Inteligencia artificial y biodiversidad: el rol de la tecnología en el monitoreo de leopardos de las nieves

En las alturas remotas de Asia central, donde las laderas se cubren de nieve y el silencio solo lo rompe el viento, habita uno de los felinos más esquivos del planeta: el leopardo de las nieves. Su pelaje moteado se funde con el entorno rocoso, lo que le valió el apodo de “fantasma de las montañas”, es por eso que observar uno en libertad es tan raro que incluso científicos y naturalistas con décadas de experiencia tuvieron que pasar semanas enteras hasta lograr avistarlos.

Pero algo está cambiando. Nuevas herramientas tecnológicas de Inteligencia Artificial están ayudando a los investigadores a conocer mejor a estos felinos solitarios. Gracias a la inteligencia artificial, hoy es posible distinguir entre individuos con una precisión antes impensada, mejorar los conteos poblacionales y avanzar en su conservación. Lo que antes llevaba meses de trabajo manual, ahora puede resolverse en segundos con la ayuda de algoritmos entrenados para reconocer patrones únicos en cada ejemplar.

En las montañas remotas de Asia central, el leopardo de las nieves fue históricamente casi imposible de observar. Su pelaje camuflado, su naturaleza esquiva y los entornos extremos donde habita dificultaron enormemente su monitoreo. Incluso el escritor Peter Matthiessen, que dedicó dos meses en 1973 a buscarlo en el Tíbet, no logró ver uno. Décadas después, su hijo repitió la travesía con el mismo resultado.

Estas dificultades afectaron durante años los intentos por estimar la población global de la especie. En 2017, la Unión Internacional para la Conservación de la Naturaleza (UICN) cambió su categoría de “en peligro” a “vulnerable”, estimando entre 2.500 y 10.000 adultos en libertad, aunque advirtió que las cifras probablemente disminuían debido a la caza furtiva, la pérdida de hábitat y los conflictos con comunidades humanas.

Para enfrentar este reto, investigadores comenzaron a usar cámaras trampa que se activaban con sensores de movimiento. Estos dispositivos, desplegados por equipos como los de la Wildlife Conservation Society, capturaban miles de imágenes durante meses.

Sin embargo, identificar a los individuos en estas fotos resultó un proceso complejo, propenso a errores humanos y estimaciones infladas, como revelaron estudios que detectaron sobreconteos superiores al 30%.

Cada leopardo tenía un patrón único de rosetas negras en el pelaje, pero distinguirlos requería comparar imágenes que a menudo estaban mal iluminadas o tomadas desde ángulos complicados. Incluso los expertos contaban al mismo animal más de una vez si aparecía en distintas ubicaciones. Para minimizar errores, se aplicaban criterios específicos, como identificar al menos tres similitudes o diferencias claras entre ejemplares.

La inteligencia artificial (IA) transformó este proceso. Algoritmos especializados comenzaron a analizar miles de imágenes, filtrar las que contenían leopardos y reconocer a los individuos comparando sus patrones únicos. Esta automatización redujo la carga de trabajo y mejoró la precisión, especialmente en condiciones donde el ojo humano fallaba.

Dos herramientas fueron claves en este avance: HotSpotter, que detectaba puntos clave del pelaje, y un modelo basado en pose invariant embeddings, que reconocía animales independientemente de la pose o la iluminación. Entrenados con imágenes de leopardos en zoológicos de Estados Unidos, Europa y Tayikistán, así como con registros de vida silvestre en Afganistán, estos sistemas alcanzaron tasas de acierto del 74% por separado y del 85% combinados.

Ambos algoritmos se integraron en Whiskerbook, una plataforma gratuita impulsada por Wildbook y administrada por ConservationX. Investigadores comenzaron a subir fotos, recibir sugerencias automatizadas y confirmar coincidencias visuales en una interfaz sencilla. Esta herramienta formó parte de una red más amplia que aplicó IA a la conservación de especies amenazadas.

Aunque poderosa, la IA no reemplazó del todo al juicio humano. Un estudio que comparó el rendimiento de expertos y novatos con y sin IA mostró que los expertos, usando Whiskerbook, identificaron correctamente al 90% de los leopardos y estimaron la población real con apenas un 3% de margen. Los novatos, en cambio, acertaron en el 73% y tendieron a subestimar el número total de animales.

Ambos grupos mejoraron su desempeño con el apoyo de la IA, lo que confirmó que la colaboración entre tecnología y conocimiento humano generó los resultados más fiables. Esta sinergia permitió avanzar con mayor seguridad en el monitoreo de una especie tan difícil de estudiar como el leopardo de las nieves.

La implementación de sistemas como Whiskerbook ofreció nuevas herramientas para proteger a este felino en su entorno natural. Pero su conservación a largo plazo dependió también de medidas efectivas para preservar su hábitat montañoso, cada vez más amenazado por la actividad humana.