En un viaje reciente a los jardines botánicos locales, noté una flor púrpura alta y llamativa que nunca antes había notado. Intenté buscarlo en Google, pero no sabía qué preguntar. La "flor púrpura" me trajo fotos de narcisos y fresias, orquídeas y onagra, gladiolos y gloria de la mañana. Ninguno de ellos era la flor que había visto.
contenido relacionado
- ¿El próximo gran descubrimiento científico será realizado por aficionados?
- Científicos catalogan criaturas en todos los rincones de Los Ángeles
- Los tres resultados principales de un proyecto de ciencia ciudadana de 115 años
- Sin supervisión humana, 16, 000 computadoras aprenden a reconocer a los gatos
Pero gracias a la inteligencia artificial, los naturalistas aficionados curiosos como yo ahora tienen mejores formas de identificar la naturaleza que nos rodea. Varios sitios y aplicaciones nuevos usan la tecnología AI para poner nombres a las fotografías.
iNaturalist.org es uno de estos sitios. Fundado en 2008, hasta ahora ha sido únicamente un sitio de crowdsourcing. Los usuarios publican una imagen de una planta o animal y una comunidad de científicos y naturalistas la identificará. Su misión es conectar expertos y "científicos ciudadanos" aficionados, haciendo que la gente se entusiasme con las plantas y la vida silvestre mientras usa los datos recopilados para ayudar potencialmente a los científicos profesionales a monitorear los cambios en la biodiversidad o incluso descubrir nuevas especies.
El modelo de crowdsourcing generalmente funciona bien, dice Scott Loarie, codirector de iNaturalist. Pero hay algunas limitaciones. Primero, puede ser mucho más difícil obtener una identificación de su fotografía dependiendo de dónde viva. En California, donde tiene su sede Loarie, puede obtener una identificación en una hora. Esto se debe a que una gran cantidad de expertos que frecuentan iNaturalist se basan en la costa oeste. Pero alguien en, por ejemplo, la zona rural de Tailandia puede tener que esperar mucho más para recibir una identificación: el tiempo promedio que lleva obtener una identificación es de 18 días. Otro problema: a medida que el sitio se ha vuelto más popular, el equilibrio de observadores (personas que publican imágenes) a identificadores (personas que le dicen cuáles son las imágenes) se ha sesgado, con muchos más observadores que identificadores. Esto amenaza con abrumar a los expertos voluntarios.Este mes, iNaturalist planea lanzar una aplicación que use IA para identificar plantas y animales hasta el nivel de especie. La aplicación aprovecha el llamado "aprendizaje profundo", que utiliza redes neuronales artificiales que permiten que las computadoras aprendan como lo hacen los humanos, por lo que sus capacidades pueden avanzar con el tiempo.
"Tenemos la esperanza de que esto involucrará a un nuevo grupo de científicos ciudadanos", dice Loarie.
La aplicación se entrena al alimentarse con imágenes etiquetadas de la base de datos masiva de observaciones de "grado de investigación" de iNaturalist, observaciones que han sido verificadas por la comunidad de expertos del sitio. Una vez que el modelo ha sido entrenado en suficientes imágenes etiquetadas, comienza a ser capaz de identificar imágenes no etiquetadas. Actualmente, iNaturalist puede agregar una nueva especie al modelo cada 1.7 horas. Cuantas más imágenes suban los usuarios e identifiquen expertos, mejor.
"Mientras más cosas tengamos, más entrenada estará la modelo", dice Loarie.
El equipo de iNaturalist quiere que el modelo sea siempre preciso, incluso si eso significa no ser lo más preciso posible. En este momento, el modelo intenta dar una respuesta segura sobre el género del animal, luego una respuesta más cautelosa sobre la especie, ofreciendo las 10 mejores posibilidades. Actualmente es correcto sobre el género el 86 por ciento de las veces, y le da a la especie en sus 10 resultados principales el 77 por ciento de las veces. Estos números deberían mejorar a medida que el modelo continúa siendo entrenado.
Jugando con una versión demo, entré en una imagen de un frailecillo encaramado en una roca. "Estamos bastante seguros de que esto está en el género Puffins", dijo, dando la especie correcta, frailecillo atlántico, como el resultado sugerido superior. Luego entré en una foto de una rana con garras africanas. "Estamos bastante seguros de que esto está en el género sapos de espuelas occidentales", me dijo, ofreciendo una rana africana con garras como uno de sus 10 mejores resultados.
La IA "no tenía la confianza suficiente para hacer una recomendación" sobre una foto de mi hijo, pero sugirió que podría ser una rana leopardo del norte, un caracol de jardín o una serpiente de Gopher, entre otras criaturas no humanas. Como todos estos se ven, me di cuenta de que la visión por computadora estaba viendo el fondo de lunares de la trona de mi hijo y lo identificaba erróneamente como parte de la muestra. Así que recorté la imagen hasta que solo su cara era visible y presioné "clasificar". "Estamos bastante seguros de que esto está en el suborden Lizards", respondió la IA. O mi bebé se parece a un lagarto o, la respuesta real, supongo, esto muestra que el modelo solo reconoce lo que ha sido alimentado. Y nadie le está dando fotos de humanos, por razones obvias.
iNaturalist espera que la aplicación elimine la presión de su comunidad de expertos y permita que participe una comunidad más grande de observadores, como grupos de escolares. También podría permitir la “captura de cámara”: enviar secuencias de imágenes desde una trampa de cámara, que toma una imagen cuando se activa por movimiento. iNaturalist ha desaconsejado la captura de cámaras, ya que inunda el sitio con grandes cantidades de imágenes que pueden o no necesitar una identificación experta que (algunas imágenes estarán vacías, mientras que otras atraparían animales comunes como ardillas que el propietario de la cámara podría identificar fácilmente a sí mismo o sí misma). Pero con la IA eso no sería un problema. iNaturalist también espera que la nueva tecnología atraiga a una nueva comunidad de usuarios, incluidas personas que puedan estar interesadas en la naturaleza pero que no estarían dispuestas a esperar varios días para una identificación bajo el modelo de crowdsourcing.
La identificación rápida de especies también podría ser útil en otras situaciones, como la aplicación de la ley.
"Digamos que los trabajadores de la TSA abren una maleta y alguien tiene geckos", dice Loarie. "Necesitan saber si arrestar a alguien o no".
En este caso, la IA podría decirle a los agentes de la TSA qué tipo de gecko estaban observando, lo que podría ayudar en una investigación.
iNaturalist no es el único sitio que aprovecha la visión por computadora para involucrar a científicos ciudadanos. La aplicación Cornell's Merlin Bird ID usa AI para identificar más de 750 aves de América del Norte. Solo tiene que responder algunas preguntas simples primero, incluido el tamaño y el color del pájaro que vio. hace lo mismo para las plantas, después de decirle qué parte de la planta está mirando (flor, fruta, etc.).
Todo esto es parte de una gran ola de interés en el uso de IA para identificar imágenes. Hay programas de IA que pueden identificar objetos de dibujos (incluso los malos). Los AI pueden mirar pinturas e identificar artistas y géneros. Muchos expertos creen que la visión por computadora desempeñará un papel importante en la atención médica, lo que facilitará la identificación, por ejemplo, de los cánceres de piel. Los fabricantes de automóviles utilizan la visión por computadora para enseñar a los automóviles a identificar y evitar golpear a los peatones. Un argumento de un episodio reciente de la comedia Silicon Valley trataba sobre una aplicación de visión por computadora para identificar alimentos. Pero dado que su creador solo lo entrenó en hot dogs, ya que entrenar una red neuronal requiere innumerables horas de trabajo humano, solo pudo distinguir entre hot dogs y "no hot dogs".
Esta cuestión del humor laboral es importante. Las bases de datos masivas de imágenes correctamente etiquetadas son cruciales para entrenar IA y pueden ser difíciles de encontrar. iNaturalist, como un sitio de crowdsourcing desde hace mucho tiempo, ya tiene exactamente este tipo de base de datos, por lo que su modelo ha avanzado tan rápido, dice Loarie. Otros sitios y aplicaciones tienen que encontrar sus datos en otro lugar, a menudo de imágenes académicas.
"Todavía es temprano, pero te garantizo que el próximo año verás una proliferación de este tipo de aplicaciones", dice Loarie.
