotas.
Para solucionarlo, investigadores del Servicio Forestal de Estados Unidos, la Universidad de Hawái y otros colaboradores desarrollaron AI Puaʻa.
La diferencia es bastante práctica.
Una vez instalada, la herramienta puede procesar las fotografías localmente, sin necesidad de subirlas a la nube ni tener una conexión Wi-Fi.
Así puede hacer una primera revisión de grandes cantidades de imágenes y dejar los resultados dudosos para que los revise una persona.
Pero había otra cuestión.
Para reconocer bien a los animales de Hawái, primero tenía que aprender cómo se ven realmente en esos bosques.
Qué ocurrió cuando la entrenaron con animales de Hawái
Para conseguirlo, los investigadores reunieron aproximadamente 1,64 millones de imágenes procedentes de 5417 ubicaciones de cámaras repartidas por Hawái.
Con ellas entrenaron AI Puaʻa para reconocer 15 categorías de animales, entre ellas cerdos, cabras, ovejas, ganado y mangostas.
Después llegó el momento de comprobar si realmente funcionaba.
En las pruebas, la herramienta alcanzó una precisión general del 97,4 %.
Aunque eso no significa que acierte siempre.
El resultado cambia dependiendo del animal, de las condiciones de la fotografía y de la calidad de la imagen.
Pero hubo otra comparación bastante llamativa
Cuando probaron AI Puaʻa con imágenes locales y compararon su rendimiento con el de un modelo global, la herramienta entrenada específicamente para Hawái alcanzó una precisión del 97,3 % a nivel de especie.
El modelo global llegó al 66,3 %.
Ahí estaba una de las claves.
AI Puaʻa había aprendido directamente de las imágenes tomadas en el lugar donde después tendría que trabajar.
Ahora puede encargarse de esa primera revisión que antes consumía tanto tiempo, mientras las imágenes dudosas siguen pasando por personas que conocen los animales y el terreno.
Al final, la tecnología no reemplaza ese trabajo.
Simplemente ayuda a encontrar mucho más rápido la fotografía que realmente importa entre millones que pueden parecer iguales.
Puedes revisar el estudio completo en: Perroy, R. L., Sullivan, T., Benitez, D., Hughes, R. F., Keith, L. M., Brill, E., Kissinger, K., & Duda, D. (2021). Spatial patterns of ‘ōhi‘a mortality associated with Rapid ‘Ōhi‘a Death and ungulate presence. Forests, 12(8), 1035. https://doi.org/10.3389/f12081035
¿Te ha servido este artículo?
Recibe cada semana lo que de verdad importa
Análisis de energía, clima y naturaleza en tu correo. Gratis y sin spam.
