Cuando el zoólogo es una red neuronal

En un futuro no muy lejano, la nueva Jane Goodall podría ser un programa de ordenador. Especialmente después del avance que acaba de presentar Dan Schofield y su equipo de las Universidades de Oxford y Kyoto, quienes han entrenado a una red neuronal para reconocer las caras de un grupo de 23 chimpancés en libertad y seguir sus movimientos. El sistema utilizó 50 horas de grabaciones tomadas durante 14 años por los primatólogos japoneses en los bosques de Guinea y analizó 10 millones de imágenes para aprender a seguir a cada individuo y marcar sus movimientos. Y lo más importante: lo hizo de una manera que desborda ampliamente cualquier capacidad humana.

En un trabajo publicado este miércoles en la revista Science Advances, los autores aseguran haber dado un gran paso delante en el análisis automatizado de grandes cantidades de datos tomados por los investigadores en la naturaleza. “Aprovechar el poder del aprendizaje automático para desbloquear grandes archivos de vídeo, hace viable la medición del comportamiento a largo plazo, por ejemplo observando cómo cambian las interacciones sociales de un grupo [de chimpancés] a lo largo de varias generaciones”, explica Schofield.

Aunque ahora se usa el vídeo para estudiar comportamientos de animales, su uso es limitado por la cantidad de horas de trabajo que supone analizar horas y horas de grabación. Además, los modelos de reconocimiento facial empleados hasta ahora con primates no estaban preparados para las variaciones en las condiciones de luz y el movimiento que caracteriza este tipo de grabaciones hechas sobre el terreno.

Se trata de monitorizar a especies y poblaciones usando sistemas automatizados

El modelo desarrollado por los autores, en cambio, es capaz de identificar individuos con una fiabilidad del 92,5% y su sexo con una fiabilidad del 96,2%, además de identificar a las madres y sus crías y la evolución de las relaciones del grupo. Para hacerse una idea, para una misma tarea los humanos con experiencia en este tipo de identificaciones analizaron el mismo set de imágenes que la máquina en 55 minutos y codificaron los datos de los chimpancés con un 42% de aciertos. Otro grupo de personas sin experiencia completó la misma tarea en 130 minutos y solo un 21% de fiabilidad. La máquina lo hizo en 30 segundos y su tasa de acierto fue del 84%.

“El acceso a estos grandes archivos de vídeo nos ha permitido usar las redes neuronales más avanzadas para entrenar modelos a una escala que previamente no era posible”, asegura Arsha Nagrani, coautora del estudio. “Además, nuestro método difiere de los programas anteriores de reconocimiento facial de primates en que puede ser aplicado a imágenes en bruto con una pequeña intervención manual o pre-procesamiento, lo que ahorra horas de trabajo y recursos”.

El sistema puede ser aplicado a imágenes en bruto y ahorrar muchas horas de trabajo y recursos

Los autores aseguran también que esta tecnología tiene un gran potencial para otras especies, particularmente en lo que se refiere a los trabajos para su conservación, y lo ponen a disposición de otros investigadores. “Con una crisis creciente en la biodiversidad y muchos de los ecosistemas mundiales amenazados la habilidad para monitorizar de cerca a las diferentes especies y poblaciones usando sistemas automatizados será crucial para los esfuerzos de conservación, así como la investigación sobre comportamiento animal”, concluye Schofield. “Las colaboraciones interdisciplinares como esta tiene un enorme potencial para generar un impacto, encontrando nuevas soluciones a viejos problemas y planteando cuestiones biológicas que antes no eran accesibles a gran escala”.

Referencia: Chimpanzee face recognition from videos in the wild using deep learning (Science Advances)