Identificar un canto de pájaro entre la maraña de sonidos de un bosque siempre ha sido cosa de expertos con mucha paciencia y buen oído. Un equipo de investigadores de la Universidad Técnica de Chemnitz, en colaboración con la Universidad de Wurzburgo, el parque nacional del Bosque Bávaro y la empresa Oekofor, ha presentado BirdNET Live, una aplicación capaz de reconocer en tiempo real prácticamente 10.000 especies animales por su sonido, y lo más llamativo: funciona completamente offline, sin depender de cobertura móvil ni conexión a internet. El desarrollo forma parte del proyecto RangerSound, financiado por la Fundación Federal Alemana de Medio Ambiente, y está pensado tanto para guardabosques y científicos como para aficionados a la observación de aves que se adentran en zonas donde el móvil deja de tener barras de señal.

Un salto respecto a las apps anteriores

Hasta ahora, la mayoría de aplicaciones de identificación acústica de fauna necesitaban enviar el audio grabado a un servidor remoto para procesarlo, lo cual resultaba poco práctico en bosques densos, zonas de alta montaña o reservas naturales alejadas de cualquier antena. BirdNET Live rompe con esa dependencia al ejecutar el modelo de inteligencia artificial directamente en el propio smartphone. Según su desarrollador, el investigador Stefan Kahl, la aplicación identifica 8.927 especies de aves además de cientos de mamíferos, insectos y anfibios, una cifra que multiplica por más de cuatro la de la segunda mejor alternativa offline disponible actualmente, que ronda las 2.300 especies reconocidas. Ese salto cuantitativo no es casualidad: el modelo se ha entrenado con años de grabaciones de campo recogidas mediante grabadoras automáticas instaladas en el Bosque Bávaro, que durante días captaron de forma continua el paisaje sonoro del entorno para servir como datos de entrenamiento.

Para lograr que un modelo tan amplio funcione sin depender de la nube, el equipo ha tenido que optimizar de forma agresiva la red neuronal encargada del reconocimiento, reduciendo su tamaño y su consumo de cómputo sin sacrificar apenas precisión, un equilibrio técnico nada trivial cuando se pasa de miles de servidores a un solo procesador móvil. La aplicación graba de manera continua mientras el usuario camina, analiza el audio en bloques cortos y va etiquetando cada especie detectada casi al instante, guardando además la ubicación GPS y la marca temporal de cada grabación para poder revisarla o compartirla más adelante. Este enfoque recuerda al que ya popularizaron proyectos como Merlin Bird ID, de la Universidad de Cornell, o iNaturalist, aplicaciones de ciencia ciudadana que llevan años ampliando la participación pública en la conservación mediante análisis de imagen y sonido, como recoge este artículo de Associated Press sobre apps de identificación de aves, aunque la clave diferencial de BirdNET Live está en no depender en ningún momento de una conexión de datos.

Pensada para el trabajo de campo real

El público objetivo de BirdNET Live no son solo los pajarilleros de fin de semana. La herramienta está diseñada principalmente para profesionales de la conservación, investigadores y estudiantes que necesitan monitorizar biodiversidad en condiciones de campo poco favorables. Los guardabosques del Bosque Bávaro, que han participado activamente en las pruebas de la aplicación, pueden dejarla funcionando en segundo plano durante sus rondas de vigilancia y obtener así un inventario en vivo de qué especies están presentes en una zona concreta, sin preocuparse de si hay cobertura o no. Combinada con un micrófono externo, la aplicación incluso permite que el teléfono permanezca guardado en la mochila mientras sigue grabando y procesando sonidos del entorno, lo que la convierte en una herramienta discreta de monitorización pasiva.

Cada grabación queda almacenada en el propio dispositivo junto con su geolocalización y su hora exacta, de modo que después se puede reproducir, revisar o enviar a otros expertos para confirmar una identificación dudosa. Esta función convierte a la aplicación en algo más que un simple identificador automático, ya que también sirve como herramienta de aprendizaje para quienes quieren entrenar el oído distinguiendo cantos parecidos entre especies emparentadas. Los responsables del proyecto explican que, más allá del uso inmediato en el Bosque Bávaro, la intención es extender el sistema a entornos educativos y también a labores de investigación en selvas tropicales con una biodiversidad mucho mayor, como las de Ecuador, donde la falta de cobertura móvil es habitual y donde una herramienta capaz de operar completamente offline puede marcar una diferencia real en los estudios de campo. Más detalles sobre el proyecto y su disponibilidad pueden consultarse en la web oficial de BirdNET Live.

El producto en detalle

BirdNET Live nace como evolución directa del proyecto BirdNET, una iniciativa de bioacústica ya consolidada en el ámbito científico, pero da un paso adicional al eliminar por completo la dependencia de servidores externos para el procesamiento del audio. La app corre sobre el hardware estándar de un smartphone actual, lo que implica que el modelo de aprendizaje profundo ha tenido que comprimirse de forma notable para caber en la memoria y en la capacidad de cómputo de un dispositivo móvil sin perder la capacidad de distinguir entre miles de clases acústicas distintas, muchas de ellas con cantos extremadamente parecidos entre sí. La interfaz permite consultar en tiempo real qué especie se está escuchando en cada momento, revisar el historial de detecciones por fecha y ubicación, y exportar los registros para su análisis posterior o su integración en bases de datos de biodiversidad. Aunque de momento el foco está puesto en el ámbito germanoparlante y en los entornos naturales de Baviera, el equipo de Chemnitz plantea una expansión progresiva del catálogo de especies y de las regiones geográficas cubiertas, apoyándose en nuevas grabaciones de campo que sigan alimentando el modelo. Se trata, en definitiva, de una propuesta que combina investigación académica, trabajo de campo de guardabosques reales y una ingeniería de compresión de modelos bastante fina, todo ello orientado a un objetivo muy concreto: que la falta de cobertura deje de ser un obstáculo para identificar la fauna que nos rodea.

Reflexiones finales

Lo interesante de BirdNET Live no es solo la cifra de especies reconocidas, que ya de por sí resulta considerable, sino el hecho de que todo el procesamiento ocurra en el propio terminal. Durante años, la inteligencia artificial aplicada a la identificación de fauna ha dependido casi siempre de la nube, lo cual funciona bien en un parque urbano con buena cobertura pero deja de tener sentido en un bosque cerrado o en una selva tropical. Trasladar modelos de este tamaño al edge, es decir, al propio dispositivo, es una tendencia que probablemente veremos repetirse en otros ámbitos de la IA aplicada a la naturaleza, desde el reconocimiento de plantas hasta el seguimiento de especies invasoras. También llama la atención el enfoque colaborativo del proyecto, que mezcla universidades, un parque nacional y una empresa privada, un modelo que suele dar buenos resultados cuando se trata de recoger datos reales de campo en lugar de depender únicamente de bases de datos genéricas. Habrá que ver si la aplicación logra mantener ese ritmo de expansión hacia otras regiones del planeta y si el enfoque offline se convierte en el estándar para este tipo de herramientas de ciencia ciudadana y conservación.