Escuchamos al misterioso mérgulo de mármol

Una copia del cuerpo del artículo.

El mérgulo de mármol es una criatura esquiva. En el mar, esta ave marina rechoncha se zambulle al primer signo de depredadores. En tierra, pone sus huevos en lo alto de las ramas cubiertas de musgo de los bosques primarios del noroeste del Pacífico, un hecho descubierto sólo por casualidad por un empleado de una empresa de servicios públicos trepador de árboles en la década de 1970.

El mérgulo es tan misterioso que los científicos lo llaman el enigma del Pacífico. Para intentar monitorear las poblaciones, los investigadores usaron trajes secos para conectar transmisores de radio a las aves y volaron aviones pequeños para buscar nidos, esfuerzos que son costosos e imprecisos. Sin embargo, a pesar de los escasos datos, el mérgulo se encuentra en una clara trayectoria descendente. En 1992, fue catalogada como amenazada según la Ley de Especies en Peligro de Estados Unidos. Sufre la pérdida de hábitat causada por la tala de bosques antiguos y la disminución de presas marinas debido al cambio climático. Identificar la disminución es difícil porque las aves son muy difíciles de estudiar. Pero al monitorear el paisaje sonoro del bosque utilizando inteligencia artificial, los científicos tienen un nuevo enfoque revelador para estudiar las especies protegidas.

«El mérgulo se cita a menudo como una de las aves forestales más difíciles de trabajar», dice Adam Duarte, biólogo del Servicio Forestal de EE. UU. y autor principal de un nuevo artículo sobre esta nueva técnica. Al combinar la informática y la tecnología de grabación con la ecología, dice Duarte, los investigadores pueden superar muchos de los desafíos históricos.

Para encontrar una forma más eficaz de estudiar las aves, Matthew Betts, ecólogo de la Universidad Estatal de Oregón y coautor, recurrió a científicos de búhos moteados. Al igual que los mérgulos jaspeados, los búhos moteados están amenazados y son crípticos, y durante décadas, su estudio ha implicado atraer a las aves para capturarlas y atraparlas. Pero, en 2017, un equipo de investigadores de búhos moteados del Servicio Forestal y la Universidad Estatal de Oregón comenzaron a probar algo nuevo: el monitoreo acústico pasivo. El equipo utilizó micrófonos de alta calidad en 150 sitios en Oregón y el estado de Washington para ver si podían detectar búhos a partir de sus cantos.

Sólo en el primer año, los micrófonos grabaron 150.000 horas de audio, cuyo análisis llevó a dos empleados de tiempo completo alrededor de dos años. «Fue increíblemente laborioso», dice Damon Lesmeister, un biólogo de vida silvestre involucrado en la investigación del búho moteado.

Obviamente, el equipo necesitaba automatizar el proceso, afirma Lesmeister. Para ello, convirtieron las llamadas en espectrogramas, una representación visual de las ondas sonoras en las que la llamada del búho moteado (como la de todas las especies) produce una firma única. Luego, desarrollaron algo nuevo: una red neuronal convolucional, un tipo de aprendizaje automático que puede identificar y analizar imágenes automáticamente.

Pero los datos de Lesmeister no sólo detectaron búhos moteados, sino que también detectaron cualquier especie vocal dentro del alcance auditivo humano. En este tesoro, los científicos vieron el potencial de ampliar radicalmente su área de distribución. Entrenaron el algoritmo para identificar automáticamente las llamadas de mérgulos y, por tanto, detectar su presencia.

De cara al futuro, Duarte dice que este enfoque podría permitir a los científicos identificar el ritmo al que los mérgulos cantan en una zona del bosque y utilizarlo para predecir áreas utilizadas activamente para anidar, algo importante porque Estados Unidos protege las áreas de anidación de la tala. «Esto sería fantástico porque influye directamente en la toma de decisiones de gestión de los bosques», dice Duarte.

Lena Ware, bióloga del Servicio Canadiense de Vida Silvestre que utilizó una plataforma impulsada por inteligencia artificial llamada BirdNET para identificar los cantos de las aves cuando era estudiante de posgrado, dice que la escala de la investigación sobre los mérgulos ha sido impresionante. Las herramientas basadas en el aprendizaje automático ya son capaces de hacer mucho más que un solo ser humano, afirma. En el área de estudio de Ware en el norte de Canadá, BirdNET detectó entre un 20 y un 60 por ciento más de especies que un oyente humano. Pero conjuntos de datos más grandes, como el utilizado en la investigación del mérgulo, conducirán a resultados aún más precisos, y un enfoque de big data sólo aumentará la escala de la investigación, afirma. «Hay muchas más preguntas que se pueden responder si se dispone de una gran cantidad de datos acústicos».

En el noroeste del Pacífico, la combinación de inteligencia artificial y monitoreo acústico pasivo es solo el comienzo. El equipo de Lesmeister, por ejemplo, se está expandiendo más allá del mérgulo de mármol. Los investigadores comenzaron a procesar el audio de 80 especies en más de un millón de kilómetros cuadrados y, solo en 2023, recopilaron más de dos millones de horas de sonido, una cifra que seguramente aumentará. Trabajando con la nueva empresa Instinct, los investigadores comenzaron a incorporar capacidades de procesamiento en los propios dispositivos de grabación; Los dispositivos pueden identificar la llamada de un animal objetivo a medida que ocurre, lo que permite a los investigadores localizar especies amenazadas en tiempo real. Este tipo de datos permitirá acciones de conservación más precisas, incluida la parada de operaciones forestales o la eliminación de depredadores, como los búhos, de áreas clave.

Fundamentalmente, conocer el estado de las especies en riesgo es parte esencial de su conservación. “Me considero muy afortunado de ser quien soy. [working] en un momento en el que tenemos todo esto a nuestra disposición», afirma Lesmeister. “Las generaciones anteriores de ecologistas no podían soñar [of doing] estudios como los que estamos haciendo hoy.»