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.