La inteligencia artificial se convierte en aliada clave para conservar la biodiversidad de América Latina | Mongabay Editorial Aristegui Noticias

Por Antonio José Paz Cardona
Mongabay Latam

La inteligencia artificial (IA) es protagonista constante de debates y polémicas sobre los usos que las personas puedan darle, pero en lo que sí parece haber un consenso es en que llegó para quedarse. El lanzamiento de ChatGPT en noviembre de 2022 fue un punto de inflexión en el tema porque eliminó la necesidad de saber programar y, por primera vez, cualquier persona podía interactuar con la IA simplemente escribiendo en su idioma nativo, como si hablara con otra persona. Su uso se expandió rápidamente y cientos de herramientas de IA empezaron a surgir.

La ecología y la conservación no fueron la excepción. El uso creciente de la tecnología, como las cámaras trampa y la bioacústica, ya ayudaba a los científicos a monitorear bosques, seguir especies, y elaborar programas y proyectos para la protección de la biodiversidad. Sin embargo, el gran volumen de información requería de un intenso trabajo por parte de los investigadores para procesarla.

En otras palabras, se generaba un cuello de botella en el que se obtenían datos en poco tiempo, pero las conclusiones sobre esos datos podían tomar meses e incluso años. Fue precisamente ahí donde la inteligencia artificial empezó a ganarse un espacio.

“El gran paso adelante de la IA no es que identifiquemos aves —los expertos también identifican aves—. Lo interesante con la IA es que nos permite hacer 100 o 1000 veces más procesamiento de datos que antes. Esa es la cosa crítica”, asegura Jörg Müller, profesor de Ecología Animal y Biología Tropical de la Universidad Julius-Maximilians de Würzburg (Alemania) y subdirector del Parque Nacional Bosque Bávaro.

Cuando la selva canta Concepto, dirección científica, diseño y desarrollo del visualizador interactivo: Pedro Galindo Vera. Entrenamiento de Modelos IA: Christian Palma. Datos bioacústicos: Registros de audio de la Reserva Narupa, Fundación de Conservación Jocotoco. Curaduría bioacústica: Niels Krabbe. Procesamiento visual: Espectrograma interactivo generado a partir del audio y etiquetas acústicas por especie.

En América Latina ya existen proyectos que han obtenido resultados que hace unos años parecían imposibles de lograr. En Argentina, biólogos y físicos trabajan de la mano para grabar y procesar los cantos de un ave esquiva que se creyó extinta durante 40 años y así conocer más sobre su comportamiento y sus movimientos. En Ecuador, un proyecto científico detecta en tiempo real los sonidos de las motosierras y los disparos para que dos comunidades indígenas kichwa puedan proteger su territorio en la Amazonía. En Colombia, una investigadora se alió con una institución pública para sobrevolar un páramo calcinado y al procesar los videos de dron reconocer cuántos frailejones murieron y cuántos sobrevivieron.

El Instituto Smithsonian trabaja contrarreloj en Panamá para describir la gran variedad de insectos que habita en la isla de Barro Colorado antes de que se extingan, mientras que científicos tratan de identificar por sus manchas a cada jaguar que habita en la Reserva Nacional Tambopata en Perú y un proyecto innovador en Costa Rica clasificó con precisión y devolvió a los océanos más de una tonelada de conchas que los turistas intentaban sacar ilegalmente del país.

Estos son sólo algunos de los casos de éxito que Mongabay Latam presenta en este especial periodístico donde la IA se ha convertido en una aliada para conservar la biodiversidad.

Procesando datos a gran velocidad

“Instalamos cámaras hace 20 o 25 años, cuando tenían rollo. La tecnología de las cámaras evolucionó, son digitales, las puedes dejar cuatro meses en el campo y ahora instalamos hasta 200 cámaras. Tienes muchas más imágenes que antes y necesitas inteligencia artificial para procesar toda esa cantidad. En un muestreo, fácil te salen 500 000 imágenes”, dice Mathias Tobler, investigador del San Diego Zoo Wildlife Alliance en Tambopata, Perú.

De hecho, un artículo publicado en la revista Biología Futura en 2024 ya mencionaba que la inteligencia artificial, especialmente el deep learning —que utiliza redes neuronales artificiales para imitar el aprendizaje humano, permitiendo que las computadoras procesen datos complejos, reconozcan patrones y realicen tareas de forma autónoma—, ya es muy relevante para la conservación de la biodiversidad porque ayuda a procesar enormes volúmenes de datos que antes eran demasiado lentos de analizar manualmente. Es por esto que la IA está pasando de ser una herramienta experimental a una infraestructura central para monitoreo, predicción y priorización de acciones de conservación.

Con el paso de los años, la IA está pasando, efectivamente, de un rol secundario a uno central en la conservación. Luego de que un voraz incendio consumiera más de 300 hectáreas del páramo de Berlín, en Santander (Colombia), la investigadora Paula Uzcátegui utilizó drones para sobrevolar el área y con el uso de la IA estimó qué tanto afectó el fuego a los frailejones de la zona, una tarea que a escala manual sería supremamente lenta.

Enero de 2025, Paula Uzcátegui revisa su celular. Ahí tenía la aplicación con la que etiquetaba el frailejón que veía con respecto a la imagen que tomaron con el dron, para confirmar si estaba vivo o muerto. Foto: Cortesía de Paula Uzcátegui.

“Desde los drones se pueden ver patrones a una escala a la que antes tú no podías ver. Puedes ver patrones a nivel de cientos de hectáreas y también puedes tener datos de miles de individuos [frailejones]”, comenta Uzcátegui. “La mortalidad la determinamos a partir de la información multiespectral del sensor. No teníamos que ir al lugar para saber si los frailejones estaban vivos o muertos, sino que se veía por el sensor”, agrega.

El procesamiento de imágenes de cámaras trampa y satélites para detectar fauna o cambios en la cobertura forestal es uno de los principales desarrollos de la IA en el campo de la conservación, pero no es el único. El artículo menciona también el análisis de bioacústica y textos, por ejemplo para reconocer cantos de aves o extraer observaciones de redes sociales. También hay sistemas híbridos más eficientes, como el active learning —subcampo del aprendizaje automático donde el algoritmo elige inteligentemente qué datos necesita aprender en lugar de procesar grandes cantidades de información de forma pasiva—, que reducen el trabajo de etiquetado y clasificación humana casi por completo en algunos casos.

Aunque la IA está cada vez más presente en los proyectos, aún no se ha desarrollado todo su potencial. Jorge Ahumada es gerente de conservación en WildMon, una ONG dedicada al monitoreo de biodiversidad y conservación de ecosistemas mediante herramientas de IA, y director ejecutivo de Wildlife Insights, una plataforma global basada en la nube que con IA ayuda a gestionar, analizar y compartir fotos y datos de cámaras trampa para la conservación de la fauna. Según dice, el campo de la IA en conservación “está ahora comenzando”.

“El mayor uso lo veo en tratar de desembotellar el procesamiento de la información básica, mientras que los ecólogos se encargan de los análisis más grandes, ya que llevan muchos años enfocados en métodos para trabajar con la biodiversidad. Yo veo que hay un potencial muy grande para automatizar muchas cosas”, asegura Ahumada.

Muchos científicos están convencidos de esto. Gabriel Mindlin, director del Laboratorio de Sistemas Dinámicos de la Universidad de Buenos Aires, asegura que “la inteligencia artificial va a modificar dramáticamente los esfuerzos de conservación porque va a incorporar un montón de herramientas que permitirán procesamientos masivos de datos cuantitativos para su posterior manejo por parte de expertos”.

El modelo de IA solo requiere una fotografía para determinar, a partir de cuatro parámetros, si la concha pertenece a la costa del Pacífico o el Caribe. (Foto: FIFCO / Heineken).

El control sigue siendo humano

“La tecnología CNN [Red Neuronal Convolucional en español] actual es capaz de alcanzar más del 90 % de la precisión humana en la identificación de especies en imágenes de cámaras trampa”, indica el artículo publicado en la revista Biología Futura. Sin embargo, reconoce que para llegar a ese éxito se depende de una gran inversión previa de trabajo humano, pues se deben tener identificadas las especies para que el modelo pueda aprender.

Los expertos enfatizan en que no se trata de reemplazar a los científicos —es más, consideran que es muy poco probable que esto ocurra— sino que puedan dedicarse a asuntos de fondo al ahorrarles tiempo en trabajo repetitivo y hasta operativo. Jorge Ahumada afirma que el valor de un científico radica en responder preguntas mucho más complejas que suceden en los sistemas naturales y la inteligencia artificial aún está muy lejos de eso.

Por ejemplo, una de las preocupaciones de Maxim Larrivée, director del Insectario de Montreal, Canadá, es que los insectos están extinguiéndose a gran velocidad y aún se desconoce el nombre de muchos de ellos. En este momento, dice, existen algoritmos de IA capaces de identificar insectos y nombrarlos, pero sólo pueden hacerlo con las especies que conocen. “Lo que hicimos fue dar vuelta al guión y entrenamos a un algoritmo para reconocer insectos —mariposas nocturnas, en este caso— que nunca había visto. De modo que es capaz de decir: ‘nunca he visto esto, pero se parece mucho a algo que conozco’, y eso ayuda a acotar qué es esta nueva especie y con qué está asociada”.

Para Larrivée, esto es un avance importante porque “todos estos insectos existen allá afuera en el neotrópico y en los trópicos del mundo, pero no tienen nombre porque no tenemos el ‘ancho de banda’ humano para describirlos y catalogarlos”.

Científicos en Panamá intentan describir nuevas especies de polillas antes de que se extingan. Foto: Fern Alling/Cortesía STRI.

Pero no solo se trata de procesamiento y análisis de imágenes, sino también de sonidos. “Con los audios nos ha tomado más tiempo, pero ya empezamos a ver resultados. Tenemos la información, pero siempre hace falta una validación humana. Igual que con las imágenes de cámaras trampa, los audios tienen que pasar por un humano que confirme lo que dice la inteligencia artificial”, comenta David Parra, director de conservación de la Fundación Jocotoco en Ecuador, sobre el trabajo que realizan en la Amazonía para detectar, por sonido, diferentes especies de animales y amenazas como motosierras y disparos.

En Argentina, la IA también permitió que un grupo de científicos conociera más sobre la enigmática gallineta chica (Rallus antarcticus). Como esta ave es muy difícil de observar, sólo a través de sus sonidos pudieron detectar los sitios de la Patagonia donde aún habita.

Pero no se conformaron con esto: “Lo que se hace bastante es identificar especies por su canto, usando redes neuronales. Lo que estamos haciendo es ir un paso más allá y decir: ‘bueno, no sólo queremos identificar qué especie está cantando, sino qué individuo de esa especie está cantando’”.

Estas experiencias de conservación se sustentan en un concepto que aparece cada vez con mayor frecuencia en estudios sobre inteligencia artificial: human in the loop, mediante el cual los expertos participan proporcionando retroalimentación y evaluando las respuestas del sistema durante el entrenamiento del modelo, lo cual es esencial para limitar sesgos y alucinaciones. La IA trabaja a gran escala y reduce esfuerzo, pero el humano conserva el control en las etapas críticas.

Gallineta chica (Rallus antarcticus), una misteriosa ave que se creyó extinta durante 40 años en la Patagonia argentina. Foto: cortesía Hernán Povedano

“Mi postura definitivamente es: necesitamos a los expertos más que nunca, y todas las nuevas técnicas, desde el metabarcoding [técnica genética que identifica a la vez a todas las especies presentes en una muestra compleja, como agua o tierra] hasta la acústica, necesitan a los expertos urgentemente”, afirma el profesor Jörg Müller.

Yolanda Camacho, bióloga de la Universidad de Costa Rica, asegura que su experiencia utilizando la inteligencia artificial —para clasificar las conchas marinas que se iban a devolver a las playas costarricenses— le permitió comprobar el enorme potencial de esta herramienta para apoyar programas de conservación ambiental. “A mí sola me hubiera tomado mucho tiempo clasificar las conchas, hubiera tenido que pedir hasta seis meses sabáticos para completar la tarea”, dice Camacho, pero agrega que la IA no reemplaza el conocimiento y el trabajo de campo de años de un científico, pues su precisión depende completamente de la calidad de datos con los que se entrena el algoritmo. “Como taxónoma tenía que estar constantemente validando lo que la aplicación estaba mostrando. Si los datos son malos, la respuesta va a ser errónea”.

La premisa para Jorge Ahumada es simple: “no le vamos a creer a la inteligencia artificial todo lo que nos dice. Hay que verificar los datos”. Y esa verificación está en manos de los investigadores.

Yolanda Camacho es taxónoma y asesora científica del proyecto. Ella valida constantemente los resultados de la clasificación para asegurar que la reubicación de las conchas respete las dinámicas naturales de los ecosistemas. Foto: cortesía FIFCO / Heineken.

El impacto ambiental y otros retos de la IA

El boom de la IA en conservación ha traído expectativas pero también preocupaciones. Por ejemplo, la industria de los centros de datos quiere construir nuevas instalaciones en la Latinoamérica a toda velocidad, prometiendo inversión, empleo y crecimiento para los países. Sin embargo, las comunidades vecinas a esos centros han mostrado varias preocupaciones, entre las que destacan menos agua y cortes de energía, como lo mostró el Centro Latinoamericano de Investigación Periodística (CLIP) en una investigación de 2025.

Las empresas tecnológicas que utilizan agua para el funcionamiento y la refrigeración de estos centros de datos podrían necesitar entre 4200 y 6600 millones de metros cúbicos de agua para 2027.

Los expertos consultados para este reportaje reconocen que mitigar y reducir los impactos ambientales es un asunto en el que se debe trabajar, pero también creen que poco a poco la industria tecnológica se enfocará en ser cada vez más sostenible.

Juan Lavista Ferres, director científico de datos de Microsoft, comenta que el principal reto es la transición de la generación eléctrica hacia fuentes de energía renovable para alimentar estos centros de datos, aunque el mercado de energías renovables aún no es lo suficientemente amplio para satisfacer toda la demanda actual.

Gráfico cortesía de Paula Uzcátegui para Mongabay Latam

“Hay muchos algoritmos que requieren un montón de generación eléctrica, por ejemplo, los grandes modelos de lenguaje (LLM por sus siglas en inglés), pero es importante destacar que no todos los algoritmos de inteligencia artificial consumen la misma cantidad de energía porque no están hechos de la misma forma”, destaca Lavista.

Pedro Galindo, científico de datos y líder del departamento de Tecnología Aplicada a la Conservación de la Fundación Jocotoco, señala que los modelos más pequeños, como las redes neuronales convolucionales (CNN), utilizadas para identificar cantos de aves, ranas o mamíferos, son mucho menos exigentes en términos de energía. Sin embargo, reconoce que casi siempre habrá algún tipo de impacto medioambiental.

En el caso de las CNN, dice Galindo, a pesar de su bajo consumo, necesitan paneles solares para su alimentación, los cuales contienen minerales específicos que tienen una vida útil limitada. Además, requieren baterías (de litio o gel) para almacenar la energía, lo que añade un impacto adicional, y los componentes electrónicos de estos dispositivos, como las tierras raras y los semiconductores, también contribuyen a afectar el medioambiente. Si bien considera que siempre hay que buscar el menor impacto posible, se cuestiona: “todo esto también lo tienes en tu teléfono. ¿Por qué no tenerlo a servicio de la conservación?”.

Jorge Ahumada plantea un camino a seguir: “Los que estamos trabajando en conservación debemos hacer mucho más énfasis en la necesidad de regulación ambiental en los países y que las compañías sean responsables en el manejo de la energía”, y añade que actualmente hay tanta inversión en inteligencia artificial, que lograrlo no debería ser un problema.

Las jornadas de voluntariado se realizaron en los almacenes de los aeropuertos Juan Santamaría y Daniel Oduber. Foto: cortesía FIFCO / Heineken.

Lo que para Ahumada sí sigue siendo un problema es la financiación, pues gran parte de ella “todavía está muy orientada a inteligencia artificial en cosas comerciales, un poquito en ciencias aplicadas, pero poco en conservación”. Este es un gran reto porque las organizaciones que trabajan en el área de biodiversidad a menudo carecen de recursos, destaca Lavista.

Los expertos consideran que la IA en conservación debe ser incluyente y participativa, por lo que se debe proyectar su uso no sólo para los científicos sino para las comunidades campesinas y étnicas. Lavista asegura que “no queremos a nivel de sociedad que el uso de la inteligencia artificial amplíe la brecha digital que se generó entre la gente que sabe usar computadoras y la gente que no las sabe usar”.

Evitar esa brecha a su vez generará nuevos retos como un trabajo intensivo en capacitación y educación, pero es un trabajo que vale la pena “porque la inteligencia artificial permite separar la parte técnica y hacerla mucho más fácil para un grupo mucho más grande de personas”, concluye Ahumada.

***

Consulta aquí la publicación original de Mongabay Latam:

La inteligencia artificial se convierte en aliada clave para conservar la biodiversidad de América Latina