¿Puede la IA ayudar a salvar la biodiversidad? Una investigadora del MIT cree que sí

Sara Beery es una defensora incansable de los modelos de inteligencia artificial (IA) de código abierto, transparentes y accesibles. “Los modelos no deben quedar detrás de un muro de pago ni ser de propiedad privada; así son más accesibles y, creo, más sostenibles”, afirmó con entusiasmo en una entrevista para Mongabay Latam.

Junto a Dan Morris, Beery cofundó Megetector, una herramienta de IA de código abierto diseñada para la conservación. El modelo analiza imágenes de cámaras trampa, detecta animales, personas y vehículos, y elimina automáticamente las fotos en blanco, lo que reduce significativamente el trabajo manual de científicos y técnicos que manejan grandes volúmenes de datos.

Desafíos y oportunidades de la IA en conservación

Beery, quien se desempeña como profesora de Inteligencia Artificial y Toma de Decisiones en el Departamento de Ingeniería Eléctrica e Informática del Instituto Tecnológico de Massachusetts (MIT), enfatiza que la utilidad de la IA depende de la pregunta que se formule y de la forma en que se implemente. “En los últimos 15 años hemos visto cómo proyectos basados en cámaras trampa, datos bioacústicos o drones generan volúmenes de información que no son escalables si se procesan solo con personas”, explica. En situaciones como la estimación de cuotas de caza de ciervos en Estados Unidos, el análisis manual de cientos de miles de imágenes sería un cuello de botella imposible de superar.

Para Beery, la IA no es una solución mágica, sino una herramienta que permite a los ecólogos procesar datos a gran escala y concentrarse en la toma de decisiones. “Si la recopilación de datos es masiva y se intenta procesar manualmente, simplemente no funciona. La IA acelera ese proceso y abre posibilidades que aún estamos explorando”, señala.

Sin embargo, la experta reconoce limitaciones importantes: el acceso a infraestructura computacional, ancho de banda y recursos humanos varía enormemente entre regiones. “Si tienes restricciones de conectividad o capacidad de cómputo, debes elegir cuidadosamente el modelo de IA que vas a usar”, advierte.

El proyecto Megetector se destaca por su enfoque genérico: detecta animales sin identificar especies, lo que le permite aplicarse a distintos ecosistemas sin necesidad de reentrenamiento. Esta generalidad reduce costos, ya que no requiere conocimientos avanzados ni infraestructura para entrenar modelos específicos. No obstante, el modelo no elimina la intervención humana; después de la detección, los especialistas deben etiquetar cada animal según su especie.

Beery también menciona SpeciesNet, otro modelo de código abierto que entrenó con los datos de Wildlife Insights. Este modelo está comenzando a disminuir la barrera para proyectos centrados en especies concretas, pues ofrece buenas prestaciones para muchas especies comunes en distintas regiones del mundo.

En cuanto a la equidad en el acceso, la profesora destaca que la capacidad de subir datos a la nube –por ejemplo, a la plataforma Wildlife Insights– suele requerir enviarlos a Estados Unidos, lo que genera un desequilibrio significativo para investigadores de países en desarrollo. Además, la documentación y los recursos educativos están mayormente en inglés, limitando su utilidad en otras lenguas.

Beery colaboró recientemente en un informe para Naciones Unidas que subraya el potencial de la IA en el monitoreo de la biodiversidad, pero alerta sobre la necesidad de invertir en infraestructura de datos, computación y capital humano en los países en desarrollo. “Si no invertimos de manera equitativa, la brecha de oportunidades y beneficios solo se ampliará”, advierte.

Para cerrar la brecha, la experta propone una mayor inversión en capacitación tecnológica local y en infraestructura nacional. “Una persona con habilidades técnicas adecuadas y recursos suficientes puede generar un impacto enorme en su país”, afirma. Además, sugiere que organizaciones y áreas protegidas incorporen a expertos en IA dentro de sus equipos para que la tecnología funcione a favor de la conservación.

Durante la Conferencia Internacional de Tecnología para la Conservación (ICTC) celebrada en Lima, varios representantes de pueblos indígenas señalaron la falta de acceso a la tecnología y la desconexión entre la información recolectada y sus intereses comunitarios. Beery reconoce que, hasta ahora, la IA en ecología se ha centrado en modelos predictivos basados en datos estructurados, lo que dificulta integrar conocimientos tradicionales menos estructurados.

Sin embargo, la experta ve posibilidades en los avances de los modelos de lenguaje. “Podemos describir características de hábitats importantes para una especie y, mediante modelos de lenguaje visual, transformar esas descripciones en covariantes cuantificables para modelar la ocupación”, explica. Este enfoque, aunque todavía en fase piloto, abre la puerta a la incorporación de saberes ancestrales en los algoritmos.

Finalmente, Beery llama la atención sobre el impacto ambiental de la IA. Señala que, si bien los grandes modelos generativos como ChatGPT consumen enormes cantidades de energía y agua, la mayoría de las aplicaciones de IA en conservación son modelos ligeros diseñados para operar con recursos limitados. “Es crucial evaluar los costos climáticos y hídricos de cada método y elegir aquellos que sean sostenibles”, concluye.

Mira tambien: