Suscríbete al boletín semanal

Recibe cada semana los contenidos más relevantes de la actualidad científica.

Agencia Sinc
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones

Inteligencia artificial para identificar a cien individuos en una multitud

Un nuevo software es capaz de reconocer en un vídeo a cada uno de los casi cien peces cebra que nadan en un tanque de agua en cada momento, aunque sus trayectorias se entrecrucen. El equipo de investigadores de Portugal y España ha usado una combinación de redes neuronales y algoritmos. Su aplicación principal es el rastreo de individuos por su aspecto.

Un investigador observa los tanques de pez cebra en el laboratorio. / CSIC

George es un pez cebra. Junto con Tom y otros 98 compañeros nada en un tanque en los laboratorios del Champalimaud Centre for the Unknown (CCU), en Lisboa. Una cámara graba desde arriba un vídeo de todas las idas y venidas de estos animales.

El sistema tarda una hora en identificar a todos y cada uno de los cien peces cebra del vídeo en todo momento con una precisión de casi el 100%

¿Es posible identificar, a partir de las grabaciones, a los peces de manera individual en cada momento? Sí, dice Gonzalo de Polavieja, investigador principal del Laboratorio de Comportamiento Colectivo de CCU. Él y su equipo han desarrollado un software, llamado idtracker.ai, que puede hacer este trabajo rápidamente y con extrema precisión usando inteligencia artificial. Los resultados se han publicado en la revista Nature Methods.

La primera versión de este software fue desarrollada en 2014 cuando De Polavieja trabajaba en Madrid, en el Instituto Cajal del CSIC. El trabajo fue publicado en la misma revista. “En el sistema anterior no utilizamos inteligencia artificial y los resultados fueron mucho más modestos. Solo podíamos rastrear diez animales como máximo”, comenta el investigador a Sinc.

Investigar el comportamiento colectivo

El coautor explica que el objetivo final del estudio “es saber más sobre el comportamiento del grupo. Queremos entender cómo los animales deciden y aprenden juntos". Y para ello, es necesario extraer datos de muy alta calidad de los vídeos –como la posición y la forma de cada uno de los animales, así como sus trayectorias individuales– sin errores.

Reconocer a cada individuo entre docenas de ellos muy similares es imposible para el cerebro humano. Tampoco es posible con un programa informático convencional. "Nos volveríamos locos intentándolo", dice De Polavieja. “Sin incluir inteligencia artificial, incluso un ordenador muy potente tendría que ejecutar el programa durante años para obtener resultados. Y estos probablemente no serían muy precisos”.

Se compone de dos redes neuronales de aprendizaje profundo y algoritmos

El equipo ha probado la nueva versión del software con grupos de 30, 50 y hasta 100 peces cebra. "No hemos usado más de 100 porque nuestro tanque no era lo suficientemente grande". No obstante, utilizando otro método para grabar las imágenes, demostraron que el programa puede identificar hasta 150 peces de manera individual con muy poca pérdida de precisión. "No creí que pudiéramos alcanzar esos números; fue una sorpresa", destaca.

Idtracker.ai se compone de dos redes neuronales de aprendizaje profundo –una simulación de redes reales de neuronas capaces de aprender de la experiencia–. Utilizando las imágenes de vídeo de los peces cebra en el tanque, la primera red está entrenada para saber si cada pequeña mancha visible en las imágenes corresponde a un solo animal o a varios. Si corresponde a varios, la segunda red neuronal reconoce de qué animal se trata.

Por último, los científicos han utilizado dos algoritmos convencionales para acabar de afinar el proceso. “Es decir, para confirmar el reconocimiento de los pocos individuos cuyas identidades eran todavía un tanto inciertas y el de aquellos con trayectorias superpuestas”.

Características únicas de cada pez cebra

El reconocimiento se basa en las características únicas de cada pez cebra. "La gente piensa que todos los peces cebra son iguales, pero nuestro proyecto demuestra que son diferentes entre sí", remarca.

Los resultados hablan por sí solos: idtracker.ai tarda aproximadamente una hora en identificar a todos y cada uno de los 100 peces cebra del vídeo en todo momento con una precisión de casi el 100%. "Si le muestras a la red una parte aleatoria del vídeo que nunca ha visto antes y le preguntas quién es este, la red asignará correctamente el nombre –o número– correcto en el 99,9% de las veces", dice de Polavieja. “Y si le preguntas dónde está George, Tom, o cualquier otro pez cebra en un momento dado, lo encontrará en la multitud casi sin lugar a dudas”.

Podría emplearse para rastrear a individuos, o identificar a una persona en una aglomeración basándose en la información sobre su apariencia física

Los autores, ente los que figuran varios españoles, probaron que el software también funciona con moscas de la fruta, peces medaka (pez arroz japonés), hormigas y ratones, aunque con un número menor de individuos. "Los peces cebra son los mejores para estos estudios. Los ratones son más difíciles porque tienden a agruparse y deformarse", señala el experto.

El equipo ha utilizado los datos proporcionados por idtracker.ai, que están disponibles en abierto en su página, “para crear modelos matemáticos de comportamiento colectivo. El software –agrega– es open source, “así que las aplicaciones podrán ser las que quieran desarrollar los usuarios”.

Entre otros usos, podría emplearse para rastrear a individuos, o identificar a una persona determinada en una multitud basándose en la información sobre su apariencia física. "Ahora hay toda una industria para este tipo de software", dice De Polavieja. "La gente está aplicando estas técnicas para desarrollar otras herramientas de seguimiento similares. Pero antes de que probáramos que podíamos hacerlo en animales, era difícil creer que fuera remotamente posible", concluye.

Referencia bibliográfica:

Francisco Romero-Ferrero, Mattia G. Bergomi, Robert C. Hinz, Francisco J. H. Heras, Gonzalo G. de Polavieja."Tracking all individuals in small or large collectives of unmarked animals". Nature Methods (14 de enero, 2018) DOI 10.1038/s41592-018-0295-5

Fuente: SINC
Derechos: Creative Commons
Artículos relacionados