Un estudio sugiere que una nueva herramienta de imágenes de IA podría ayudar a desarrollar algoritmos para analizar imágenes de vida silvestre y ayudar a mejorar la comprensión de cómo las especies de todo el mundo están respondiendo al cambio climático.
El avance podría ayudar a los científicos a desarrollar nuevos algoritmos impulsados por inteligencia artificial para analizar rápidamente y en profundidad los millones de fotografías de vida silvestre que el público carga en Internet cada año.
Según los investigadores, podrían ayudar a revelar ideas clave sobre los efectos del cambio climático, la contaminación, la pérdida de hábitat y otros factores estresantes en miles de especies animales y vegetales.
Los sitios web de ciencia ciudadana son una fuente potencialmente rica de información sobre cómo los animales y las plantas están respondiendo al cambio climático. Sin embargo, aunque los algoritmos de IA existentes pueden identificar automáticamente especies en las imágenes cargadas, no está claro si también pueden revelar otra información.
Ahora, un equipo internacional de científicos ha desarrollado una nueva herramienta para probar qué tan bien los algoritmos de inteligencia artificial pueden extraer bancos de imágenes para obtener otra información. Esto puede incluir detalles como qué especies comen, qué tan saludables son y con qué otras especies interactúan.
La herramienta, llamada INQUIRE, mide la capacidad de la IA para sacar conclusiones de un banco de imágenes de cinco millones de fotografías de vida silvestre cargadas en el sitio web de ciencia ciudadana iNaturalist.
El equipo descubrió que los algoritmos de IA actuales son capaces de responder algunos de estos tipos de preguntas, pero fallan en preguntas más complejas. Estos incluían aquellos que requerían razonamiento sobre pequeñas características de las imágenes y aquellos que implicaban terminología científica detallada.
Los hallazgos resaltan oportunidades para desarrollar nuevos algoritmos de IA que puedan ayudar mejor a los científicos a explorar de manera eficiente grandes colecciones de imágenes, dijo el equipo.
Los resultados revisados por pares se presentarán en la conferencia NeurIPS, una de las principales conferencias sobre aprendizaje automático.
El equipo incluyó investigadores de la Universidad de Edimburgo, el University College London, la UMass Amherst, i-Naturalist y el Instituto Tecnológico de Massachusetts (MIT). El trabajo fue parcialmente apoyado por el Laboratorio de IA Generativa de la Universidad de Edimburgo.
El Dr. Oisin Mac Awdha de la Facultad de Informática de la Universidad de Edimburgo dijo: “Miles de fotografías de vida salvaje subidas a Internet cada día proporcionan a los científicos información valiosa sobre en qué partes del mundo se pueden encontrar diferentes especies. Sin embargo, saber qué especies se encuentran entre ellas. Una fotografía es sólo la punta del iceberg.
“Estas imágenes son potencialmente un recurso enormemente rico que permanece en gran medida sin explotar. Ser capaz de analizar de forma rápida y precisa la gran cantidad de información que contienen puede proporcionar pistas importantes sobre cómo las especies están respondiendo a desafíos multifacéticos como el cambio climático”.
La profesora asistente del MIT, la Dra. Sarah Beery, dijo: “Esta cuidadosa selección de datos, centrada en capturar ejemplos reales de investigación científica en los campos de investigación de la ecología y las ciencias ambientales, ha demostrado ser fundamental para ampliar nuestra comprensión de las capacidades actuales de este científico potencialmente influyente. Métodos de IA en la configuración.
“También describe las lagunas en la investigación actual que ahora podemos trabajar para abordar, cuestiones de composición particularmente complejas, terminología técnica y distinciones finas y matizadas que delinean categorías de interés para nuestros colaboradores”.