67 DIGITALIZACIÓN muy costoso en términos de personal y tiempo empleado que podemos reducir con inteligencia artificial. Estos algoritmos son entrenados por los expertos y luego hacen su trabajo de forma autónoma y automática”, según muestra la científica, que se ha doctorado en gestión de sistemas acuáticos. A partir de esa información, pueden advertir de la probabilidad de que en esas zonas haya corales o esponjas que puedan ser sensibles y deban ser objeto de protección. Todos estos datos permiten apoyar la toma de decisiones sobre la gestión de estos espacios, que pueden influir directamente en la industria pesquera. DISTINGUIR LOS PECES SALVAJES DE LOS CULTIVADOS La inteligencia artificial también ha comenzado a estudiarse en la acuicultura. Un ejemplo de ello es el proyecto GLORIA, que busca dar respuesta a uno de los grandes problemas de la cría de peces en el mar: los escapes. Los escapes se refieren al problema de que un animal abandone las condiciones de cautividad y se disperse en el medio natural. Estos suponen tanto una pérdida económica como una amenaza para la biodiversidad natural del medio marino. Los grandes temporales, por ejemplo, pueden provocar que algunos individuos acaben en manos de las redes de pesca de otras personas que operan en el área. “Aunque a simple vista no parezca algo negativo, puede tener desventajas: un aumento masivo de un producto hace que baje su precio, los consumidores correrían el riesgo de comprar pescado de cría como salvaje y los acuicultores perderían las ganancias de un producto que era suyo. Otra de las consecuencias es que estos peces hayan sido tratados con antibióticos y se consuman antes de pasar el tiempo de exclusión recomendado”, explica Kilian Toledo, ecólogo marino del Departamento de Ciencias del Mar de la UA. Este proyecto ha utilizado la IA para poder diferenciar si los peces son salvajes, cultivados o escapados. “Alimentamos a nuestra ‘máquina’ con muchas fotos de peces escapados, cultivados y salvajes para que después el algoritmo nos dé esos datos de forma automática. Es curioso porque ni siquiera los propios expertos en computación son capaces de discernir exactamente qué es lo que está haciendo la inteligencia. Nosotros los distinguimos a nivel visual y sabemos, por ejemplo, que los peces cultivados tienen una silueta más redondeada o que son más obesos, mientras que los salvajes tienen una figura más hidrodinámica. Pero la máquina utiliza combinaciones aún más complejas de píxeles”, señala. Esta herramienta ha reportado una ratio de acierto en dorada del 80%, identificando si son salvajes o cultivados y con la corvina, del 90 %. El objetivo final es elaborar guías con recomendaciones para generar planes de contingencia frente a esos escapes, para que las administraciones sepan cómo actuar ante tales eventos. Asimismo, “esperamos que de este proyecto salga un plan de colaboración entre pescadores, administración y acuicultores para que estos últimos puedan recuperar parte de la biomasa perdida en estas circunstancias”. Todos estos datos también les han hecho ver que “cuando hay olas que superan el metro y medio de altura, suele haber más escapes, por lo que hay que estar alertas”. No obstante, "son todavía aproximaciones y debemos estudiarlo mucho más porque la misma situación no vale para todas las instalaciones de la costa mediterránea española”, advierte Toledo. Por último, los investigadores plantean crear una aplicación móvil que ayude al consumidor a, en caso de duda, identificar si un pez es salvaje o de acuicultura, a fin de reducir el nivel de fraude en productos compartidos por la acuicultura y la pesca extractiva. n Identificación automática de especies en los fondos marinos en el proyecto Deep RAMP. Foto: Instituto Español de Oceanografía (IEO, CSIC) y Universidad de Cantabria (UC).
RkJQdWJsaXNoZXIy Njg1MjYx