Con Inteligencia Artificial apoyarán la conservación de las ballenas

El sistema sigue su ruta de migración y ayudará a proteger su hábitat

conservación-de-las-ballenas
El proyecto resultó ganador del concurso GDSC. Imagen Pixabay
Techbit 29/03/2021 06:00 Ariadna Cruz Actualizada 06:00
Guardando favorito...

En muchos sentidos el desarrollo de la tecnología ha representado un problema para  el medio ambiente. Como ejemplo, el uso constante de internet a través de millones de dispositivos equivale a grandes cantidades de energía y contribuye al calentamiento global. Pero también hay desarrollos que buscan contribuir a la conservación del planeta y pueden hacer mucho por la naturaleza, es el caso de una solución de Inteligencia Artificial que rastreará a las ballenas. 

La compañía Capgemini ha desarrollado una solución inteligente de datos que, usando la visión artificial por computadora para procesar imágenes, tiene la intención de  identificar con precisión a las ballenas para ayudar a los científicos a rastrear sus rutas de migración, observar la estructura social de los grupos de cachalotes y proteger su hábitat natural.

Dicho sistema fue elaborado por el equipo ganador del evento anual Global Data Science Challenge (GDSC) de Capgemini, una competencia interna del grupo dentro de la cual cientos de empleados de todo el mundo compiten en equipos pequeños para abordar los retos del mundo real usando la inteligencia artificial (IA).

El desarrollo utiliza los servicios de Amazon Web Services (AWS) y de aprendizaje automático (ML) para analizar miles de fotos de cachalotes, e identificar a las ballenas de manera individual gracias a la forma de sus aletas de cola, conocidas también como aletas caudales, las cuales muestran marcas y estructuras únicas, similares a las huellas dactilares humanas, dependiendo de la experiencia específica vivida por cada espécimen. 

A partir de los registros, los científicos usan las imágenes de las aletas de cada ballena para documentar información clave sobre su comportamiento, rutas de migración y patrones de movimiento.

Lee también: Apps de Android que están robando datos bancarios

Un reto a vencer 

Aunque el proceso de rastreo ya era conocido por los científicos, el verdadero reto era combinar nuevas imágenes de ballenas en archivos históricos pues resultaba  muy laborioso.

Al respecto Lisa Steiner, bióloga marina y reconocida experta en la investigación de los cachalotes en las islas Azores, explicó este proceso: “Tengo que ayudar manualmente al programa para identificar el contorno de cada mitad de una aleta caudal. Si las fotos son buenas, el proceso no tarda mucho, pero si no hay suficiente contraste entre la aleta caudal y el fondo, o si hay mucho reflejo sobre el borde de la aleta, entonces tengo que buscar el contorno manualmente”.

Una colaboradora de Capgemini experimentó esta experiencia complicada al ofrecerse como voluntaria en una expedición dirigida por Steiner. Entonces pensó en cómo la tecnología podía mejorar el proceso y así fue como Capgemini propuso reemplazar el software viejo por un nuevo sistema que empleara  las capacidades de procesamiento de visión de imágenes por computadora para ayudar a eliminar la necesidad de identificación manual de patrones cruzados. De este modo nació el reto para el GDSC 2020: desarrollar una herramienta que utilizara un algoritmo de aprendizaje automático para la tarea de clasificación e identificación de las imágenes de cada ballena y así ayudar a Steiner en su investigación.

ballena.jpg

Lee también: Crean inteligencia artificial que premia a los perros por su buen comportamiento

¿Cómo funciona el sistema?  

Casi 700 equipos de todas las áreas de Capgemini participaron en el reto y después de varios meses, el grupo ganador, llamado “AI Sensing”, presentó su solución, la cual consiste en una red neural profunda previamente entrenada (ResNet 101) que fue sintonizada con aproximadamente 4 mil 500 fotografías de aletas caudales de más de 2 mil 200 especímenes individuales. 

El modelo se ejecuta en un clúster de la Nube de Computación Elástica de Amazon basada en GPU (Amazon EC2), utilizando Amazon SageMaker (el servicio de AWS que ayuda a desarrolladores comunes y científicos de datos para rápidamente construir, entrenar e implementar modelos de aprendizaje automático en la nube) y puede procesar las fotos en alrededor de tres horas. 

El algoritmo ML es capaz de recortar automáticamente una foto nueva usando AWS Lambda al eliminar secciones no necesarias de la imagen, dejando solo la aleta caudal en el centro para después compararla con las demás en la base de datos y así encontrar las coincidencias de cada cachalote con una precisión de 97.5%.

Esta solución ha liberado a Steiner para centrar su tiempo en tareas como rastrear las rutas de migración y la protección del hábitat en vez de perder cientos de horas en etiquetar las fotos manualmente. 

Steiner dijo que  está muy satisfecha con los resultados y recientemente pudo correlacionar a un cachalote que no se había podido identificar desde 2002 debido a cambios en el contorno de su aleta caudal.  “Encontré una coincidencia muy interesante que no había sido detectada antes debido a algunos cambios en su contorno. Esto se remonta a 2002, por lo que existían tres identificaciones separadas para este espécimen en vez de solo una. Si solo hubiese buscado una coincidencia en la primera foto, no la hubiera detectado. ¡Me encanta este programa!”, comentó Steiner. 

Capgemini sigue trabajando con Steiner para mejorar la facilidad de uso de la tecnología, además de motivar a otros investigadores para que la prueben.

El objetivo a largo plazo es que las personas de todos los ámbitos que hayan visto y tomado una foto de un cachalote en el océano del Atlántico puedan algún día subir sus fotos en una herramienta, lo cual aumentaría la capacidad de investigación con más datos y pudiera dar lugar al descubrimiento de nuevas coincidencias de las ballenas y conocimiento sobre estas hermosas criaturas.

Zhiwei Jiang, CEO de Insights and Data Global Business Line en Capgemini, señaló, “El Reto de Datos Científicos Globales resalta tanto el compromiso de Capgemini para impulsar un cambio positivo por medio de su iniciativa interna, así como para usar la tecnología de aprendizaje automático para ofrecer soluciones para el mundo real. Ha sido un honor ver reunidos a tantos colegas de Capgemini de todo el mundo para crear una solución impactante que ha sido fundamental para ayudar a Lisa en su trabajo con los cachalotes. Felicidades al equipo AI Sensing por sus esfuerzos este año, ya estoy ansioso por ver los resultados inspiradores del desafío del año próximo”.

Capgemini considera que la transformación digital debe beneficiar a toda la humanidad y, a través de proyectos como el GDSC, se comprometió a seguir enfocándose en abordar temas relacionados con la sustentabilidad por medio de la tecnología para un futuro incluyente y sostenible.

Guardando favorito...

Recomendamos

Comentarios