En el segundo día de la “VI Conferencia Internacional de Computación de Alto Rendimiento de América Latina (CARLA) 2019”, el cual se lleva a cabo en Turrialba, la Universidad Estatal a Distancia (UNED) y el Centro Nacional de Alta Tecnología (CeNAT) del Consejo Nacional de Rectores (CONARE) presentaron el proyecto “Entendiendo el desempeño variable en el marco del aprendizaje profundo, para la Detección Acústica de Aves Tropicales”.
Dicho proyecto es liderado por el Laboratorio de Investigación e Innovación Tecnológica (LIIT) de la UNED y el Colaboratorio Nacional de Computación Avanzada del CeNAT, al que se sumó el estudiante de Manejo de Recursos Naturales de la UNED, Danny Alfaro Rojas.
“El proyecto es de detección acústica de aves y hay un interés de varios investigadores, tanto a nivel nacional como internacional en trabajar este tema, que se basa en la detección automatizada y tiene un marco interesante en el tema de bioacústica, que es toda la ciencia que estudia sonidos de naturaleza, principalmente para la conservación de especies”, explicó Roberto Vargas Masis, investigador del Laboratorio de Investigación e Innovación Tecnológica (LIIT) dela UNED.Por su parte, Jorge Castro Castro, del Centro Nacional de Alta Tecnología (CeNAT-CONARE), quien se encarga de los procesos tecnológicos en el campo de la red neuronal profunda, indicó que dicha iniciativa se viene trabajando desde hace un año, y la población de estudio se encuentra en San Rafael de Heredia, por los alrededores de la microcuenca del río Bermúdez, lugares recreativos y parques urbanos.
“Mediante algoritmos y el análisis computacional de señales, detectamos los diferentes sonidos que emiten las aves y sus comportamientos, a esto le llamamos la red neuronal profunda, que recibe muchísimos parámetros y muestras de entrenamientos, es decir, recibe grabaciones donde se reconoce si hay aves presentes o no, y a partir de esas grabaciones se entrena y esta herramienta aprende a clasificar nuevas grabaciones, para así identificar si en las grabaciones hay o no pájaros”, manifestó Castro Castro.
Según los investigadores, las técnicas basadas en el aprendizaje profundo, han tomado la delantera en términos de rendimiento a gran escala aplicados a diferentes ciencias. Sin embargo, por lo general hay que hacer mucho trabajo manual para etiquetar correctamente las vocalizaciones de aves en conjuntos de datos grandes.
Una forma de abordar esta limitación es utilizar el marco de Aprendizaje de Instancia Múltiple (MIL), que modela cada grabación como una bolsa de instancias, es decir, una colección de segmentos de audio que se asocian con una etiqueta positiva, para identificar si hay aves presentes en la grabación.
Roberto Vargas Masis, del laboratorio LIIT de la UNED, indicó que para este estudio se realizaron 2000 grabaciones y se identificaron 46 especies.
“En las 2000 grabaciones consideradas en este estudio fue posible identificar 46 especies, entre ellas, la más representativas son: la tangara vientricastaña (Tangara dowii), colibri montañez gorgimorado (Lampornis calolaemus), trogón collarejo (Trogon collaris), la elaenia montañera (Elaenia frantzii), el pinzón orejiblanco (Melozone leucotis) y la perdiz montañera (Dendrortyx leucophrys). Estas especies presentan estados de conservación importantes considerando que algunas de ellas tratan de especies endémicas de zonas medias y altas de Costa Rica, que, además, pueden funcionar como indicadoras de cambios en estos ecosistemas”, concluyó Vargas Masis.
Es importante señalar, que CARLA tiene como objetivo, proporcionar un foro regional que fomente el crecimiento de la comunidad de alto rendimiento en computación a través del intercambio y difusión de nuevas ideas, técnicas e investigaciones.
Según Carla, el uso y desarrollo de la informática de alto rendimiento en América Latina está creciendo constantemente. Las capacidades proporcionadas por clústeres, cuadrículas y sistemas distribuidos promueven la investigación y la innovación. Al mismo tiempo, muchas aplicaciones dependen en gran medida de la infraestructura HPC.
