Última hora

La vida de los animales salvajes cuando creen que nadie los ve

Esto es lo que sucede cuando distribuyes 225 cámaras alrededor del Serengeti

Las imágenes de las “cámaras trampa” que fueron colocadas en el Parque Nacional Serengeti en Tanzania ofrecen un vistazo cándido -- y en ocasiones divertido --  de la vida en las planicies africanas.

Como estudiante de doctorado, la ecologista Alexandra Swanson, quería observar la forma en que los depredadores del Serengeti interactuaban con otras especies. Así que en el 2010, coloco 225 cámaras trampa, o cámaras automáticamente activadas, alrededor del parque. Después pasó años conduciendo de cámara a cámara, cambiando sus tarjetas de memoria y sus baterías cada dos meses.

En el proceso, capturó fotografías de la fauna más famosa del Serengeti, incluyendo los leones, los guepardos y las cebras, así como el tejón de miel, la zorila y el lobo de tierra, que son menos vistos.

“Cuando recién empezamos a obtener estas fotos eran simplemente impresionantes”, dijo Swanson. “Estás viendo a estos animales en su forma más auténtica”.

“Simplemente vez cosas que de otra forma nunca verías, a estos animales haciendo caras ridículas, asomándose a la cámara, corriendo hacia la cámara”.

Las cámaras trampa les permiten a los investigadores observar la fauna de las localidades más remotas o monitorear a las especies mientras se movilizan a través de extensas áreas.

Incluso en Los Ángeles, los científicos están utilizando cámaras trampa para seguir a un puma, y probablemente a otros, en Griffith Park.

Los pros y los contras son claros, dijo Swanson. Las cámaras automáticamente activadas son baratas y no son muy invasivas para la vida silvestre (aunque de vez en cuando, un elefante podría romper una o una hiena se podría comer una). Sin embargo, producen un número imposible de imágenes y no hay una forma fácil para procesarlas.

“Muchas personas que utilizan cámaras trampa a menudo están abrumados por el número de fotos que tienen que revisar”, dijo Swanson.

En tres años, el estudio de Swanson reunió 1 millón 200 mil juegos de imágenes, los cuales fueron publicados y descritos esta semana en el diario Scientific Data.

El revisar y analizar un número tan grande de imágenes era demasiado para una sola persona. Al principio, Swanson intentó reclutar a una docena de estudiantes universitarios, pero aun así no pudo mantenerse al margen.

Swanson le preguntó a Margaret Kosmala, una colega ecologista, cuyo antecedente está en ciencia computacional, si había una manera para que una computadora pueda hacer el trabajo.

“Le dije que no”, dijo Kosmala. “La investigación de visión de la computadora aún no ha llegado  al nivel para poder identificar a los animales en las fotografías”.

Pero entonces Kosmala vio las imágenes y recuerda haber quedado deslumbrada por ellas. Pensó que tal vez podrían reclutar a voluntarios, a cientos de ellos, para ayudar.

Swanson y Kosmala hicieron equipo con Zooniverse, una plataforma en línea de científicos-ciudadanos, para crear Snapshot Serengeti.

Desde su lanzamientos en el 2012, 30,000 personas han entrado al sitio web del proyecto para ayudar a hacer 10 millones 800 mil clasificaciones. Los voluntarios encontraron animales en más de 300,000 imágenes e identificaron a 40 especies diferentes.

“Literalmente no hubiéramos podido revisar todas las fotografías sin los voluntarios”, dijo Kosmala. “Esto es ciencia que no pudo haber sucedido sin ellos”.

Sin un reclutamiento activo, Snapshot Serengeti atrajo a los voluntarios de los seguidores existentes de Zooniverse y de la cobertura de prensa temprana. Zooniverse comenzó como una plataforma basada en la astronomía, solicitándoles a los voluntarios a ayudarles a identificar las formas de las galaxias en un proyecto llamado Galaxy Zoo. Desde entonces el sitio se ha ampliado a 42 proyectos a lo largo de las disciplinas, incluyendo el Observatorio de Pingüinos y el Portal de Plancton.

Cualquiera persona, incluso los no expertos pueden participar.

“La plataforma está diseñada de tal forma que sin importar si son expertos o no, cualquiera puede hacer una contribución”, dijo Swanson. “No importa si no tienes la menor idea de que es lo que estás viendo”.

Snapshot Serengeti les presenta a los usuarios una fotografía de una cámara trampa y les pide a los usuarios que elijan entre 54 tipos de animales, incluyendo pájaros, reptiles, insectos e incluso los seres humanos. Algunas veces no hay nada ahí.

Si no puedes distinguir la imagen, puedes reducir la búsqueda de acuerdo a las características –lo que parece, el color, los patrones, la forma de los cuernos. También se te pide que des  informes sobre otros detalles, tales como cuántos animales hay y que es lo que están haciendo.

¿Cómo saben los científicos si sus voluntarios están en lo correcto? El sitio emplea un sistema de votación en donde a múltiples personas se les muestra la misma imagen.

“Si 10 personas dicen que es una cebra, entonces sabemos que es una cebra”, dijo Kosmala. “Pero si muchas personas dicen que es una cebra y una dice que es una jirafa, entonces todavía seguimos sabiendo que es una cebra”.

Cuando Swanson y Kosmala compararon los resultados de los científicos ciudadanos con las identificaciones de un experto, encontraron que sus voluntarios estaban correctos el 97% del tiempo. Eso es impresionante, dijo Swanson, especialmente una vez que consideras que incluso los expertos cometen errores.

Swanson dijo que espera que las imágenes puedan ser utilizadas para una mayor investigación y educación ecológica. Los científicos pueden observar las imágenes para sus propios estudios sobre el Serengeti o para comparar la vida silvestre de esa región con la de otras áreas.

Pero una mayor promesa proviene de ayudar a mejorar la investigación de la visión de la computadora – el entrenar a las computadoras a reconocer a los animales. Para enseñarle a una computadora a reconocer a un guepardo, los científicos necesitan grandes conjuntos de imágenes con los sujetos ya identificados.

Algunos conjuntos de imágenes como estas ya existen, pero la mayoría están bien compuestas y bien iluminadas – dos cosas difíciles de recrear con las cámaras remotas. Las cámaras trampa a menudo capturan imágenes con el animal fuera de foco, solamente parcialmente en el cuadro o con otros individuos – y los programas de computadora deben ser entrenados para considerar todos estos factores, dijeron los investigadores.

Pero una promesa mayor viene de ayudar a mejorar la investigación de visión por computadora -entrenando a computadoras a reconocer a animales. Para enseñar a una computadora a reconocer a una guepardo, los científicos ocupan grandes juegos de imágenes con los sujetos ya identificados.

Algunos juegos de imágenes como éste ya existen actualmente, pero la mayoría son -bien compuestos y bien alumbrados- dos cosas que son difíciles de replicar con cámaras a control remoto. Continuamente las trampas de cámaras capturan imágenes con la criatura fuera de enfoque, apareciendo sólo parcialmente en el cuadro o con otros individuos -y los programas de computadora deben de ser entrenados para tomar en cuenta todos estos factores, dijeron los investigadores.

Si desea leer esta nota en inglés, haga clic aquí

Copyright © 2016, Hoy Los Angeles
58°