Cada vez que un aficionado anota en iNaturalist que una mariposa se posó sobre una flor, o comenta en eBird que dos aves se pelearon por un lugar en el comedero, deja una pista sobre cómo se relacionan las especies. Esas pistas se acumulan por cientos de millones y hasta ahora nadie podía revisarlas. Un equipo de la Universidad de Míchigan demostró que la inteligencia artificial puede hacerlo: filtró y clasificó esas interacciones y hasta detectó plantas foráneas en ecosistemas de la costa oeste de Estados Unidos. Los resultados se publicaron en Proceedings of the National Academy of Sciences.

De la observación casual al dato científico

Las plataformas como eBird e iNaturalist son gratuitas y las usan millones de personas en todo el mundo. Cada registro incluye metadatos —el lugar y el momento exacto del avistamiento— y, muchas veces, un comentario escrito en lenguaje cotidiano. Ahí está la información valiosa: quién poliniza a quién, qué ave desplaza a otra o qué planta compite por espacio. El problema es la escala. Ningún equipo científico puede leer millones de anotaciones a mano.

Para probar que el método funciona, los investigadores diseñaron dos casos de estudio. Uno se concentró en una mariposa polinizadora de la costa oeste estadounidense y México, y en las plantas que visita, con datos de iNaturalist. El otro analizó vínculos entre aves de Míchigan documentados en eBird, desde vuelos en bandada hasta disputas por comida.

Seis minutos contra ocho horas

La comparación directa mostró la diferencia. Primero, ChatGPT separó de los datos de eBird los comentarios que describían relaciones entre organismos. Después, Olivia Stein, asistente de investigación de grado, tomó una muestra aleatoria de casi 500 de esos comentarios y clasificó manualmente qué tipo de vínculo describían. La misma tarea, asignada a Claude, demandó seis minutos. A Stein le había llevado ocho horas.

"El enfoque es realmente versátil y tenemos una enorme cantidad de datos esperando a ser analizados", afirmó Hengxing Zou, autor principal del estudio, según la comunicación institucional.

Zou realizó el trabajo como investigador posdoctoral en el Instituto de Biología del Cambio Global de la Universidad de Míchigan. También reconoció que el uso de inteligencia artificial en la ciencia genera controversias, pero sostuvo que este proyecto muestra cómo la tecnología amplía el esfuerzo humano en lugar de reemplazarlo.

Alerta temprana entre tanta información

Además del ahorro de tiempo, el estudio encontró indicios de especies vegetales foráneas en ecosistemas de la costa oeste de Estados Unidos. Ese tipo de señal, que puede servir como alerta temprana, habría quedado invisible sin el filtrado automático. Los modelos de lenguaje se entrenaron con instrucciones específicas, elaboradas junto a estudiantes de grado en ecología e informática, para extraer y clasificar las relaciones con buena precisión.

El trabajo deja abierta una puerta: millones de observaciones ciudadanas que ya existen y que todavía no se analizaron podrían sumar información ecológica sin necesidad de nuevas expediciones de campo.