Un nuevo estudio de la UNC-Chapel Hill demuestra que la IA avanzada puede determinar con precisión dónde se recolectaron especímenes de plantas con una precisión casi humana, reduciendo drásticamente el tiempo y el costo de digitalizar vastas colecciones de historia natural. Este avance podría abrir miles de millones de registros a los científicos que estudian el cambio climático y la pérdida de biodiversidad.
Un nuevo estudio dirigido por la Universidad de Carolina del Norte en Chapel Hill sugiere que la inteligencia artificial podría finalmente resolver uno de los mayores cuellos de botella en la digitalización de las colecciones de historia natural del mundo.
Los investigadores descubrieron que las herramientas avanzadas de inteligencia artificial, conocidas como modelos de lenguaje grande o LLM, pueden determinar dónde se recolectaron originalmente los especímenes de plantas con una precisión cercana a la humana, pero en una fracción del tiempo y a un costo mucho menor que los métodos tradicionales.
El proceso, denominado georreferenciación, consiste en convertir las anotaciones de ubicación, a menudo vagas o anticuadas, de las etiquetas de los especímenes en coordenadas precisas en un mapa. Es esencial para convertir las hojas físicas de herbario en datos digitales utilizables para los científicos que estudian la biodiversidad, el cambio climático y las transformaciones en los ecosistemas.
El equipo de la UNC informa que los LLM no solo manejaron bien esta tarea, sino que incluso superaron los métodos estándar. En las pruebas, los modelos georreferenciaron especímenes con un margen de error inferior a 10 kilómetros, a la vez que funcionaban mucho más rápido y con un menor coste que las herramientas y los flujos de trabajo manuales existentes.
El primer autor Yuyang Xie, investigador postdoctoral del Departamento de Biología de la UNC, dijo que el trabajo se centra en un antiguo obstáculo en la digitalización de museos y herbarios.
“Nuestro estudio explora cómo los modelos lingüísticos de gran tamaño pueden superar uno de los mayores obstáculos en la digitalización de colecciones de plantas”, declaró Xie en un comunicado de prensa. “Somos pioneros en el uso de estas herramientas para la georreferenciación, un avance que acelerará la digitalización de especímenes de plantas y abrirá nuevas posibilidades para la investigación ecológica”.
Se estima que en todo el mundo se almacenan entre 2 y 3 mil millones de especímenes de herbario en gabinetes y bóvedas. Solo una pequeña parte se ha digitalizado completamente con datos espaciales utilizables. Esta brecha limita la capacidad de los científicos para rastrear la pérdida de biodiversidad, monitorear los movimientos de las especies a medida que el clima se calienta y analizar cómo cambian los ecosistemas con el tiempo.
Sin coordenadas, muchos especímenes permanecen esencialmente invisibles para la investigación moderna basada en datos, incluso si fueron recolectados hace décadas o siglos.
La georreferenciación tradicional es lenta y laboriosa. A menudo requiere que expertos interpreten etiquetas manuscritas, nombres de lugares históricos o indicaciones imprecisas, y luego utilicen software especializado y mapas para estimar las coordenadas. El control de calidad puede implicar varias rondas de revisión.
En cambio, los LLM están diseñados para leer e interpretar lenguaje natural. El equipo de la UNC demostró que estos modelos pueden analizar texto de etiquetas desordenado o ambiguo, inferir la ubicación más probable y devolver coordenadas de forma rápida y consistente.
Xiao Feng, profesor adjunto de biología en la UNC y autor correspondiente del estudio, dijo que los recientes avances en inteligencia artificial están cambiando lo que es posible.
“Los recientes avances en los LLM pueden transformar el proceso de georreferenciación, haciéndolo más rápido y preciso”, afirmó Feng en el comunicado de prensa. “Esto brinda a los investigadores oportunidades sin precedentes para profundizar en nuestra comprensión de la distribución global de la biodiversidad”.
Dado que los LLM pueden ampliarse a millones de registros, este enfoque podría acelerar drásticamente los esfuerzos para poner en línea las colecciones de historia natural. Una georreferenciación más rápida permite incluir más especímenes en bases de datos globales que alimentan la planificación de la conservación, los modelos de distribución de especies y los estudios de impacto climático.
El estudio, publicado En la revista Nature Plants, se encuentra entre los primeros en probar rigurosamente los LLM en tareas de georreferenciación y comparar su rendimiento con los métodos existentes. Los investigadores descubrieron que las herramientas de IA igualaron o superaron la precisión humana, a la vez que redujeron tiempo y costos, lo que sugiere que las instituciones con recursos limitados aún podrían beneficiarse.
Para los herbarios y museos, este cambio podría ser transformador. Muchas instituciones acumulan enormes cantidades de especímenes sin digitalizar debido a la falta de personal y financiación para procesarlos mediante flujos de trabajo tradicionales.
“Esta tecnología nos permite acceder a millones de registros que actualmente se encuentran archivados”, añadió Xie. “Con el poder de los LLM, podemos digitalizar rápidamente datos de especímenes de plantas que serán cruciales para abordar los desafíos ambientales globales”.
Estos desafíos incluyen el seguimiento de especies invasoras, la identificación de refugios climáticos donde las plantas vulnerables podrían sobrevivir y la documentación de cómo han cambiado las áreas de distribución de las especies durante el último siglo. Los especímenes históricos, una vez digitalizados y cartografiados, se convierten en cápsulas del tiempo que revelan cómo ha cambiado la vida en la Tierra.
Los hallazgos del equipo de la UNC también apuntan a posibilidades más amplias. Si los LLM pueden georreferenciar especímenes de plantas de forma fiable, se podrían aplicar enfoques similares a otras colecciones de historia natural, desde insectos y hongos hasta animales vertebrados. Cualquier colección con etiquetas de texto e información de localidad podría, en principio, procesarse mediante IA.
El estudio ofrece una visión esperanzadora de cómo la IA y la curación tradicional pueden colaborar. Los expertos humanos siguen siendo esenciales para verificar casos complejos, interpretar registros raros o inusuales y orientar las preguntas de investigación. Sin embargo, al asumir los LLM la tarea repetitiva y laboriosa, los expertos podrían centrarse más en el análisis y el descubrimiento.
Para los estudiantes y los científicos en inicio de carrera, el cambio podría significar un acceso más rápido a conjuntos de datos más ricos y más oportunidades para abordar grandes preguntas sobre la biodiversidad y el clima.
Al demostrar que la IA puede superar uno de los obstáculos técnicos más difíciles de la digitalización, los investigadores de la UNC han abierto la puerta a un futuro en el que las colecciones de plantas del mundo no solo se conservarán en papel, sino que serán totalmente buscables, mapeables y listas para informar decisiones ambientales urgentes.