Millones de personas en todo el mundo comparten observaciones de fauna y flora en plataformas abiertas como iNaturalist y eBird, muchas veces sin intuir que sus comentarios pueden aportar datos valiosos para la ciencia. El verdadero reto era la magnitud: millones de entradas con descripciones y ubicaciones que un equipo humano no podría revisar por completo.
Un grupo de la Universidad de Míchigan demostró que la inteligencia artificial puede extraer conexiones ecológicas ocultas en esas anotaciones. El trabajo, publicado en Proceedings of the National Academy of Sciences (PNAS), también indicó señales de plantas exóticas en ecosistemas de la costa oeste de Estados Unidos, lo que representa una alerta temprana difícil de detectar sin este enfoque.
Para probar la viabilidad, se llevaron a cabo dos estudios de caso. El primero exploró la relación entre una mariposa polinizadora de la costa oeste de EE. UU. y México y las plantas que visita, con datos obtenidos de iNaturalist. El segundo analizó distintos lazos entre aves de Míchigan registrados en los comentarios de eBird, desde conductas de vuelo en bandada hasta disputas por un lugar en un comedero.
En ambas plataformas, cada avistamiento llega acompañado de metadatos clave: tiempo y ubicación exactos. El desafío consistía en identificar cuáles entradas incluían además comentarios con información útil sobre interacciones entre organismos. Aunque cualquier usuario puede describir estas dinámicas sin jerga científica, la escala del problema hacía inviable el filtrado manual.
La solución vino de modelos de lenguaje extensos, sistemas de IA capaces de procesar texto como lo haría un lector humano. Herramientas como Claude y ChatGPT fueron ajustadas con instrucciones específicas, elaboradas junto con estudiantes de grado en ecología e informática, para extraer y clasificar las relaciones detectadas con buena precisión.
Según Hengxing Zou, autor principal del estudio, la investigación se desarrolló en el Instituto de Biología del Cambio Global de la Universidad de Míchigan durante su etapa posdoctoral, y la publicación subraya el potencial de estas técnicas para ampliar el alcance de los análisis ecológicos y facilitar la detección de señales de cambio en comunidades biológicas.
