IA y ciencia ciudadana: un estudio muestra cómo millones de observaciones en línea alimentan la investigación ecológica

Millones de personas en todo el mundo salen a observar aves, fotografiar mariposas o registrar plantas silvestres. Lo hacen por placer, casi siempre sin sospechar que cada comentario que dejan en plataformas gratuitas como eBird o iNaturalist podría contener información valiosa para la ciencia. El problema era que esos datos quedaban sepultados bajo millones de anotaciones que ningún equipo de investigación podía revisar de forma manual.

¿Cómo acceder a registros sobre la forma en que distintas especies se relacionan entre sí, ya sea al polinizar una flor, competir por alimento o depredar a otro animal? Documentar esas dinámicas en el campo exige vigilancia continua, algo que ningún grupo de científicos puede sostener las 24 horas del día en cada rincón de un ecosistema. Sin embargo, cientos de millones de aficionados a la naturaleza ya lo hacían sin saberlo cada vez que anotaban lo observado en una plataforma digital.

Un equipo liderado por la Universidad de Míchigan demostró que la inteligencia artificial puede extraer y clasificar datos ecológicos ocultos en esos comentarios. Los resultados, divulgados en la revista Proceedings of the National Academy of Sciences, revelaron además indicios de especies vegetales foráneas en ecosistemas de la costa oeste de Estados Unidos, un tipo de alerta temprana que, sin este método, habría pasado inadvertida.

Cómo la inteligencia artificial lee lo que los humanos no alcanzan a revisar

Para probar la viabilidad de este enfoque, el equipo diseñó dos estudios de caso. El primero se centró en la relación entre una mariposa polinizadora que habita la costa oeste de Estados Unidos y México, y las plantas que visita, con datos tomados de iNaturalist. El segundo analizó vínculos diversos entre aves de Míchigan documentados en los comentarios de eBird, desde conductas cooperativas como el vuelo en bandada hasta disputas por un lugar en un comedero.

En ambas plataformas, cada avistamiento se sube acompañado de metadatos esenciales, es decir, información sobre el momento y el lugar exacto de la observación. El desafío consistía en determinar cuáles de esas entradas incluían, además, un comentario con datos útiles sobre vínculos entre organismos. Cualquier persona puede reconocer esas descripciones sin necesidad de vocabulario científico, pero la escala del problema lo volvía inabordable: había millones de anotaciones por filtrar.

El equipo recurrió entonces a modelos de lenguaje extenso, sistemas de inteligencia artificial diseñados para procesar texto del mismo modo en que lo haría un lector humano. Herramientas como Claude y ChatGPT fueron entrenadas con instrucciones específicas, elaboradas junto con estudiantes de grado en ecología e informática, que les permitieron extraer y clasificar las relaciones detectadas con buena precisión.

Así lo indicó Hengxing Zou, autor principal del estudio, quien realizó el trabajo como investigador posdoctoral en el Instituto de Biología del Cambio Global de la Universidad de Míchigan, según la comunicación institucional.

Seis minutos frente a ocho horas

Para medir el ahorro de tiempo que ofrece esta herramienta, el equipo llevó a cabo una comparación directa. Primero, ChatGPT aisló de los datos de eBird aquellos comentarios que contenían relaciones entre organismos. Luego, Olivia Stein, asistente de investigación de grado, tomó una muestra aleatoria de casi 500 de esos comentarios para clasificar manualmente qué tipo de vínculo describían. Después, Claude realizó la misma tarea. Lo que a Stein le demandó ocho horas, Claude lo completó en seis minutos.

“El enfoque es realmente versátil y tenemos una enorme cantidad de datos esperando a ser analizados”, afirmó Zou según la comunicación institucional. El investigador reconoció que existen controversias en torno al uso de inteligencia artificial en el ámbito científico, pero señaló que este proyecto demuestra cómo la tecnología amplía el esfuerzo humano en lugar de reemplazarlo.

“Sería casi imposible para los humanos revisar los millones de comentarios que existen. Usamos los modelos de lenguaje para generar conjuntos de datos, no para analizarlos ni para sustituir el trabajo creativo de los científicos”, agregó.

Un método que va más allá de aves y mariposas

“Este enfoque nos da algo que los ecólogos han necesitado durante mucho tiempo: una forma de examinar las relaciones entre especies a gran escala espacial y temporal”, afirmó Kai Zhu, autor sénior del estudio y profesor asociado en la Escuela de Medio Ambiente y Sostenibilidad de la Universidad de Míchigan, según el comunicado de prensa. La inteligencia artificial, añadió, puede convertir registros dispersos en conjuntos de datos capaces de revelar cómo las comunidades biológicas responden al cambio global.

El propio Zou subrayó que, más allá de la tecnología, el enfoque conecta con una tradición fundacional de la ecología: salir a observar la naturaleza y anotar lo que resulta llamativo. Ese hábito, multiplicado por cientos de millones de usuarios en plataformas digitales, abre la puerta a detectar fenómenos como la infiltración de especies foráneas en ecosistemas nativos. En un contexto de cambio climático y pérdida de biodiversidad, ese tipo de vigilancia adquiere un valor difícil de reemplazar. “Creo que hay mucha más información por recuperar de este tipo de comentarios, además de las relaciones entre especies”, concluyó según el comunicado.