Un estudio internacional ha propuesto una guía práctica para optimizar el uso de la inteligencia artificial (IA) en la protección del océano. Cada día, se generan grandes volúmenes de datos a partir de imágenes y señales recogidas en el mar mediante sonares, boyas, satélites y cámaras instaladas en barcos. Estos datos son analizados con IA para detectar especies marinas en tiempo real, estimar indicadores de biodiversidad e identificar automáticamente las especies capturadas a bordo, lo que mejora los modelos de gestión pesquera y la resolución de conflictos en la gestión marina.
Sin embargo, surge la inquietud sobre la fiabilidad de las conclusiones que ofrece la IA cuando está en juego la salud del océano. Para abordar este desafío, un equipo europeo liderado por AZTI ha desarrollado un marco de referencia que establece tres pilares fundamentales para asegurar que la IA marina sea confiable, ética y científicamente sólida. Este trabajo se detalla en el artículo titulado ‘Towards Trustworthy Artificial Intelligence for Marine Research, Fisheries and Environmental Management’, publicado en la revista científica Fish and Fisheries. El profesor y destacado investigador del Centro de Investigación Interdisciplinaria en Tecnologías Ambientales de la USC (CRETUS), Sebastian Villasante, es coautor del estudio.
Desafíos y riesgos asociados a la IA
El estudio señala que aunque la IA presenta oportunidades significativas, también conlleva riesgos considerables. Por ejemplo, una cámara instalada a bordo puede confundir dos especies similares si no ha sido entrenada adecuadamente con imágenes tomadas bajo diversas condiciones de luz. Asimismo, un modelo diseñado para predecir la abundancia de una población pesquera puede resultar erróneo si se basa en datos incompletos o sesgados debido a limitaciones inherentes al muestreo. Esto podría llevar a evaluaciones inexactas sobre el estado real de los recursos marinos.
Además, advierten que herramientas automatizadas pueden ser rechazadas por el sector si su funcionamiento no es comprendido o si no han sido diseñadas considerando el conocimiento práctico de quienes trabajan en el mar. “Estos ejemplos muestran por qué es crucial establecer criterios sólidos de calidad, transparencia y validación”, afirman los investigadores, enfatizando que las decisiones tomadas deben considerar los ecosistemas, comunidades pesqueras y políticas públicas.
Pilares del marco propuesto
El marco desarrollado por el equipo investigador se articula alrededor de tres pilares esenciales. El primero aborda la viabilidad socioeconómica y legal; el desarrollo y uso de la IA debe ser accesible para todo el sector marítimo, incluyendo a los pescadores a pequeña escala, y debe alinearse con las normativas europeas vigentes, incluido el nuevo Reglamento de IA. En este sentido, el estudio destaca que las herramientas más efectivas son aquellas diseñadas con la participación activa de todos los actores involucrados.
El segundo pilar se centra en la gobernanza ética del dato. Un sistema de IA eficaz requiere datos diversos, limpios y gestionados responsablemente. El trabajo propone aplicar principios como FAIR (Findable, Accessible, Interoperable and Reusable), CARE (Collective Benefit) y TRUST (Transparency and Responsibility) a los datos marinos para garantizar que sean accesibles y respeten las comunidades generadoras.
Robustez técnica y validación científica
Finalmente, el tercer eje se basa en la robustez técnica y validación científica; es fundamental que la IA demuestre su eficacia bajo condiciones reales del océano. Así, se recomienda validar modelos utilizando datos independientes y contrastar resultados con información obtenida directamente del terreno. Por ejemplo, comparar análisis automatizados con muestreos manuales permite verificar hasta qué punto los algoritmos reflejan fielmente lo ocurrido a bordo.
Jose A. Fernandes, experto en IA de AZTI y autor principal del estudio, subraya: “Estamos observando un auge en el uso de algoritmos que muchas veces no cumplen con las expectativas iniciales. Dado que la IA ya es una realidad para el sector pesquero y la investigación marina, solo será útil si resulta confiable”.
Sebastian Villasante añade: “Las herramientas de IA deben ser diseñadas mediante enfoques inclusivos que integren conocimientos locales específicos junto con las necesidades económicas”.
Implicaciones para investigación y sostenibilidad
La implementación del marco propuesto tiene implicaciones directas para la comunidad científica al proporcionar criterios homogéneos para desarrollar y evaluar modelos de IA. Esto podría acelerar la generación de conocimiento y mejorar las predicciones sobre el estado de los ecosistemas frente al cambio climático.
A nivel práctico, para la gestión pesquera y ambiental significa contar con herramientas más transparentes que faciliten decisiones complejas relacionadas con cuotas pesqueras o planificación espacial marina. Además, esta estrategia contribuye a una digitalización responsable del océano hacia una economía azul más sostenible, beneficiando tanto a la biodiversidad como a las comunidades dependientes del mar.
Si (
No(
