Google actualiza Perch, su IA para salvar especies

Google DeepMind actualizó Perch, un modelo de inteligencia artificial que analiza grabaciones de animales para ayudar a científicos a vigilar especies en peligro y medir la salud de los ecosistemas.

La herramienta trabaja con sonidos captados por micrófonos en bosques y otros entornos terrestres, además de hidrófonos instalados bajo el agua. En esas grabaciones aparecen aves, ranas, insectos, ballenas, peces y también ruido provocado por la actividad humana.

Revisar manualmente miles o millones de horas de audio sería una tarea prácticamente inabarcable. Perch permite detectar qué especies están presentes, localizar sonidos concretos y seguir cambios en sus poblaciones con mucha menos intervención humana.

Qué mejora en la nueva versión

El nuevo modelo, disponible como modelo abierto en Kaggle, fue entrenado con casi el doble de datos que la versión anterior. La información procede de fuentes públicas como Xeno-Canto e iNaturalist e incluye una variedad más amplia de animales:

• Aves, mamíferos y anfibios.
• Sonidos de ambientes submarinos, como los arrecifes de coral.
• Ruido producido por vehículos, maquinaria y otras actividades humanas.

Perch también ofrece mejores predicciones de especies de aves sin necesidad de añadir entrenamiento específico. Además, puede adaptarse mejor a nuevos entornos y separar sonidos que se superponen en una misma grabación.

Eso permite responder preguntas concretas. Por ejemplo, cuántas crías están naciendo en una zona o cuántos animales individuales hay en un área determinada.

Menos tiempo buscando sonidos

La primera versión de Perch, lanzada en 2023, acumula más de 250.000 descargas. Sus herramientas ya forman parte de soluciones utilizadas por biólogos, incluida la biblioteca de búsqueda vectorial de BirdNET Analyzer, del Cornell Lab of Ornithology.

En Australia, Perch ayuda a BirdLife Australia y al Australian Acoustic Observatory a crear sistemas para identificar especies locales. Una de esas aplicaciones contribuyó a detectar una nueva población del torillo australiano, un ave difícil de encontrar.

En Hawái, el laboratorio LOHE Bioacoustics emplea la herramienta para vigilar a los mieleros hawaianos. Estas aves tienen importancia cultural en las islas y están amenazadas por la malaria aviar, una enfermedad transmitida por mosquitos no nativos.

Según Google DeepMind, Perch permitió encontrar sonidos de mieleros casi 50 veces más rápido que con los métodos habituales. El resultado es práctico: los investigadores pueden revisar más especies y cubrir áreas más extensas sin capturar a los animales para estudiarlos.

Entrenar un detector con un solo ejemplo

Perch no se limita a reconocer especies que ya conoce. Su sistema de búsqueda vectorial encuentra sonidos parecidos a partir de una sola muestra. Después, un experto marca cuáles son relevantes y cuáles no, y con esas respuestas se crea un clasificador para detectar un sonido específico.

Este método, llamado modelado ágil, sirve para estudiar especies con pocos datos disponibles o llamadas muy concretas, como las de animales jóvenes. Un trabajo reciente del equipo indica que permite crear clasificadores de calidad para aves y arrecifes de coral en menos de una hora.

Para ti, el cambio no está en una aplicación que vaya a instalarse en el móvil, sino en la velocidad con la que los científicos pueden convertir grabaciones en información útil. Esa información puede orientar dónde proteger un hábitat, cuándo actuar ante una caída de población o cómo evaluar si una medida de conservación funciona.

La tecnología no sustituye el trabajo de campo ni el conocimiento de los biólogos. Lo que hace es quitarles una parte repetitiva y lenta del proceso. El siguiente paso será comprobar hasta dónde puede adaptarse Perch a ecosistemas nuevos, especies poco estudiadas y grabaciones llenas de ruido.