Cada ave canta a su manera. Ahora, una inteligencia artificial es capaz de reconocer esa “firma” vocal y seguir a un mismo pájaro durante años sin necesidad de atraparlo. Un equipo de la Universidad de Pittsburgh y la Universidad de Alberta publicó el 5 de noviembre de 2026 en la revista Nature Methods un método que identifica aves por su canto, individuo por individuo, con hasta 96% de precisión.
“Esto es casi un santo grial”, dijo a la revista Science Scott Sillett, biólogo del Centro de Aves Migratorias del Smithsonian, quien no participó en la investigación.
El problema: contar aves sin lastimarlas
En los bosques de Norteamérica cada primavera se escuchan menos aves cantoras. Para entender por qué, los biólogos llevan décadas usando el método de captura y recaptura: atrapan a los pájaros con redes, les colocan anillos de colores en las patas y regresan al año siguiente para ver cuántos sobrevivieron.
Es un trabajo que consume muchísimas horas de campo y que puede estresar a los animales. Los anillos pueden dañarse o perderse y generar datos erróneos. “En casos raros puedes lesionar a las aves, o incluso podrían morir”, explicó a Science el ornitólogo Michael Schaub, del Instituto Ornitológico Suizo. “Si lo haces bien, esto no debería pasar, pero no está completamente descartado”.
Cómo funciona la IA que escucha
El investigador en aprendizaje automático Sam Lapp y sus colegas eligieron como caso de prueba al chipe suelero (Seiurus aurocapilla), conocido en inglés como ovenbird: un ave migratoria del tamaño de un puño cuyos machos cantan una serie de notas que se repiten como una alarma, con ligeras variaciones de un individuo a otro.
El equipo entrenó una red neuronal convolucional con grabaciones de más de 100 sitios en Pensilvania, recopiladas durante cuatro años con grabadoras automáticas. En lugar de etiquetar a mano cada canto, usaron un truco ingenioso: pidieron al modelo que predijera en qué lugar se había grabado cada canción. Al aprender a distinguir ubicaciones, la red aprendió también los rasgos que hacen único el canto de cada macho. Después, con técnicas de reducción de dimensiones y agrupamiento, juntaron los cantos similares: cada grupo representa, idealmente, a un mismo pájaro.
Para comprobar si funcionaba, recurrieron a otro conjunto de datos: grabaciones hechas en la provincia canadiense de Alberta por Scott Wilson, quien hace una década instaló una red de micrófonos que permitía ubicar cada canto en un territorio concreto y atribuirlo a un ave específica. Con esos datos como referencia, el modelo identificó correctamente a individuos que no formaron parte del entrenamiento con 96% de precisión.
405 aves seguidas durante cuatro años
Con el sistema validado, los investigadores lo aplicaron a gran escala: siguieron a 405 machos de chipe suelero en 126 ubicaciones a lo largo de cuatro años y, con esos “reencuentros” acústicos, modelaron la abundancia de la población y su supervivencia aparente, sin tocar a un solo pájaro.
Esto es posible porque los machos de esta especie establecen un territorio y suelen regresar a él cada año. Basta con instalar micrófonos en una zona de reproducción conocida y dejar que la IA detecte qué individuos vuelven.
Sus límites
El método tiene restricciones. Solo identifica a los machos, que son los que cantan, aunque los biólogos suelen asumir que cada macho cantor tiene pareja, lo que permite estimar la población. “Mientras tus métodos estén estandarizados, un conteo de machos cantores en varios sitios te dice mucho sobre la salud de la población”, señaló Sillett.
Tampoco sustituye por completo la captura, que aporta datos de salud como las reservas de grasa que necesitan las aves para migrar. “El humano todavía tiene que ser parte del proceso”, reconoció Lapp. Y aplicarlo a otras especies requiere datos de referencia sobre qué cantos pertenecen a qué individuo.
El equipo publicó su código en GitHub y sus conjuntos de datos de forma abierta, para que otros grupos de investigación puedan adaptarlo.
Por qué importa para América Latina
Esta noticia tiene un vínculo directo con nuestra región. El chipe suelero es un ave migratoria que pasa el invierno en México, Centroamérica y el Caribe, así que las poblaciones que estudia este trabajo dependen también de los bosques latinoamericanos. Entender si sobreviven de un año a otro ayuda a saber dónde se están perdiendo.
Además, América Latina concentra una enorme diversidad de aves y muchos de sus ecosistemas son de difícil acceso para equipos de campo con pocos recursos. Grabadoras automáticas de bajo costo combinadas con modelos de código abierto podrían permitir a universidades, áreas naturales protegidas y proyectos de ciencia ciudadana monitorear especies sin capturarlas. De hecho, el propio estudio cita trabajos previos que ya exploraban el reconocimiento individual por canto en especies de la región, como Formicarius moniliger, un ave hormiguera de México y Centroamérica.
Para estudiantes de biología, ingeniería o ciencia de datos, es también un ejemplo inspirador de cómo la IA puede ponerse al servicio de la conservación.
Fuente: Nature Methods — Automated identification of individual birds by song enables multi-year recapture from passive acoustic monitoring data. Cobertura adicional: Science.
