La inteligencia artificial podría facilitar el estudio de las aves gracias al trabajo de un estudiante de la Universidad de Alberta.
por Bev Betkowski, Universidad de Alberta
Priscilla Adebanji, estudiante de ciencias de la computación en el Campus de Augustana, pasó su verano experimentando con IA para mejorar el análisis de un video de investigación de la U of A que muestra mirlos de alas rojas y sus nidos.
Los ajustes, una vez completamente desarrollados, podrían ahorrar horas de tiempo necesarias para revisar manualmente el video para identificar aves específicas , una tarea vital para su trabajo, dice la profesora de Augustana Ivana Schoepf, quien está explorando los efectos del parasitismo en el comportamiento de las aves .
Actualmente, la única forma de detectar la identidad y las acciones de cada ave es escuchando sus distintos cantos, lo que implica revisar horas de vídeo. También requiere experiencia, señala Schoepf.
«Tiene que haber un nivel de conocimiento sobre la biología de las aves, y también lleva tiempo aprender sobre las aves y sus cantos».
Aunque el software existente puede rastrear los movimientos de animales como ratones en el laboratorio, «para el campo es más complicado», dice. «Hay mucha vegetación de fondo y ruido, como el viento, por lo que las condiciones de grabación no son óptimas para la detección automática».
La calidad del vídeo tampoco es alta, «por lo que puede resultar imposible distinguir al macho de la hembra», añade Schoepf. Los nidos también están bien escondidos en espadañas de los pantanos, lo que dificulta ver si las aves están alimentando a sus polluelos, limpiando el nido o dejándolo por una ruta fuera de cámara, señala.
Con dos temporadas de video de campo (un total de aproximadamente 30 horas de película en 30 nidos), Schoepf se acercó al profesor de ciencias informáticas de Adebanji, Thibaud Lutellier, buscando una manera de detectar automáticamente las aves sin tener que revisar la cinta.
«Sentimos que había muchas aplicaciones de la IA que podrían ayudar, aunque no teníamos idea de qué esperar», dice Lutellier. «Tuvimos que descubrir qué tipo de aprendizaje automático utilizar. Hubo mucho trabajo preliminar e investigación involucrados».
Adebanji superó varios desafíos, incluidas lecturas falsas generadas por modelos de IA existentes. «A veces parecían detectar al pájaro como un avión, y cosas como sombras se detectaban falsamente como osos en el fondo», dice.
Utilizando herramientas de visión por computadora y algoritmos de detección de movimiento para ayudar a analizar el video , redujo la sensibilidad de seguimiento lo suficiente como para contar las aves, distinguirlas de otros objetos y determinar si la misma ave ya había sido grabada.
A finales del verano, Adebanji pudo desarrollar un software que refinó las imágenes en bruto de Schoepf lo suficiente como para determinar las horas exactas en que las aves visitan sus nidos para alimentar a sus polluelos, además de si entran o salen.
«Es un gran paso adelante para ahorrar tiempo», afirma Adebanji. «Hemos pasado de ocho horas a un par de minutos para detectar todo automáticamente».
Aunque el software todavía necesita más trabajo, Schoepf espera que eventualmente lo utilice para reducir el proceso intensivo de mano de obra que implica la recopilación de datos para su investigación.
«Ahorrará tiempo en la revisión de los videos y esfuerzo en términos de tener que capacitar a las personas para analizarlos, y es necesario tener al menos dos personas involucradas para comparar los resultados y garantizar la coherencia».
También está entusiasmada con el potencial del software para el campo más amplio de la biología animal.
«Esto podría proporcionar una amplia aplicabilidad a una multitud de especies y proyectos en diferentes entornos, más allá de las aves. Podría mejorar y ampliar la investigación ecológica».
El trabajo adicional en el programa incluirá la exploración de aplicaciones de inteligencia artificial para determinar cuánto tiempo las aves visitan sus nidos y analizar sus llamadas para determinar el género. Los futuros estudiantes también tendrán la tarea de «limpiar» mejor los videos de sonidos de fondo como el viento y ver si el software se puede aplicar a otros animales como roedores, dice Lutellier.
Para el campo de la IA, proyectos pequeños e innovadores como este «destacan algunos de los problemas que tenemos con la visión por computadora» en tecnologías de detección de movimiento como vehículos autónomos y drones, señala.
«Esto es útil para desarrollar una mejor IA, porque hubo muchas pruebas y errores durante el proceso de desarrollo de este software. En lugar de realizar pruebas con puntos de referencia muy precisos y de alta calidad, trabajamos con muchos factores desconocidos, y eso es «Cómo es la vida real. La IA tiene que afrontarla de forma segura y exitosa».
Ahora, en su cuarto año de estudios universitarios, Adebanji dice que el proyecto ha despertado su interés en explorar la IA como carrera y la ha llevado más allá del aula.
«Se siente bien trabajar en una aplicación del mundo real, poder ayudar a las personas con los conocimientos que he adquirido».
