El algoritmo TropiCam-AI logra un 95% de precisión y promete transformar el monitoreo y la conservación de especies en bosques tropicales
Un equipo investigador del Museo Nacional de Ciencias Naturales (MNCN) de España desarrolló TropiCam-AI, el primer algoritmo de inteligencia artificial capaz de identificar automáticamente especies animales arbóreas en la Amazonía a partir de imágenes captadas por cámaras trampa, informó la agencia EFE.
Según informó el centro científico, la herramienta permite reconocer la fauna que habita en el dosel de los bosques húmedos neotropicales, un entorno tradicionalmente difícil de estudiar por métodos convencionales.
El sistema fue diseñado para identificar 84 grupos de mamíferos y aves y alcanza una precisión del 95%, lo que representa un avance significativo para la investigación ecológica en regiones tropicales.
El MNCN subraya que el monitoreo eficiente de las poblaciones de fauna silvestre es clave para evaluar la salud de los ecosistemas y diseñar planes de conservación. En ese contexto, TropiCam-AI abre nuevas posibilidades para estudiar especies esquivas y de hábitos arbóreos.
“Con TropiCam-AI podemos procesar rápidamente cientos de miles de imágenes de fauna arbórea en los bosques tropicales con gran precisión, transformando la manera en que estudiamos estos ecosistemas”, explicó Andrea Zampetti, autor principal del estudio.
La herramienta reconoce 84 taxones -63 especies, 13 géneros, cinco familias y tres órdenes- de mamíferos y aves, incluidos todos los géneros de monos del continente americano.
Para su desarrollo, el equipo entrenó el algoritmo con más de 180,000 imágenes de cámaras trampa procedentes de Brasil, Perú, Costa Rica y la Guayana Francesa, además de casi 54,000 imágenes de ciencia ciudadana obtenidas en la plataforma iNaturalist.
Con el fin de mejorar la identificación en casos complejos, los investigadores implementaron una estrategia de clasificación jerárquica que permite asignar especies a niveles taxonómicos superiores cuando existe incertidumbre.
Esto incrementa la precisión y posibilita que el modelo funcione incluso en áreas y con especies no incluidas en su entrenamiento inicial.
Como ejemplo, el MNCN señala que una nueva especie de mono araña puede ser reconocida eficazmente como perteneciente al género Ateles, aun cuando el algoritmo no haya sido entrenado específicamente con ella.
Aunque el uso de Inteligencia Artificial (IA) para el reconocimiento de especies es cada vez más común, la mayoría de las herramientas actuales se centran en fauna terrestre de ambientes templados.
Para Ana Benítez-López, investigadora del MNCN, TropiCam-AI supone un cambio de paradigma. No solo acelera el procesamiento de datos, sino que también democratiza el acceso a la inteligencia artificial para quienes trabajan en ecosistemas neotropicales.