¿Hacia dónde nadan 10.000 tiburones ballena en peligro de extinción? La IA lo sabe

Científicos y tecnólogos de todo el mundo han encontrado en la inteligencia artificial una gran ayuda para intentar que la Tierra sea un buen lugar para vivir, tanto para nosotros como para las próximas generaciones.

De la monitorización de especies beneficiosas para los océanos al estudio de la criosfera, la inteligencia artificial es un poderoso aliado a la hora de preservar el planeta. Te lo contamos con ejemplos.

La lista de animales en peligro de extinción es enorme. Según la IUCN Red List, aproximadamente dos de cada cinco anfibios corren ese riesgo en la actualidad. Algo similar ocurre con los tiburones, rayas y quimeras: tres de cada diez están amenazados como especie.

Evitar una extinción masiva es una tarea titánica en la que la inteligencia artificial ya echa una mano. Monitorizar, recoger imágenes y etiquetar a miles de animales en peligro de extinción es una tarea demasiado laboriosa para hacerla a mano, pero no tanto si la inteligencia artificial acelera los procesos.

A eso se dedica la plataforma Wildbook, que emplea algoritmos para acelerar los descubrimientos científicos. Ya ha logrado seguir la pista a 10.000 tiburones ballena que resisten surcando los mares. Son animales esenciales para preservar la salud de los océanos, un concepto íntimamente ligado al cambio climático. Por eso es tan importante saber cuántos son esos animales, cómo viven o a dónde van.

Para preservar recursos escasos y fundamentales como el agua, lo primero que hay que hacer es conocer su estado. Si, además, ese conocimiento ayuda a realizar predicciones más precisas para desarrollar políticas y conservar entornos como la selva, su valor se multiplica.

Esa es la idea tras el proyecto SOS Mata Atlântica, que emplea las herramientas de machine learning que Microsoft pone a disposición de la innovación medioambiental en su programa AI for Earth. En el caso de SOS Mata Atlântica, la inteligencia artificial logra que el granito de arena que aporta un voluntario aumente su valor de manera exponencial.

En este proyecto, que se desarrolla en la selva atlántica de Brasil, los voluntarios toman muestras de agua en cientos de puntos distintos. Todas estas muestras se evalúan y se les asigna una puntuación de la calidad del agua. El uso de machine learning ayuda a los analistas a pronosticar cambios en la calidad del agua y también a identificar patrones valiosos en su estudio.

Al compartir con la comunidad ese conocimiento adquirido, junto a las tendencias y los pronósticos, es más sencillo influir en las políticas públicas para, por un lado, aprovechar mejor los recursos hídricos y, por otro, hacer lo propio con la selva.

Es prácticamente imposible encontrar dos cristales de nieve iguales y algo similar sucede con las capas de hielo y nieve de la criosfera, un concepto que abarca todos los lugares congelados del planeta.

Cada glaciar o iceberg es distinto y, además, conocerlos cuesta mucho porque el acceso a ellos suele ser muy complicado. Sin embargo, es necesario estudiar sus dinámicas para controlar una de las mayores amenazas al futuro del planeta: el aumento del nivel del mar causado por un hielo que cada vez se derrite más rápido.

¿Cómo observar lugares totalmente inhóspitos y a los millones de seres microscópicos que habitan en ellos? El Dr. Joseph Cook, del Instituto de Ciencias Biológicas, Medioambientales y Rurales (IBERS) de la Universidad de Aberystwyth (Reino Unido), se propuso lograrlo y se apoyó en algoritmos de inteligencia artificial para ello.

Mediante el uso de drones, imágenes por satélite e inteligencia artificial, Cook y su equipo han logrado trazar precisos mapas de superficies heladas únicas en la Antártida para predecir a qué ritmo se derretirá cada una de ellas. También han descubierto unas algas diminutas que aceleran el ritmo al que el hielo se funde. Este descubrimiento es importante porque, hasta entonces, se desconocía por completo que la vida microscópica podía contribuir al aumento del nivel del mar.

Son muchos los países que mantienen compromisos medioambientales, como por ejemplo reducir sus emisiones de gases de efecto invernadero. Sin embargo, una cosa es decirlo y otra muy distinta hacerlo. ¿Cómo saber quién cumple realmente con los objetivos y quién solamente dice cumplirlos?

De nuevo, la inteligencia artificial sale en ayuda del planeta. En este sentido, el proyecto Climate Trace emplea algoritmos de inteligencia artificial y herramientas de machine learning para realizar estimaciones sobre emisiones prácticamente en tiempo real. Lo hace analizando imágenes por satélite y datos procedentes de sensores.

Los cálculos de este sistema son bastante exactos, por lo que pueden ayudar a los países cumplidores de sus compromisos a distinguirse de los demás con una sólida acreditación.