Una nueva herramienta para la investigación científica
Po r J u a n M a n u e l S a ra s u a
Fotos J u a n D i e g o P i n e d a , Á l v a r o Áv i l a , U Ros a r i o
D O I h t t p s : / / d o i . o r g / 1 0.1 2804/d vc n _ 1 0 336.47879_num8
El uso de la IA por parte de los estudiantes e investigadores de la universidad no se limita solo a las herramientas generativas que, últimamente, están en boca de todos. En Divulgación Científica hemos querido contar dos historias de la Escuela de Ciencias e Ingeniería que ilustran el poder que tienen estas herramientas en el avance científico que produce el Rosario.
Con el fin de estimar las poblaciones de guácharos (Steatornis caripensis), especie de aves frugívoras y nocturnas, el biólogo Juan Diego Pineda tenía que viajar cerca de 12 horas en bus desde Bogotá hasta el municipio de El Peñón, en el departamento de Santander (Colombia), descender a la entrada de la cueva La Pandora y grabar con cámaras térmicas la entrada y salida de las aves en horas de la tarde-noche. Esta rutina la repitió tres veces al año en nueve cuevas, cinco en El Peñón y cuatro en el municipio aledaño de Bolívar, de las 218 cuevas referenciadas en la zona. Además, Pineda tuvo que revisar 108 horas de grabación correspondientes a 42 days, y contar a mano los individuos que salían de la cueva. Este trabajo fue para su tesis de pregrado en la Universidad del Rosario en 2023, bajo la dirección de la profesora Adriana Maldonado Chaparro, de la Escuela de Ciencias e Ingeniería.
Adriana Maldonado Chaparro, ecóloga del comportamiento, directora del Grupo de Investigación Behavioral Ecology and Conservation de la Escuela de Ciencias e Ingeniería, Universidad del Rosario.
Juan Diego no perdió la vista ni se volvió loco, o al menos eso me pareció durante la entrevista. Dos años más tarde, se propuso investigar la forma como el turismo afecta estas aves para su tesis de maestría, realizada también con el grupo de investigación Behavioral Ecology and Conservation (BEC). El tema es de gran trascendencia, si se considera que, en 2025, más de 2.5 millones de turistas visitaron “lugares con vocación ecoturística”, según datos de la Asociación Colombiana de Agencias de Viajes y Turismo (ANATO).
Pineda comenzó a investigar si, los disturbios que ocasiona el turismo de cuevas, intensificado en la última década por los usuarios de redes sociales, genera un mayor gasto energético en los guacharos. “En esta ocasión, no debo solo distinguir cada pájaro que veía como hice antes”, explica Pineda. “Ahora permanezco en silencio y los ‘molesto’ ya sea con una luz, con ruido de gente hablando, o una combinación de ambos, lo cual sucedería normalmente, cuando en la cueva hubiera turistas. ¡Y los guacharos comienzan a volar por todos lados! Ese conteo, no lo puedo hacer a ojo, es imposible seguirles el rastro”.
En noviembre de 2025, empezó a entrenar un modelo de inteligencia artificial (IA) en el software BehaveAI, desarrollado por el Grupo de Ecología Visual de la Universidad de Exeter, en el Reino Unido. BehaveAI es una herramienta que identifica y clasifica cualquier animal u objeto que aparezca en una grabación de video, pero un humano debe enseñarle a hacerlo. “Puedo ‘enseñarle’ al modelo qué es un pájaro volando, cómo lo identifica, y que lo siga”, explica Pineda. “Puede hacerlo con cientos de pájaros volando al mismo tiempo y también, señalar la trayectoria de cada individuo. Con este modelo terminado, cualquier investigador podrá repetir el experimento y adaptarlo a cualquier otro sitio, a una fraction del costo en tiempo y recursos”, completa Pineda.
Los resultados del proyecto han impulsado la vena empresarial del investigador. WingSentry es un sistema de escaneo térmico con IA para ayudar a las empresas turísticas a proteger las aves. “Nuestro sistema de aprendizaje automático captura imágenes térmicas, detecta cambios de comportamiento y hace un seguimiento a las poblaciones, registrando millones de puntos de datos que superan la capacidad humana”, explica. “La idea de WingSentry es utilizar la tecnología para ayudar al sector turístico a diseñar rutas más respetuosas con el medio ambiente”.
Asistiendo al estudio del comportamiento animal
Registro térmico de guácharos en vuelo.
“La IA está a nuestro alrededor desde hace mucho tiempo, sin que estuviéramos tan alarmados por su presencia. Ahora ha evolucionado y revolucionado de una forma significativa, y quienes la trabajan, han puesto a nuestra disposición una cantidad enorme de herramientas", afirma Adriana Maldonado Chaparro, ecóloga del comportamiento, directora del BEC, desde el cual coordina el trabajo de investigación de Juan Diego Pineda. “Creo que estoy más abierta al uso de IA que mucha otra gente, porque tuve la suerte de conocer la tecnología desde sus inicios. Y para nuestro campo, el estudio del comportamiento animal, la IA aporta un cambio muy real y tangible, porque una gran parte de nuestra labor consiste en pasar muchas horas en trabajo de campo y luego, muchas otras haciendo scoring, es decir, analizando videos”.
Pero, por el momento, la IA está restringida al contexto que le demos. El trabajo con guácharos no se puede trasladar a otras áreas, al menos, no sin hacer grandes modificaciones, por ejemplo: al estudio de mamíferos terrestres. Si se entrena en un contexto, solo se puede aplicar en él.
El trabajo de Maldonado Chaparro abarca también, el estudio de los disturbios ambientales y su efecto en las relaciones sociales. Para esto, utiliza cámaras de monitoreo dirigidas a cuyes en cautiverio. La estudiante Oriana Vargas Guerrero investigará el efecto del aumento de la temperatura sobre las interacciones sociales entre individuos: puede ser una agresión, una pelea (socio-negativa) o una afiliación (socio-positiva). Los investigadores deben describir con precisión, qué es lo que pasa entre los cuyes y, al estar en cautiverio, el número de horas para analizar es mucho mayor, porque en un experimento se pueden grabar en forma continua (24/7).
Registro térmico de guácharos en su detección automática en vuelo hecha con Machine Learning.
“El reto está en que, con todas estas imágenes, entrenemos el modelo para que entienda lo qué está pasando con cada interacción”, explica la profesora. En este caso, hay tres modelos: uno que define qué es un cuy, otro que los identifica poniéndoles nombres y otro que identifica las interacciones. “La idea que subyace es que, si el humano puede ver y definir esa interacción, la IA también podría hacerlo”.
Esto es un ejemplo más de la forma como los sistemas de IA dependen totalmente de los datos con los cuales los alimentamos y de lo que nosotros les “enseñamos”, y, en un ámbito mayor, demuestra también que el trabajo se desplaza a otros aspectos. “Te facilita la vida en algunos aspectos, pero te cambia los retos y las preguntas”, aclara Maldonado Chaparro. “En la investigación con cuyes grabamos a 30 fotogramas por segundo, 24 horas al día durante 15 días. Con esa cantidad de datos nuestra investigación entra en el universo del Big Data Science, y con la IA tardamos más o menos 174 días en analizar esos videos. Una vez entrenado el modelo, las siguientes salidas de campo se podrán analizar con mayor rapidez y precisión”.
Las aplicaciones de la IA en climatología
Las herramientas de IA también se utilizan para comprender y prever el clima de Colombia. Los patrones que presenta el clima en esta época, con valores extremos tanto de lluvia como de sequía, preocupan a todos, desde los investigadores hasta los responsables de políticas públicas, y, por supuesto, al público en general. Para todos, es importante comprender y tratar de conocer las tendencias y cambios de estos eventos, al menos, a corto y mediano plazo.
Ejemplo de la distribución de la precipitación en Colombia para el 1° de enero de 1981.
Para obtener esos índices, es necesario contar con la mayor cantidad de datos en el mayor número posible de lugares del territorio colombiano. La mayoría de los datos climáticos se recoge en las estaciones del IDEAM, distribuidas en todo el territorio nacional. Los datos de 2025 señalan que el IDEAM opera unas 2.854 estaciones activas, de las cuales solo 310 (11 %) son estaciones automáticas con transmisión satelital o vía celular.
Por diversas razones, en esos datos históricos no hay lecturas completas durante periodos largos. Muchas de estas estaciones necesitan reparación o ser actualizadas, y otras, se encuentran en lugares muy distantes de acceder. Mantenerlas en buen estado no es algo que se haya hecho de manera rigurosa, en especial, por falta de recursos económicos.
Juan Felipe T. Bateman es estudiante de pregrado del programa de Ciencias del Sistema Tierra del Rosario. Hace poco, el semillero del cual hace parte Juan Felipe, publicó un artículo científico en donde se presentó un análisis integrado de la cuenca del río Guatiquía que contiene el embalse de Chuza en el páramo de Chingaza y, por medio de datos específicos, como la precipitación, las pendientes, la cobertura del suelo, el índice topográfico de humedad, etc., estableció cuáles son las zonas vulnerables de sufrir eventos de inundación. “Son muchos datos con coberturas tanto en el espacio como en el tiempo, y la IA nos asistió en la automatización de los procesos”, explica. “Pero para trabajar sobre el clima y realizar proyecciones se necesita ver qué ha pasado en los últimos 30 años o incluso más, y en Colombia los datos observacionales suelen ser escasos en algunas regiones”.
Para corregir esta situación, Bateman empleó datos satelitales que fueron corregidos con algoritmos de aprendizaje automático (machine learning, ML, en inglés). También utilizó el banco de mapas MapBiomas, que muestra los datos de cobertura y uso de la tierra desde 1985 hasta 2024 con una resolución de hasta 30 metros. “La IA nos ayudó en nuestro trabajo en aspectos de programación, lo cual también ayuda a optimizar procesos y obtener resultados”, concluía. Los principales hallazgos de este estudio permiten actualizar los planes de ordenamiento y manejo de cuencas hidrográficas (POMCA).
Álvaro Ávila, hidrólogo e investigador del Grupo de Investigación Interacciones Clima-Ecosistemas, Universidad del Rosario.
Álvaro Ávila, es hidrólogo y profesor principal de carrera en el Grupo de Investigación Interacciones Clima-Ecosistemas - ICE. Ávila explica que “los estudios de clima en Colombia son un gran aporte porque en el país las estaciones meteorológicas se concentran en los Andes: Medellín, Bogotá y Cali, el denominado triángulo de oro. En las otras regiones hay pocas estaciones meteorológicas y los datos no son muy completos o están fraccionados, por lo cual, debemos tomar la estimación del satélite. Como ese sesgo es muy relevante, por fortuna, los algoritmos de la IA nos ayudan a corregirlo”.
En un estudio titulado “Missing data estimation in extreme rainfall indices for the Metropolitan area of Cali - Colombia: An approach based on artificial neural networks”, publicado en la revista Data in Brief en 2021, Ávila colaboró con investigadores de la Universidad del Valle, la Universidad Federal de Itajubá y el Instituto de Investigaciones Espaciales de Brasil, que propusieron una metodología para completar los datos faltantes de precipitación de 12 estaciones meteorológicas en la ciudad de Cali entre 1969 y 2019. En ese modelo se utilizó una red neuronal artificial conocida como Análisis de Componentes Principales No Lineales (ANPL) para reconstruir los datos que faltaban y, eliminar los sesgos para crear un modelo de predicción de los eventos extremos.
En otro ejemplo, para saber el dato de una estación en Lloró, en el centro del departamento del Chocó, los investigadores usaron datos de satélites que son de acceso abierto, como los que se consiguen por el programa ERA5, la quinta generación de reanálisis atmosférico producida por el programa Copernicus de la Unión Europea, que combina las observaciones históricas in situ con modelos numéricos para reconstruir el estado de la atmósfera desde 1940 hasta el presente.
Grupo de Investigación Interacciones Clima-Ecosistemas (ICE).
La IA nos permite entonces conocer patrones, rellenar datos que no se conocen con los datos de estaciones vecinas y entender así, los fenómenos atmosféricos. Tabares utilizó un computador portátil para toda su investigación, y para las investigaciones que requieren más poder de cálculo, la Universidad tiene un clúster Linux para Computación de Alto Desempeño o High Performance Computing (HPC), coordinado por el Laboratorio de Computación Avanzada que ofrece sus servicios a la comunidad investigadora.
Las aplicaciones son innumerables. “Usamos las herramientas de IA, por ejemplo: como apoyo en la programación científica, optimizando scripts y acelerando el desarrollo de código, y para optimizar recursos computacionales”, explica Ávila. “Pero el gran reto está en entender y juzgar las respuestas que nos da”.
