Un estudio publicado en Nature Methods usa inteligencia artificial para identificar aves individuales por su canto. El modelo alcanza hasta un 96% de precisión y abre una vía menos invasiva para seguir poblaciones de aves.
Hay pájaros que parecen cantar todos igual, pero no lo hacen. El ovenbird, una pequeña reinita americana de cuerpo redondeado que vive cerca del suelo y construye un nido con forma de hornito, tiene un repertorio sorprendentemente limitado: el macho adulto canta básicamente una sola melodía durante toda su vida.
Suena como un teacher-teacher-teacher rápido y repetido. A oído humano, todos parecen clones. Sin embargo, cada ejemplar tiene su propia versión, su pequeño sello personal. Y ahí es donde entra la inteligencia artificial.
Un equipo de biólogos ha publicado este mes en la revista Nature Methods un trabajo en el que demuestra que un modelo de IA puede identificar ovenbirds individuales usando solo grabaciones de sus cantos.
El estudio se apoya en miles de horas de audio recogidas en Pensilvania y Alberta, y supone un paso importante para vigilar la salud de las poblaciones de aves sin tener que capturarlas una y otra vez.
La investigación la lideró Sam Lapp, investigador postdoctoral en la Universidad de Colorado, aunque el trabajo se desarrolló durante su etapa en el Departamento de Ciencias Biológicas de la Universidad de Pittsburgh.
La clave está en que el ovenbird macho es muy fiel a su canción. No es un pájaro que vaya cambiando de repertorio ni que mezcle decenas de variaciones. Canta una versión muy estable de su canto primario, sobre todo en primavera, para defender su territorio y atraer pareja. Esa constancia lo convierte en una especie ideal para probar si una máquina puede reconocer a un individuo concreto por su voz. Lapp lo explicó así: hay muchas aves que desarrollan una firma vocal a lo largo de su vida, pero el ovenbird tiene la ventaja de tener un solo canto estable y cantar solo una versión de él.
Para entrenar el sistema, el equipo usó grabaciones de casi 130 sitios de Pensilvania tomadas durante cuatro años. La idea de partida era razonable: si cada primavera el mismo pájaro vuelve al mismo trozo de bosque, las canciones parecidas podrían agruparse y asociarse a un mismo individuo.
Los investigadores procesaron 9.072 horas de audio y siguieron a 405 aves. Después probaron el modelo con otro conjunto de grabaciones recogidas en bosques mixtos y boreales de Alberta durante la temporada de cría de 2016. El resultado: el sistema podía vincular canciones con aves individuales con una precisión de hasta el 96%.
Eso es mucho más rápido y menos pesado que el método tradicional del anillamiento científico, que consiste en capturar al ave, ponerle una anilla en la pata y esperar a volver a capturarla la primavera siguiente.
El anillamiento lleva usándose desde finales del siglo XIX; el danés Hans Christian Cornelius Mortensen empezó a poner anillas a aves en 1899. Ha sido una herramienta fundamental para estudiar migraciones y supervivencia, pero exige muchas horas de campo y no siempre es fácil repetir las capturas.
La idea de este nuevo estudio surgió, de hecho, de una colaboración con biólogos de Alberta que intentaban localizar aves en territorios enormes usando una red de micrófonos.
Lapp contó que el oído humano no puede distinguir a un ovenbird de otro en tiempo real porque los matices vocales ocurren demasiado rápido. Pero en un espectrograma, la representación visual del sonido, cada canto adquiere una forma reconocible. Ahí empezó a preguntarse si se podía enseñar a una máquina a ver esos patrones y hacer un reconocimiento individual automático. La respuesta es que sí. El modelo no entiende el canto como nosotros, pero aprende a detectar diferencias finas que se nos escapan.
Uno de los coautores, Erin Bayne, profesor de biología de la Universidad de Alberta, lleva años escuchando ovenbirds y conoce el trabajo de monitorización anual.
Durante su doctorado pasó decenas de miles de horas siguiendo aves anilladas, hasta el punto de distinguir individuos por sus variaciones vocales. Decía que sabía quién era quién. También se fijó en un detalle curioso: cuando cantan, parecen muy educados. Uno canta, el otro espera a que termine y entonces responde casi al instante. Para Bayne, el estudio demuestra que la comunicación de las aves es más compleja de lo que suele creerse y que hay conversaciones en marcha aunque no entendamos el idioma.
Ojo, porque el sistema tiene límites. No sirve bien para seguir los cantos variados de las hembras de ovenbird ni las vocalizaciones simples de los jóvenes. Tampoco funcionaría con especies que imitan constantemente sonidos nuevos o que cantan decenas de canciones distintas, como las urracas o los sinsontes.
Donde mejor rinde es con aves que mantienen un canto único y estable toda la vida, algo que ocurre en alrededor del 30% de las especies de pájaros cantores, y también con ciertos murciélagos y búhos.
Los investigadores han publicado el código del programa en sitios de código abierto para que otros biólogos puedan usarlo con otras poblaciones o especies.
Richard Hedley, ecólogo estadístico del Instituto de Monitorización de la Biodiversidad de Alberta, no participó en el trabajo, pero cree que tiene un potencial enorme.
La monitorización acústica con IA ya se usaba para identificar especies, pero demostrar que se puede distinguir individuos es un logro muy llamativo.
Además, existe una gran cantidad de grabaciones antiguas que podrían aprovecharse de otra manera. Como él mismo señala, capturar un solo pájaro puede llevar muchas horas, así que poder hacer seguimiento simplemente colocando un micrófono en su territorio es muy prometedor.
En resumen: menos molestias para las aves y más información para los científicos.