¿Sabías que la IA nos puede ayudar a detectar cuando una especie se encuentra en peligro de extinción?
Cerca de 600 especies de plantas se han extinguido en los últimos 250 años. Puede que el dato no parezca llamativo, pero este ritmo de extinción es mayor que la suma de los de mamíferos, aves y anfibios juntos.
Aunque las plantas juegan un papel fundamental en nuestros ecosistemas, y son un reservorio natural de principios activos de medicamentos, muchas veces desconocemos su estado de conservación. La causa principal suele ser la falta de fondos o conocimientos científicos en esta área.
Sin embargo, también influyen otros aspectos, como puede ser la dificultad de convencer a la población de la importancia de proteger seres vivos que nos resultan muy lejanos. Es mucho más fácil promover la lucha contra la extinción del tigre o del oso polar, que la de la manzanilla de Sierra Nevada o el pino canario.
La Unión Internacional para la Conservación de la Naturaleza (UICN) es la principal institución mundial en el campo de la conservación de especies (animales y vegetales). Analiza individualmente cada especie desde distintos puntos de vista, como el tamaño de poblaciones, la diversidad genética o el rango de distribución. Según el resultado de la evaluación, clasifica las especies en categorías en función de su necesidad de conservación. Desde «preocupación menor» hasta «en peligro crítico». Éstas últimas son las que conforma la Lista Roja.
Sin embargo, esta lista tiene sesgos importantes. Por ejemplo, el idioma, ya que solo tiene en cuenta especies de plantas o animales evaluadas en inglés. Por otra parte, el proceso de evaluación es lento y costoso. Y debido a ello se estima que solamente el 5% de todas las especies conocidas de plantas han sido evaluadas para la Lista Roja.
Un intento de mejora
Un equipo de investigación de la universidad de Maryland se planteó cómo mejorar este proceso de clasificación mediante técnicas de machine learning. Se trataba de un caso típico de aprendizaje supervisado. Entrenaron un modelo de clasificación a partir de los datos de la Global Biodiversity Information Facility. A partir de características tales como el rango de distribución, condiciones climáticas preferidas y algunas características morfológicas, el modelo aprendía a asignar un nivel de riesgo probable a cada especie.
Después, lo aplicaron a más de 150.000 especies de plantas procedentes de colecciones, museos, herbarios, estudios de laboratorio y trabajos de campo llevados a cabo por investigadores de todo el mundo.
De ellas, más de 15.000 (un 10%) resultaron tener una alta probabilidad de ser clasificadas con algún tipo de riesgo en la Lista Roja. Los mapas generados por el estudio destacaron la necesidad de conservar algunas áreas ya conocidas por su biodiversidad.
A pesar de los sesgos (sobrerrepresentación de unas zonas geográficas frente a otras) y limitaciones por idioma, el modelo obtuvo niveles de precisión muy razonables sin necesidad de tener acceso a recursos informáticos importantes.
Por ello, aunque el modelo no deje de ser una simplificación de la realidad, resulta de gran utilidad para anticipar y complementar el necesario trabajo de campo y la consulta de expertos en las floras locales para validar las verdaderas categorías de riesgo.
Esto permitirá, según los expertos, “llevar a cabo acciones de conservación más dirigida en términos de recursos económicos y humanos”.
Predicting plant conservation priorities on a global scale. Tara A. Pelletier, Bryan C. Carstens, David C. Tank, Jack Sullivan, and Anahí Espíndola.
