Es sorprendente pensar en la cantidad de cuestiones que resultan trascendentales para la opinión pública y que pueden interpretarse como un reto en análisis de datos. Tenemos un problema que está apareciendo en la prensa y estudios científicos: un número indeterminado de ballenas está muriendo en los océanos y mares del mundo como resultado de colisiones con barcos, petroleros y grandes buques mercantes. Big Data y Data Science para salvar a las ballenas.

Y existen datos, muchos datos, sobre este drama terrible en tiempos donde crece la conciencia sobre la importancia de la conservación, algunos llegados desde cámaras térmicas, sensores en boyas, drones e información de GPS. Al igual que en los procesos productivos a escala social, estos grandes volúmenes de datos pueden ser explorados mediante las sofisticadas metodologías y herramientas que logran proporcionar el Big Data y el Data Science.

Algunas estimaciones dicen que seis de cada trece ballenas están en peligro, los ejemplares más grandes (como la ballena azul, con sus 180 toneladas y 30 metros) parecen correr el mayor riesgo. Como sabemos bien, las medidas, tratados y normativas que intentan proteger a las ballenas de la caza es un logro reciente y cuenta con poderosos enemigos.

Pero a los peligros habituales se ha sumado el crecimiento sostenido del tráfico de enormes buques de carga. Una investigación de World Economic Forum del año 2020 evidenció que las grandes rutas comerciales en los océanos y mares del mundo se tocan en múltiples puntos con lugares donde poblaciones de ballenas se alimentan, socializan y dan a luz. Tales lugares asisten a colisiones que se saldan con la muerte del animal, además, se trata de decesos que dejan escasa o ninguna evidencia, dado que el cuerpo sirve de alimento a otras especies o termina arrastrado al lecho marino.

Una gran parte del problema está en la forma como están construidos los buques de grandes dimensiones y en cómo es ideada su solución de transporte. En otras palabras, cuando se pilota una nave de más de 300 metros de largo y 15 pisos de contenedores es, sencillamente, inviable fiarse del factor humano (unos ojos tras unos prismáticos) como origen de la contramedida que evite embestir a una ballena.

BIG DATA Y DATA SCIENCE PARA SALVAR A LAS BALLENAS

¿Qué hacer? Bueno, han aparecido distintas soluciones ligadas al análisis de datos. Una muy interesante es el sistema Whale Safe, de la Universidad de California y la Universidad de Texas. Una red de sensores cerca o en el lecho marino captan sonidos masivamente y envían los datos hasta un sistema donde herramientas de Big Data, Data Science e inteligencia artificial practican un análisis y modelación que resulta en mapas donde se señala presencia de ballenas.

Los resultados del análisis anterior se carga en la red, que envía alertas vía electrónica (app, email, etc.). El sistema eleva su eficacia con informes sobre avistamientos. También puede utilizar sus modelos Big Data para trazar zonas de alimentación o socialización en base a las corrientes marinas y la temperatura del agua.

El sistema Whale Safe estableció que 2018, 2019 y 2021 fueron los años registrados más devastadores respecto a colisiones entre barcos y ballenas, al menos, frente a la costa oeste de los Estados Unidos.

Recordemos que cuando hablamos de Big Data y Data Science casi siempre pretendemos obtener información y conocimientos que orienten una mejor toma de decisiones. Es exactamente esto lo que logra Whale Safe. Un ejemplo de sus recomendaciones es este:

"Alerta: Zona de reducción voluntaria de velocidad de embarcaciones en vigor. La NOAA recomienda que los buques de más de 300 toneladas brutas que transiten por la zona lo hagan a velocidades de 10 nudos o menos."

Sus estadísticas parecen demostrar que velocidades de 10 nudos reducen la posibilidad de atropellar a una ballena.

Por supuesto, el anterior es uno de los ejemplos existentes. Desde el 2019 investigadores de la Universidad de Granada y la Universidad de Almería desarrollaron un sistema basado en análisis de datos e inteligencia artificial que permitía un eficaz conteo y reconocimiento de ballenas. Su trabajo apareció publicado en la revista Scientific Reports (Whale counting in satellite and aerial images with deep learning).

En efecto, utilizaron deep learning para estructurar un conjunto de algoritmos de aprendizaje automático y arquitectura en redes neuronales convolucionales. Su sistema se realimentaba y podía aprender con el fin de diferenciar a distintos sujetos y recrear predicciones. Como ya conocen los lectores de este blog del Máster en Big Data y Data Science de la UNED, las redes neuronales convolucionales incorporan rasgos de distinta complejidad aumentando la información de la que se alimentan. El aprendizaje a partir de una base previa se perfecciona con el tiempo. Fue así como este modelo permitía un conteo progresivamente más eficaz a partir de imágenes por satélite.

Quizás deberíamos destacar que en cualquiera de los dos ejemplos que hemos citado anteriormente, y que representan aportes reales y viables en la lucha por la vida de las ballenas, podrían haberse desempeñado eficientemente los egresados del Máster en Big Data y Data Science de la Universidad Nacional de Educación a Distancia - UNED. ¿Y qué queremos decir con esto? Que si un estudiante tiene entre sus intereses un futuro profesional en las grandes batallas por el planeta, puede que le interese saber que la formación superior en análisis de datos sea el lugar desde donde se harán las grandes aportaciones.

Experto, Especialista y Máster en Big Data y Data Science de la UNED:

CONVOCATORIA 2024 - MATRÍCULA ABIERTA