Escondido en el hueco de un árbol, un pequeño micrófono graba los sonidos del bosque durante toda la noche. Mientras tanto, un pájaro pasa volando con un pequeño marcador GPS colocada en su espalda. A cientos de kilómetros de distancia, un algoritmo informático escanea las grabaciones e identifica los cantos, mientras los científicos siguen los movimientos del pájaro desde la pantalla. 

La inteligencia artificial está ganando terreno en la monitorización de la biodiversidad, donde se utilizan el deep learning y las redes neuronales artificiales para procesar grandes cantidades de datos, lo que amplía la velocidad y la escala del análisis científico. A esto se suman los avances tecnológicos que permiten a los biólogos recopilar datos de formas novedosas y a un menor coste. Los investigadores ahora pueden instalar sensores relativamente baratos para la fauna silvestre, como cámaras trampa, unidades de grabación autónomas (ARU) y cámaras térmicas en todo el paisaje, lo que les permite monitorear especies difíciles de capturar, acceder a lugares de difícil acceso y ampliar el alcance de sus estudios en el tiempo y el espacio.

La escucha automática se refiere a la capacidad de los ordenadores para interpretar el sonido. Las grabadoras capturan los cantos de las especies y los paisajes sonoros y procesan las grabaciones mediante algoritmos para responder a preguntas biológicas y ecológicas. Un ejemplo del uso de la escucha automática es el procesamiento de largas grabaciones nocturnas de cantos de aves producidos por migrantes nocturnos. Hasta el 85 % de las aves migran por la noche y la mayoría tienen cantos nocturnos específicos de cada especie [1]. 

En el pasado, la gente dependía de técnicas como la observación de la luna, es decir, observar la luna a través de un telescopio para detectar la silueta de las aves que volaban [2]. En cambio, los científicos y aficionados pueden desplazarse por los espectrogramas durante el día para buscar posibles cantos [3]. Aunque sea más rápido que las actividades nocturnas, el etiquetado manual de los conjuntos de datos sigue siendo una tarea muy tediosa. Aquí es donde la escucha automática está transformando el campo, permitiendo a los ordenadores detectar e identificar llamadas y especies en cuestión de minutos..

Pero estos sistemas no son perfectos. Sobre el terreno, la precisión y exactitud de los modelos de aprendizaje automático utilizados para identificar especies y tipos de llamadas depende de cómo se entrenen los modelos. Intentar detectar un ave europea en un modelo entrenado con especies hawaianas podría identificar incorrectamente un kiwikiu en lugar del cuco, que es mucho más probable de encontrar. 

Sin embargo, el desarrollo de modelos avanza rápidamente, las redes neuronales artificiales pueden analizar espectrogramas utilizando el reconocimiento visual por ordenador, y hay funciones de los programas que pueden captar incluso las diferencias más sutiles entre los sonidos [4]. Este enfoque permite preentrenar los modelos y luego perfeccionarlos con datos locales mediante el aprendizaje por transferencia , lo cual es mucho más accesible que crear un modelo desde cero, por no mencionar que requiere menos recursos computacionales [5].

La difusión de los sensores de fauna salvaje plantea cuestiones que van más allá de la tecnología. En una publicación reciente titulada "The Planetisation of Machine Listening" (La planetización de la escucha automática), el profesor James E. K. Parker sostiene que cuanto más se utilice la escucha automática como herramienta de supervisión y conservación, más se expandirá su uso [6]. Una vez que empezamos, y ya lo hemos hecho, tendemos a ampliarlo a un ritmo que los marcos políticos y legales no están preparados para afrontar en la actualidad.. 

Persisten los retos sin resolver en materia de almacenamiento de datos respetuoso con el carbono y seguridad de los datos en todo el campo, al igual que las consideraciones éticas cuando la bioacústica comienza a «interactuar activamente» con la naturaleza, por ejemplo, cuando se reproducen sonidos en zonas de restauración de corales para atraer a especies específicas [6].

Figura 1: "Cámara de fototrampeo" by jurvetson is licensed under CC BY 2.0. 2009.