Ensenada, Baja California, mayo 7.- Una pequeña embarcación recorre ágilmente la bahía. A bordo de ella van hombres de ojos entrenados para detectar ejemplares de tiburón ballena (Rhincodon typus) en las aguas templadas del Golfo de California. Son integrantes del grupo Pejesapo, que aglutina a prestadores de servicios que desde 2007 contribuyen con el monitoreo del tiburón ballena en Bahía de los Ángeles, dentro de la Reserva de la Biosfera Bahía de los Ángeles Canal de Ballenas y Salsipuedes. Cuando el grupo de monitoreo detecta a un tiburón, la embarcación reduce su velocidad para acercarse. Un nadador con equipo de aletas, snorkel y cámara en mano se sumerge y captura fotografías de las zonas laterales del gigantesco pez, donde presenta un patrón de puntos que lo identifica. Después, el nadador toma una foto de la parte inferior del tiburón para distinguir si se trata de una hembra o un macho; el tamaño del tiburón se compara con respecto a la embarcación para estimar su talla. Tras el registro, el equipo se prepara para buscar otro ejemplar y repetir el procedimiento. La jornada completa de monitoreo puede tomar de tres a cuatro horas. Cada temporada de verano, y parte del otoño, el tiburón ballena llega a Bahía de los Ángeles, lo que atrae a turistas entusiasmados por ver y nadar junto a juveniles del pez más grande del mundo, que miden en promedio ocho metros; en su etapa adulta llegan a medir entre 12 y 20 metros. La actividad ecoturística y la condición vulnerable de la especie, clasificada en México como amenazada, hacen que el monitoreo sea indispensable, pues es la forma de verificar cómo se encuentran las poblaciones y detectar si algún factor ambiental o de la actividad humana las está afectando. Es por ello que dos grupos de investigación del CICESE, de las áreas de Ecología Marina y Ciencias de la Computación, entablaron una colaboración para probar la eficiencia del uso de drones y modelos de inteligencia artificial (IA) en la identificación y seguimiento de tiburones ballena. Esta colaboración multidisciplinaria se materializó a través de la tesis de maestría de Paola Judith Delgado García, recientemente egresada del posgrado en Ecología Marina, con la asesoría de los doctores Oscar Sosa Nishizaki y Emiliano García Rodríguez, investigadores del CICESE. La investigación se desarrolló como parte del proyecto “Uso sustentable de la megafauna marina en Áreas Naturales Protegidas: aspectos socioeconómicos y la aplicación de tecnologías emergentes para su monitoreo”, que tiene como objetivo aplicar tecnologías emergentes en el monitoreo de la fauna marina; el proyecto cuenta con financiamiento del Consejo Nacional de Humanidades Ciencias y Tecnologías (Conahcyt), actualmente Secretaría de Ciencia Humanidades Tecnología e Innovación (Secihti). En entrevista, Paola narró que, como parte de la investigación, estuvo en Bahía de los Ángeles, donde usó el dron como herramienta para capturar imágenes que más adelante serían utilizadas para entrenar a los modelos de IA que harían la detección automática del tiburón ballena. “Teníamos dos formas de muestrear”, explicó Paola, “una desde tierra para no depender de la embarcación, entonces determinábamos un polígono, hacíamos transectos lineales paralelos e íbamos observando y haciendo el conteo de tiburones”. La segunda forma de muestreo era desde el mar, lo que generaba retos para volar el dron por los movimientos propios de la embarcación, aunado a la activación de los sistemas de seguridad del dron y otras situaciones que desde tierra son menos complicadas de controlar. En ambos casos, una vez en el aire, el dron debía seguir a los tiburones para documentar en video su trayectoria y comportamiento. Paola mencionó que gracias a que el tiburón ballena se alimenta de plancton, regularmente se encuentra en la superficie, lo que facilita que se pueda observar desde la embarcación, como lo hace el grupo de monitoreo, o desde aire con el dron. Esto no evitó que tuviera que sortear algunos retos: “Cuando yo fui -contó Paola- estuve tres semanas y las primeras dos casi no veíamos tiburones. No teníamos muchas salidas en embarcación porque no había reportes de turistas que indicaran la presencia del tiburón”. Para la tercera semana el panorama mejoró y en una sola salida Paola observó 15 tiburones, con lo que obtuvo las imágenes para comenzar a entrenar los modelos de IA y adentrarse en los desafíos para lograrlo. IA al servicio de la conservación Entrenar un modelo de IA con redes neuronales convolucionales es enseñarle con muchos ejemplos para que aprenda a reconocer patrones, como identificar objetos en imágenes o, como en este caso, identificar al tiburón ballena en fotogramas de los videos capturados con el dron. Para la investigación, Paola y sus asesores contaron con la colaboración del Laboratorio de Ciencia de Datos y Aprendizaje Automático, a cargo del doctor Irvin Hussein López Nava, investigador del Departamento de Ciencias de la Computación del CICESE. Hussein explicó que para entrenar un modelo de IA lo primero que se necesita es un volumen grande de datos, requisito que se cumplió con la captura de videos en Bahía de los Ángeles realizada por Paola, combinada con la aplicación de técnicas de aumento de datos. Posteriormente, los datos capturados se dividieron en dos conjuntos: uno para entrenar a los modelos y otro para ponerlos a prueba. Manualmente se les indicó a los modelos de IA dónde se encontraba el tiburón dentro de los cuadros del video para que comenzara a aprender cómo es la especie y que después no fuera necesaria la intervención humana para detectarlo. Hussein y sus estudiantes llevaron este proceso mediante dos técnicas. La primera basándose en el software DeepLabCut, una herramienta de código abierto diseñada para rastrear animales en video, aunque no particularmente tiburones. “Como el software fue diseñado para rastrear animales de laboratorio, propusimos un nuevo modelo anatómico para el tiburón ballena, basado en puntos clave de su cuerpo. Aprovechamos sus rasgos morfológicos distintivos, como la cabeza cuadrada, para incorporar marcadores específicos y reentrenar la red profunda con técnicas de transferencia de aprendizaje. Así, esta técnica permitió reconocer automáticamente al tiburón en los videos y seguir su trayectoria”, detalló el investigador. La segunda técnica consistió en desarrollar el modelo desde cero y entrenarlo para que reconociera al tiburón ballena de forma más eficiente que DeepLabCut, de tal manera que pudiera distinguir a esta especie de otros elementos que aparecen en las imágenes, como embarcaciones o nadadores; esta técnica fue nombrada Multi-Scale Patch (MSP). Tras probar con ambas técnicas, concluyeron que MSP fue más eficiente y realizaron mejoras hasta lograr que no solamente detectara al tiburón, sino que, cuadro por cuadro, siguiera su trayectoria, incluso bajo condiciones ambientales adversas. Nuevas posibilidades Para Paola, quien sin tener formación en ciencias de la computación se adentró al mundo de la programación, fue satisfactorio lograr que el modelo identificara al tiburón y lo siguiera, tomando en cuenta que las imágenes fueron capturadas a alturas entre los 50 y 100 metros. Además, destacó que la eficiencia del modelo se puso a prueba porque había variables, como la turbidez del agua o el reflejo del sol en el mar, que dificultaban la detección de los tiburones. “Con lo que en este momento tenemos, el modelo podría utilizarse para conteo, lo que te permite estimar poblaciones, pero también puede abarcar un sinfín de opciones”, anticipó, entre ellas estimar tallas o estudiar comportamientos. “La contribución principal de este trabajo es que si en las actividades de monitoreo se captura un video el modelo puede reconocer dónde está el tiburón ballena y seguirlo de manera automática”, resaltó Hussein, quien coincidió en que los alcances y aplicaciones del desarrollo son extensos, tanto con el mismo tiburón como con otras especies, por lo que previó que continuará la colaboración con el Laboratorio de Ecología Pesquera.