\n<\/p>\n
El escritor es fundador de <\/em>tamizado<\/em><\/a>una empresa de medios respaldada por FT que cubre las nuevas empresas europeas <\/em><\/p>\n Las nuevas herramientas tecnol\u00f3gicas a menudo permiten nuevos descubrimientos cient\u00edficos. Tomemos el caso de Antonie van Leeuwenhoek, el cient\u00edfico aficionado holand\u00e9s del siglo XVII y microscopista pionero, que construy\u00f3 al menos 25 microscopios de lente \u00fanica con los que estudi\u00f3 pulgas, gorgojos, gl\u00f3bulos rojos, bacterias y su propio espermatozoide, entre otras cosas. <\/p>\n En cientos de cartas a la Royal Society y otras instituciones cient\u00edficas, van Leeuwenhoek registr\u00f3 meticulosamente sus observaciones y descubrimientos, no siempre para lectores receptivos. Pero desde entonces ha sido reconocido como el padre de la microbiolog\u00eda, ya que nos ayud\u00f3 a comprender y combatir todo tipo de enfermedades.<\/p>\n Siglos m\u00e1s tarde, las nuevas herramientas tecnol\u00f3gicas permiten a una comunidad mundial de bi\u00f3logos y cient\u00edficos aficionados explorar el mundo natural del sonido con m\u00e1s detalle y a mayor escala que nunca. As\u00ed como los microscopios ayudaron a los humanos a observar cosas que no eran visibles a simple vista, los omnipresentes micr\u00f3fonos y los modelos de aprendizaje autom\u00e1tico nos permiten escuchar sonidos que de otro modo no podr\u00edamos o\u00edr. Podemos escuchar a escondidas un asombroso paisaje sonoro de “conversaciones” planetarias entre murci\u00e9lagos, ballenas, abejas, elefantes, plantas y arrecifes de coral. \u201cSonics es la nueva \u00f3ptica\u201d, me dice Karen Bakker, profesora de la Universidad de Columbia Brit\u00e1nica.<\/p>\n Se est\u00e1n invirtiendo miles de millones de d\u00f3lares en la llamada inteligencia artificial generativa, como ChatGPT de OpenAI, y se est\u00e1n lanzando decenas de nuevas empresas para comercializar estos modelos b\u00e1sicos. Pero, en cierto sentido, la IA generativa es un nombre algo inapropiado: estos modelos se utilizan principalmente para repetir el conocimiento humano existente en combinaciones novedosas en lugar de generar algo genuinamente nuevo. <\/p>\n Lo que puede tener un mayor impacto cient\u00edfico y social es la “IA aditiva”, que utiliza el aprendizaje autom\u00e1tico para explorar conjuntos de datos espec\u00edficos reci\u00e9n creados, derivados, por ejemplo, de im\u00e1genes satelitales, secuenciaci\u00f3n del genoma, detecci\u00f3n cu\u00e1ntica o grabaciones bioac\u00fasticas, y ampliar la fronteras del conocimiento humano. Cuando se trata de datos s\u00f3nicos, Bakker incluso plantea la tentadora posibilidad durante las pr\u00f3ximas dos d\u00e9cadas de comunicaci\u00f3n entre especies a medida que los humanos usan m\u00e1quinas para traducir y replicar sonidos de animales, creando una especie de Google Translate para el zool\u00f3gico. \u201cTodav\u00eda no poseemos un diccionario de Sperm Whalish, pero ahora tenemos los ingredientes b\u00e1sicos para crear uno\u201d, escribe Bakker en su libro. Los sonidos de la vida<\/em>.<\/p>\n Esta revoluci\u00f3n s\u00f3nica ha sido desencadenada por avances tanto en hardware como en software. Se pueden conectar micr\u00f3fonos y sensores baratos, duraderos y de larga duraci\u00f3n a los \u00e1rboles del Amazonas, a las rocas del \u00c1rtico oa las espaldas de los delfines, lo que permite un seguimiento en tiempo real. Ese flujo de datos bioac\u00fasticos luego se procesa mediante algoritmos de aprendizaje autom\u00e1tico, que pueden detectar patrones en sonidos naturales infras\u00f3nicos (baja frecuencia) o ultras\u00f3nicos (alta frecuencia), inaudibles para el o\u00eddo humano.<\/p>\n Pero, enfatiza Bakker, estos datos solo tienen sentido cuando se combinan con observaciones humanas sobre comportamientos naturales obtenidas del minucioso trabajo de campo de bi\u00f3logos o an\u00e1lisis de aficionados. Por ejemplo, zooniverso,<\/a> la iniciativa de investigaci\u00f3n de ciencia ciudadana que puede movilizar a m\u00e1s de 1 mill\u00f3n de voluntarios ha ayudado a recopilar todo tipo de datos y conjuntos de capacitaci\u00f3n para modelos de aprendizaje autom\u00e1tico. \u201cLa gente piensa que la IA es como un polvo de hadas m\u00e1gico que se puede espolvorear sobre todo, pero en realidad no es as\u00ed como funciona\u201d, dice Bakker. \u201cEstamos utilizando el aprendizaje autom\u00e1tico para automatizar y acelerar lo que los humanos ya estaban haciendo\u201d. <\/p>\n Estos proyectos de investigaci\u00f3n tambi\u00e9n han dado lugar a algunos beneficios derivados pr\u00e1cticos y comerciales. Los estudios de comunicaci\u00f3n de las abejas inspiraron a los cient\u00edficos de Georgia Tech a crear un algoritmo de “mente de colmena” para optimizar la eficiencia de los servidores en los centros de alojamiento de Internet. Los cript\u00f3grafos han estado estudiando los zumbidos, clics, crujidos y chirridos de las ballenas para comprender si su “c\u00f3digo Morse bi\u00f3nico” podr\u00eda imitarse para cifrar las comunicaciones. <\/p>\n Bakker tambi\u00e9n defiende la protecci\u00f3n en tiempo real de la biodiversidad de las regiones en peligro. Los sistemas de aprendizaje autom\u00e1tico que monitorean los micr\u00f3fonos de la selva tropical pueden detectar los sonidos de las sierras circulares, as\u00ed como los gritos de los animales en p\u00e1nico.<\/p>\n Es dif\u00edcil reconciliar este campo emergente de datos bioac\u00fasticos con el argumento de que la investigaci\u00f3n cient\u00edfica ya no es disruptiva. Bakker argumenta que nuestro paradigma actual de comprensi\u00f3n cient\u00edfica podr\u00eda estar agotado, pero eso significa que necesitamos desarrollar uno nuevo. \u201cEs solo un fracaso de nuestra imaginaci\u00f3n\u201d, dice ella. Estamos solo al comienzo de la investigaci\u00f3n de nuestro universo s\u00f3nico. \u00bfQui\u00e9n sabe lo que podemos encontrar? <\/p>\n<\/div>\n