Contar patos y gansos podría parecer una tarea sencilla, pero en realidad es una de las misiones más costosas y complejas de la conservación ambiental. Ahora, un equipo de investigadores de las universidades de Misuri e Illinois ha desarrollado un sistema que combina drones, inteligencia artificial y modelos generativos como ChatGPT para transformar radicalmente el monitoreo de aves acuáticas y sus hábitats.
El sistema utiliza drones equipados con cámaras de alta resolución que sobrevuelan humedales y registran cientos de imágenes. A partir de esas capturas, una red neuronal —basada en el modelo Faster R-CNN— identifica cada ave, incluso en escenas densas o con vegetación espesa, con una precisión del 86%. Luego, un modelo híbrido que combina la herramienta Segment Anything de Meta y un clasificador ResNet50 reconoce los distintos tipos de hábitats (agua, cultivos, áreas boscosas o herbáceas) con un 85% de exactitud.
Uno de los avances más ingeniosos es un método que evita el doble conteo: el sistema compara las posiciones de las aves en imágenes consecutivas para detectar superposiciones con un margen de error menor al 5%. Finalmente, todos los datos —desde las especies detectadas hasta las condiciones climáticas del vuelo— se integran en un informe automatizado generado por ChatGPT, que convierte los resultados en un texto claro y legible.
Más allá de los logros técnicos, el estudio plantea un nuevo paradigma para la conservación: reemplazar los costosos censos manuales y los vuelos tripulados por una red de drones inteligentes capaces de monitorear vastas zonas sin alterar la fauna. Esta alianza entre la inteligencia artificial y la biología no solo ahorra tiempo y recursos, sino que podría convertirse en una herramienta clave para proteger ecosistemas frágiles frente al cambio climático y la pérdida acelerada de biodiversidad.
Más información en el artículo de Zhenduo Zhai, Zhiguang Liu, Yang Zhang, Andrew Zhaoy y Yi Shang en MDPI.
