Numerosas estaciones de medición en todo el mundo nos proporcionan datos sobre la calidad del aire, lo que nos permite mejorarla.
por Aino Pekkarinen, Universidad de Helsinki
Aunque recopilamos cada vez más datos de áreas marinas, el acceso a dichos datos es considerablemente más difícil. Las señales se transmiten mal a través del agua, las diferencias tanto de presión como de corriente dificultan los dispositivos de medición y faltan infraestructuras informáticas preconstruidas.
¿Podrían las tecnologías inteligentes ayudarnos a mejorar la recopilación de datos marinos? El profesor de Ciencias de la Computación Petteri Nurmi y su grupo de investigación de la Universidad de Helsinki han unido fuerzas con investigadores de la Universidad de Tartu, la Universidad de Madeira y MARE-Madeira, ARDITI, un instituto de investigación marina sin fines de lucro, para desarrollar soluciones que combinen sensores. tecnologías e Inteligencia Artificial integrada.
Los investigadores se esfuerzan por hacer más eficientes y amplios los métodos de recopilación de datos que se utilizan actualmente, por ejemplo, en la investigación medioambiental .
«Cuanto mayor sea la cantidad y calidad de los datos obtenidos sobre los océanos, mejor podremos utilizarlos para comprenderlos y protegerlos. Nuestros métodos ayudan a ampliar la cantidad total de datos recopilados de las áreas marinas y reducir el esfuerzo necesario para recopilarlos y analizarlos. «, dice Nurmi.
La IA identifica especies animales
En un estudio publicado recientemente, Nurmi y sus colegas utilizaron datos recopilados en excursiones de avistamiento de ballenas en Madeira, Portugal. Las embarcaciones utilizadas para estas excursiones suelen llevar personas que pueden registrar las observaciones de las especies avistadas o grabar en vídeo el entorno durante el recorrido.
En el estudio , un modelo de IA ayudó a las personas en la observación ambiental en tiempo real. También se utilizó IA para identificar si las imágenes de vídeo mostraban ciertos animales, como delfines o ballenas. Además, los investigadores compararon la asistencia de IA recibida por observadores experimentados y menos experimentados y exploraron cómo las observaciones de animales asistidas por IA sirvieron como datos para entrenar el modelo.
«Analizamos cómo la asistencia de la IA afectó la calidad de los datos y las observaciones humanas. La IA mejoró la precisión de las observaciones de los animales por parte de los aficionados, pero no tuvo ningún efecto en las observaciones de los expertos. Por otro lado, cuando los datos recopilados se utilizaron con fines de entrenamiento, los mejores «Los resultados se obtuvieron combinando clasificaciones de IA con observaciones de expertos. Por lo tanto, las interacciones entre humanos y IA pueden influirse entre sí y es necesario comprenderlas mejor», explica Nurmi.
Idealmente, el método podría utilizarse para una identificación más rápida de los animales que se mueven en zonas marinas. Los resultados y métodos también se pueden ampliar para observar otros organismos.
Identificación de plásticos marinos
Otro estudio reciente se centró en identificar y clasificar los desechos plásticos submarinos . Se diferencian de los microplásticos, o pequeñas partículas de plástico , en que son visibles a simple vista. Un método que se utiliza actualmente para obtener información sobre la contaminación plástica marina es hacer que buzos o dispositivos recojan muestras para análisis de laboratorio, pero esto suele llevar mucho tiempo. Los plásticos de la capa superficial también se pueden observar mediante fotografías aéreas.
Los investigadores desarrollaron un modelo de IA que funciona con sensores basándose en el análisis de datos del espectro de luz. El modelo podría conectarse a un equipo de buceo o a un robot de buceo para determinar el tipo de residuos plásticos bajo el agua. Los investigadores descubrieron que el modelo era capaz de distinguir tipos de plástico con un 85% de precisión.
«Somos capaces de identificar cuatro de cada cinco objetos directamente, lo que significa que necesitamos enviar menos muestras al laboratorio para su identificación. Esto nos proporciona más datos y, por tanto, una visión más completa de la contaminación plástica marina».
Nurmi enfatiza que su objetivo y el de sus colegas es crear nuevas formas de recopilar datos. Los expertos en otros campos podrán entonces encontrar los mejores usos para los nuevos métodos. Por ejemplo, una vez que se conoce el tipo de plástico, es más fácil descubrir su origen y considerar formas de prevenir la contaminación. Los datos también ayudan a los investigadores a comprender los efectos de los diferentes tipos de plástico en los ecosistemas, ya que contienen diferentes sustancias químicas y se descomponen de diferentes maneras.
Mejores datos para una mejor protección
Nurmi cree que la situación con los datos marinos puede ser similar a la de la investigación sobre la calidad del aire hace años.
«Al principio, la investigación de la calidad del aire se basaba en unas pocas torres de medición grandes, pero ahora se pueden encontrar incluso en las paradas de autobús. En las ciencias marinas esto todavía no es así, aunque los métodos de recogida de datos marinos y el número de agentes implicados «Están aumentando. Nuestra investigación garantiza que podamos obtener una cantidad aún mayor de datos de mediciones marinas aún más precisos a medida que mejoren las capacidades para recopilar datos».
En el futuro, es probable que aumente el uso de drones submarinos, boyas inteligentes, embarcaciones y estaciones base costeras en la recopilación de datos marinos. La red en expansión de tales herramientas ofrecerá más formas de recopilar datos submarinos.
«A pesar de su importancia vital para la humanidad, la protección y la regulación marinas, lamentablemente, tienden a quedar eclipsadas por otras cuestiones. Cuanto mayor sea la cantidad y calidad de los datos marinos recopilados, mejor podremos desarrollar soluciones y regulaciones que mejoren el estado del Ambiente marino.»
Más información: Documento I: El hombre y la máquina: efectos del etiquetado humano asistido por IA en la anotación interactiva de transmisiones de vídeo en tiempo real
Documento II: SEAGULL: Detección generalizada de bajo costo para monitorear y analizar plásticos submarinos
