BearID, un programa creado por una colaboración entre desarrolladores y conservacionistas, podría ayudar a monitorear la salud de estos animales

Ed Miller y Mary Nguyen son desarrolladores de software de Silicon Valley de día, pero por las noches trabajan en la solución de un problema inusualmente difuso.

Hace unos años, la pareja quedó hipnotizada, como muchos de nosotros, por una webcam de Alaska que emitía osos pardos desde el Parque Nacional Katmai. También resulta que estaban buscando un proyecto para perfeccionar su experiencia en el aprendizaje de máquinas.

“Pensamos, el aprendizaje automático es realmente genial para identificar a las personas, ¿qué podría hacer por los osos?” Miller dijo. ¿Podría la inteligencia artificial utilizada para el reconocimiento facial ser aprovechada para discernir el rostro de un oso de otro?

En Knight Inlet en la Columbia Británica, Canadá, Melanie Clapham se planteó la misma pregunta.

Clapham, una investigadora de la Universidad de Victoria que trabajaba con Chris Darimont de la Fundación para la Conservación de la Costa Tropical, estaba muy interesada en explorar la tecnología de reconocimiento facial como ayuda para sus estudios sobre los osos pardos. Pero su especialidad era la biología de los osos, no la inteligencia artificial.

Por casualidad, los cuatro encontraron una coincidencia en Wildlabs.net, un intermediario online de colaboraciones entre tecnólogos y conservacionistas.

Combinando sus habilidades, Miller y Nguyen ofrecieron su tiempo libre durante varios años para este apasionante proyecto que finalmente daría sus frutos, informando de los resultados de su experimento la semana pasada en la revista Ecology and Evolution.

El proyecto que produjeron, BearID, podría ayudar a los conservacionistas a monitorear la salud de las poblaciones de osos en varias partes del mundo, y quizás ayudar también al trabajo con otros animales.

Comenzaron buscando otros animales que hubieran recibido el tratamiento de aprendizaje profundo.

“En la típica moda de la ingeniería, siempre estamos buscando un atajo”, dijo Miller.

Descubrieron el “hipsterizador de perros”, un programa que encontraba las caras, ojos y narices de los perros en las fotos y les colocaba anteojos y bigotes. “Ahí fue donde empezamos”, dijo Nguyen.

Aunque fue entrenado en perros, el programa funcionó razonablemente bien en las caras de los osos, dándoles una ventaja de programación. Sin embargo, Nguyen dijo que las etapas iniciales del trabajo fueron tediosas.

La creación de un conjunto de datos de entrenamiento para el programa de aprendizaje profundo implicó examinar más de 4.000 fotos con osos en ellas y luego destacar manualmente los ojos, nariz y orejas de cada oso dibujando cajas a su alrededor para que el programa pudiera aprender a encontrar estas características.

El sistema también tenía que superar un desafío de la apariencia física de los osos pardos.

Para monitorear las poblaciones, “tenemos que ser capaces de reconocer a los individuos”, dijo Clapham. Pero los osos no tienen ninguna característica comparable a una huella dactilar, como las rayas de una cebra o las manchas de una jirafa.

Idea y gestión

A partir de 4.675 rostros de osos completamente etiquetados en fotografías digitales, tomadas de sitios de investigación y observación de osos en Brooks River, Alabama, y Knight Inlet, dividieron al azar las imágenes en conjuntos de datos de entrenamiento y pruebas.

Una vez que incorporó los 3.740 rostros de osos, el aprendizaje profundo fue a trabajar “sin supervisión”, dijo Clapham, para ver qué tan bien podía detectar las diferencias entre los osos conocidos de 935 fotografías.

Primero, el algoritmo de aprendizaje profundo encuentra el rostro del oso usando puntos de referencia distintivos como los ojos, la punta de la nariz, las orejas y la parte superior de la frente. Luego la aplicación rota la cara para extraer, codificar y clasificar los rasgos faciales.

El sistema identificó osos con una precisión del 84%, distinguiendo correctamente entre los osos conocidos como Lucky, Toffee, Flora y Steve.

¿Pero cómo distingue realmente a esos osos? Antes de la era del aprendizaje profundo, “tratamos de imaginar cómo los humanos perciben los rostros y cómo distinguimos a los individuos”, dijo Alexander Loos, un ingeniero investigador del Instituto Fraunhofer de Tecnología de Medios Digitales, en Alemania.

Loos no participó en el estudio, pero ha colaborado con Clapham en el pasado. Los programadores introducían manualmente los descriptores de los rostros en una computadora.

Pero con un aprendizaje profundo, los programadores introducen las imágenes en una red neuronal que descubre la mejor manera de identificar a los individuos. “La red en sí misma extrae las características”, dijo Loos, lo que es una gran ventaja.

También advirtió que, “es básicamente una caja negra”.

“No sabes lo que hace”, y si el conjunto de datos que se examina es involuntariamente sesgado, pueden surgir ciertos errores.

Por ejemplo, si algunos osos son fotografiados más a menudo en condiciones de luz que en condiciones de oscuridad, la diferencia de iluminación puede causar una clasificación errónea de los osos (el sesgo de los datos puede ser un problema en el reconocimiento facial humano por la IA, y se sabe que las identificaciones erróneas son más probables para las personas de color).

Lo que sea que el BearID esté haciendo realmente, Clapham, que reconoce a muchos osos Knight Inlet de vista, se sorprendió y animó por donde el programa se quedó corto.

“Los osos que confundí, el programa también se los confundió”, dijo, sugiriendo que la aplicación se comporta de manera similar a la red neuronal en su cerebro.

Sin embargo, este primer lanzamiento de BearID es sólo el comienzo. Ella espera que la aplicación de código abierto sea más precisa con más entradas, uso y tiempo.

La aplicación es de gran interés para el Knight Inlet Lodge en Glendale Cove, que ha organizado tours de osos pardos durante décadas, y su actual propietario, el Consejo de Nanwakolas, cuyos miembros provienen de las Primeras Naciones de Canadá.

“Hace quince años, cuando empezamos a hacer planificación del uso de la tierra, sólo había un experto provincial en salud de osos para toda la provincia”, dijo Kikaxklalagee / Dallas Smith, el presidente del Consejo de Nanwakolas y miembro de la Nación Tlowitsis.

Eso dificultó la comprensión de las Naciones sobre la salud de los osos en su territorio. Dijo que se sentía emocionado de que esta tecnología “Jason Bourne-ish” permitiría una administración más informada de los osos. “Estamos tratando de hacer una operación sostenible y de huella limitada”.

Y el BearID puede que no se detenga con los osos norteamericanos, ya que Clapham ya está en conversación con interesados en usarlo para otras especies como los osos perezosos, los osos solares y los osos asiáticos, así como los lobos.

“Lo que nos encantaría es que algún día tengamos un lugar donde la gente pueda subir imágenes de cámaras trampa y el sistema te diga no sólo qué especie has visto, sino también qué individuo has visto”, y tal vez su sexo y edad también, dijo.

Fuente: NYT