La inteligencia artificial (IA) está empezando a desempeñar un papel relevante en la protección de especies marinas amenazadas. Un proyecto conjunto entre SAS y Fathom Science ha desarrollado un sistema predictivo que permite a las embarcaciones reducir la probabilidad de colisiones con ballenas francas del Atlántico Norte, una de las especies más amenazadas del planeta.
La iniciativa, impulsada dentro del programa Data for Good de SAS, combina modelado oceánico, generación de datos sintéticos y aprendizaje automático para crear mapas de calor que informan en tiempo real sobre la posible presencia de estos cetáceos en áreas costeras de tránsito marítimo.
Las colisiones con embarcaciones constituyen una de las principales causas de mortalidad para las ballenas francas, cuya población se estima en menos de 350 ejemplares. Esta situación convierte la localización preventiva en una herramienta crítica tanto para la conservación ambiental como para la seguridad marítima.
Tecnología predictiva con integración directa en sistemas de navegación
El proyecto se centra en WhaleCast, una tecnología desarrollada por Fathom Science que calcula la probabilidad de presencia de ballenas francas a lo largo de la costa este de Estados Unidos. WhaleCast genera mapas de calor que pueden integrarse directamente en las pantallas de navegación de las embarcaciones, proporcionando información práctica y visual para que los marineros tomen decisiones operativas en tiempo real, como la reducción de velocidad en zonas con alta probabilidad de presencia de cetáceos.
El modelo combina datos históricos de avistamientos de ballenas con simulaciones oceánicas desarrolladas por Fathom Science. Sin embargo, uno de los principales retos del proyecto fue la escasez de datos reales disponibles, dado que los avistamientos de ballenas no siempre son sistemáticos ni completos. Para superar esta limitación, se recurrió a la generación de datos sintéticos, diseñados para simular las condiciones reales del entorno marino.
Datos sintéticos para reforzar la calidad del entrenamiento de modelos
Gracias a la colaboración con SAS y su plataforma Viya Workbench, el equipo técnico del proyecto logró generar una base de datos robusta con cerca de 500.000 registros, empleando algoritmos de machine learning que permiten simular ubicaciones probables de ballenas a partir de patrones históricos, condiciones oceánicas y datos de navegación.
A partir de esta base de datos ampliada, se entrenaron, validaron y probaron siete modelos predictivos distintos, incluyendo desde modelos estadísticos simples hasta arquitecturas avanzadas basadas en redes neuronales. Esta diversidad de enfoques permitió evaluar con mayor precisión las ventajas y limitaciones de cada modelo en función del contexto y la disponibilidad de información.
Uno de los avances técnicos más relevantes fue la incorporación de la variable de distancia a la costa, que se integró en el modelo a través de herramientas estadísticas y de procesamiento de datos de SAS. Esta información permitió mejorar la predicción espacial, afinando el mapa de calor y haciéndolo más útil para la navegación operativa.
Aplicaciones para la sostenibilidad marina y la seguridad marítima
El desarrollo de WhaleCast demuestra cómo la inteligencia artificial puede contribuir a abordar retos medioambientales complejos mediante el análisis predictivo. En este caso, la combinación de datos científicos, modelado oceánico y herramientas de machine learning ha dado lugar a una solución funcional que ya está siendo integrada en sistemas reales de navegación.
Taylor Shropshire, responsable del área de resiliencia marina en Fathom Science, ha destacado la agilidad de SAS en la creación y evaluación de modelos predictivos, subrayando que la capacidad para escalar desde enfoques básicos hasta modelos avanzados permite adaptar la solución a distintos entornos y necesidades. “Pudieron expandirse desde un modelo muy simple hasta modelos complejos de redes neuronales y machine learning para mostrar los beneficios y las limitaciones de cada uno”, señaló.
Un ejemplo de aplicación tecnológica con impacto ambiental
WhaleCast se enmarca en una tendencia creciente hacia la tecnología aplicada a la sostenibilidad, especialmente en sectores como la gestión marina, la conservación de especies y la protección de ecosistemas vulnerables. A través del uso de gemelos digitales del océano y sistemas predictivos de alto rendimiento, el proyecto abre la puerta a nuevas aplicaciones de IA en el ámbito de la ecología operativa.
La iniciativa refuerza también el valor de los datos como elemento estratégico en la toma de decisiones responsables. Al anticipar eventos de riesgo, como la posible presencia de ballenas en rutas marítimas, los sistemas de IA no solo mejoran la eficiencia del transporte, sino que contribuyen activamente a minimizar impactos ecológicos y preservar la biodiversidad.
