El sonido de los corales que sirve para diagnosticar su salud

Un grupo de científicos grabó los sonidos producidos por arrecifes de corales sanos y degradados y luego entrenó un algoritmo de computadora que puede aprender e identificar estos sonidos para realizar un diagnóstico de salud, según un estudio publicado recientemente por la revista Ecological Indicators.

Los arrecifes de coral tienen un paisaje sonoro muy complejo. Los investigadores deben realizar un análisis muy minucioso para medir la salud de los corales en función de estas grabaciones de sonido. Ahora, con ayuda de la Inteligencia Artificial (IA), una computadora puede analizar una gran cantidad de nuevas grabaciones e identificar el estado de salud de los arrecifes con un éxito de hasta un 92%.

Los corales están amenazados por el cambio climático

El equipo usó esta técnica para rastrear el progreso de los proyectos de restauración de los corales: «Los arrecifes de coral enfrentan múltiples amenazas, incluido el cambio climático, por lo que monitorear su salud y el éxito de los proyectos de conservación es vital», explicó el principal autor del estudio Ben Williams.

«Una de las principales dificultades es que los estudios visuales y acústicos de los arrecifes suelen depender de métodos que requieren mucha mano de obra. Las encuestas visuales también están limitadas por el hecho de que muchas criaturas de los arrecifes se ocultan o están activas durante la noche, mientras que la complejidad de los sonidos de los arrecifes ha dificultado la identificación de la salud de los arrecifes mediante grabaciones individuales», agregó Williams.

Aprender el «canto del arrecife»

Los peces y otras criaturas que viven en los arrecifes de coral emiten una amplia gama de sonidos. El significado de muchas de estas llamadas sigue siendo desconocido, pero el nuevo método de Inteligencia Artificial puede distinguir entre los sonidos generales de arrecifes sanos y no saludables.

«Nuestro enfoque para ese problema fue utilizar el aprendizaje automático, para ver si una computadora podía aprender el canto del arrecife. Nuestros hallazgos muestran que una computadora puede detectar patrones que son indetectables para el oído humano. Puede decirnos más rápido y con mayor precisión cómo está el arrecife», subrayó el experto.

La IA ayudará a restaurar arrecifes

Las grabaciones utilizadas en el estudio se tomaron en el Proyecto de Restauración de Arrecifes de Coral de Marte, que está restaurando arrecifes gravemente dañados en Indonesia.

Tim Lamont, coautor del estudio, dijo que el método de IA crea grandes oportunidades para mejorar el monitoreo de los arrecifes de coral: «Este es un desarrollo realmente emocionante. Las grabadoras de sonido y la IA podrían usarse en todo el mundo para monitorear la salud de los arrecifes y descubrir si los intentos de protegerlos y restaurarlos están funcionando», expresó.

«En muchos casos, es más fácil y económico desplegar un hidrófono submarino en un arrecife y dejarlo allí que tener buzos expertos que visiten el arrecife repetidamente para inspeccionarlo, especialmente en lugares remotos», concluyó el especialista.

Compartí esta nota

Últimas noticias

Te pueden interesar
Te pueden interesar

¿Qué le pasa al Perito Moreno? El alarmante registro de 1.200 fracturas que desconcierta a los científicos

El glaciar Perito Moreno ha registrado 1200 fracturas en 45 días, revelando un alarmante ritmo de pérdida de hielo.

De la ciencia ficción a la realidad: la inteligencia artificial y la posibilidad de descifrar qué dicen los animales

Descubre qué dicen los animales gracias a la inteligencia artificial y el análisis de vocalizaciones en diversas especies.

Zarigüeyas al rescate: la nueva arma de Florida contra la invasión de pitones birmanas

Florida utiliza zarigüeyas con collares de rastreo para identificar y capturar pitones birmanas en su hábitat natural.

Innovación biomédica: Suiza crea un ratón virtual que reduce los ensayos con animales y acelera las terapias médicas

El modelo desarrollado en Suiza fue entrenado utilizando información procedente de 18 estudios previos realizados con ratones.