Los bosques ahora tienen oídos: la IA que escucha para proteger la biodiversidad

Caminar por un bosque es sumergirse en una conversación que no siempre está diseñada para nosotros. El canto de un pájaro, el roce de un mamífero entre la maleza, el crujido de una rama que cae. Hasta hace poco, todo eso era apenas ruido de fondo. Pero un puñado de investigadores en Europa, Estados Unidos y África central está demostrando que, con la ayuda de la inteligencia artificial, esos sonidos pueden contar una historia mucho más precisa sobre lo que ocurre en un ecosistema. Y el potencial de esta tecnología, para América Latina, es enorme.

El problema ya no es capturar audio. Los dispositivos autónomos de grabación —como el AudioMoth, un micrófono de bajo costo y código abierto— pueden instalarse por cientos en selvas, humedales y áreas urbanas, y registrar durante meses sin intervención humana. El desafío, como señala Dan Stowell, investigador del Naturalis Biodiversity Centre en Países Bajos, es que "la escala de los datos es absolutamente abrumadora". Stowell lidera el proyecto BioacAI, un esfuerzo financiado por la Unión Europea que busca cerrar esa brecha desarrollando sistemas de inteligencia artificial capaces de identificar especies a partir de sonidos de forma automática. El proyecto, que concluye en 2027, no pretende reemplazar a los biólogos de campo, sino potenciar su capacidad de monitoreo.

Pero el oído artificial no solo sirve para contar aves. En las selvas de Gabón, Congo y Camerún, una red de micrófonos inteligentes está cambiando la lucha contra la caza furtiva. El sistema, desarrollado por Naveen Dhar y su equipo en el Centro de Bioacústica de Conservación de la Universidad de Cornell, utiliza unidades de grabación autónomas equipadas con una red neuronal liviana. Cada micrófono analiza el sonido en tiempo real: si detecta lo que podría ser un disparo, lo confirma con otros sensores de la red y calcula la ubicación exacta del origen. La alerta llega a los guardabosques en cuestión de minutos. "En el futuro, el dispositivo puede usarse como una herramienta para guardabosques, brindando alertas precisas para intervenciones sobre el terreno", explica Dhar. El sistema ya es capaz de distinguir un disparo del crujido de un árbol caído, un problema técnico nada trivial en un entorno acústicamente caótico.

El tercer frente de esta revolución sonora está en los laboratorios donde se estudia la comunicación animal. Un equipo liderado por Vincent Arnaud y Christophe Coupé, de la Universidad de Quebec en Chicoutimi y la Universidad de Hong Kong, publicó este año un estudio en Communications Biology donde aplican machine learning a un conjunto de datos pequeño, desbalanceado y ruidoso —lo que llaman SUNG (Small, Unbalanced, Noisy, but Genuine)— para descifrar el repertorio vocal de los bonobos. Usando tres tipos de parámetros acústicos y tres algoritmos de clasificación (Support Vector Machine, xgboost y redes neuronales), lograron identificar la firma vocal individual de cada animal con una precisión que antes era imposible. "La clasificación automática permite estimar cuánta información está realmente codificada en las vocalizaciones", escriben los autores. Y advierten: hay que evitar lo que llaman "fuga de datos", un error común donde el clasificador aprende a reconocer el ruido de fondo en lugar del animal, inflando artificialmente los resultados.

Para los ejecutivos y tomadores de decisiones en América Latina, estas investigaciones abren una conversación que va más allá de la ciencia. La región alberga algunos de los ecosistemas más biodiversos del planeta —la Amazonía, el Pantanal, la Patagonia—, pero también enfrenta presiones de deforestación, minería ilegal y caza furtiva que ponen en riesgo esa riqueza. La tecnología de monitoreo acústico, que combina hardware de bajo costo (el AudioMoth cuesta menos de 60 dólares) con software de código abierto, podría ser desplegada a escala por gobiernos, ONGs o incluso empresas del sector agroindustrial que necesiten certificar prácticas sostenibles. La capacidad de detectar en tiempo real un disparo, una motosierra o el paso de un vehículo pesado en una zona protegida transforma la vigilancia ambiental: ya no depende de patrullajes humanos esporádicos, sino de una red que nunca duerme.

Sin embargo, el camino no está exento de riesgos. La precisión de estos sistemas depende de la calidad de los modelos de IA y de la disponibilidad de datos locales para entrenarlos. Un modelo entrenado con sonidos de la selva africana no funcionará igual en la Amazonía peruana, donde las especies y los ruidos de fondo son distintos. Además, la infraestructura de conectividad en zonas remotas sigue siendo un cuello de botella. Dhar lo sabe: "Espero que el dispositivo pueda combinarse con innovaciones en Internet de las cosas y la reducción de costos para producir un marco de código abierto utilizable en cualquier parte del mundo". Para que esa promesa se cumpla en Latinoamérica, se necesita inversión en ciencia de datos local y voluntad política para integrar estas herramientas en los sistemas de monitoreo existentes.

La pregunta que queda sobre la mesa es si los gobiernos y las empresas de la región están dispuestos a escuchar lo que los bosques ya están diciendo. Porque, como demuestran estas investigaciones, el sonido contiene información que puede salvar especies, disuadir delitos y medir la salud de un ecosistema con una precisión que el ojo humano no alcanza. El desafío ya no es técnico: es de decisión.