¿Puede el aprendizaje profundo superar la deforestación ilegal?

Foto: Terrapattern

No debería sorprender que las tecnologías de detección de todo tipo hayan adoptado la Inteligencia Artificial para mejorar su precisión. La capacidad de una IA para ajustar su comportamiento de acuerdo con la retroalimentación en tiempo real puede significar toda la diferencia entre seguridad y peligro, e incluso vida o muerte.

Google ahora usa IAs que ayudan a los patólogos a detectar cánceres antes de que puedan hacer metástasis por completo. Las tecnologías de ubicación de disparo han desarrollado sistemas acústicos capaces de detectar el sonido de los disparos en tiempo real, alertando a la policía de su ruido casi instantáneamente. Y en el frente doméstico, tiene Lighthouse , un sistema de seguridad para el hogar que le permite personalizar infinitamente la forma en que monitorea su hogar en busca de señales de intrusión o perturbación. Los médicos, los profesionales de la ley y los propietarios han descubierto que Deep Learning puede ayudarlos a resolver cualquier cantidad de problemas cotidianos y en tiempo real.

El Aprendizaje profundo también está comenzando a desempeñar un papel cada vez más importante en las tecnologías de conservación, donde las respuestas en tiempo real a las posibles amenazas ambientales son de suma importancia.

Rainforest Connection se encuentra en la cúspide de esta nueva ola de sistemas de detección de conservación en tiempo real. Hemos sido pioneros en tecnología que utiliza Deep Learning para detectar ruidos mecánicos (como motosierras y motores de vehículos) que podrían amenazar los hábitos de la selva. Además, hemos desarrollado algoritmos que pueden detectar señales bioacústicas (la canción de una especie particular de loro, por ejemplo) con grados cada vez más altos de precisión.

Eso está bien y bien. Pero todavía hay una trampa. Aprovechar al máximo las IA suele requerir los conjuntos de habilidades especializadas de un equipo de ciencia de datos. Sin los analistas de datos analizando diligentemente los flujos de datos a nivel de registro, la tarea de monitorear hectáreas enteras de bosque lluvioso a veces puede parecer, al menos por el momento, un mandado tonto.

Afortunadamente, Rainforest Connection tiene una solución para ese problema: simplificarlo. Estamos desarrollando una plataforma de IA que permite a los investigadores y ONGs desarrollar sus propias IA, algoritmos que les permiten detectar los indicadores bioacústicos y mecánicos que desean que detecten, en lugar de tener que confiar en un sistema «cerrado» que hace trabajar para ellos

Con nuestra plataforma colaborativa de capacitación en IA, esperamos escalar y mejorar rápidamente las capacidades de detección acústica de las organizaciones de conservación en todo el mundo. Al entrenar IAs para distinguir un sonido específico dentro de la gran cacofonía de la selva, nuestro objetivo sería lograr dos cosas. En primer lugar, buscamos empoderar a los conservacionistas para que puedan proteger los bosques tropicales contra la tala no autorizada con mayores niveles de precisión, precisión y puntualidad que nunca antes. En segundo lugar, estaríamos buscando optimizar, simplificar y aumentar enormemente la capacidad de los investigadores para obtener nuevos conocimientos científicos de los bosques lluviosos.

Cuando se trata de prevenir el agotamiento de las selvas tropicales y áreas silvestres en todo el mundo, Deep Learning claramente tiene mucho más que aprender. De todos modos, está en un comienzo necesario.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *