Para los observadores de aves, un avistamiento poco común es el premio mayor. ¿Una especie errante alejada de su área de distribución normal? Esas son las noticias de primera plana. En el Reino Unido, estos hallazgos están esparcidos por todas partes. Tomemos como ejemplo la garza de arrecife occidental. Esta ave, que suele estar atrapada en África o el sur de Europa, apareció en el norte de Gales en junio. Los foros estallaron. La celebración estuvo a la orden del día.
Luego está la podredumbre.
Los científicos están gritando ahora. Quieren que los observadores de aves dejen de jugar con la IA. ¿El miedo? Está envenenando el pozo de la ciencia ciudadana. Plataformas como iNaturalist y Macaulay Library dependen de datos públicos. Estos datos impulsan una investigación real. Realiza un seguimiento de los cambios de hábitat. Monitorea los rangos de especies. Pero ahora, imágenes alteradas por IA en foros de observación de aves están inyectando ruido en la señal. Y es difícil saber qué es real.
La trampa de la “belleza” en la fotografía de vida silvestre
Las herramientas de IA generativa han hecho que fingir sea fácil. ¿ChatGPT? No, modelos de imagen. Puedes generar un pájaro falso de alta calidad en segundos. O puedes tomar una foto real y “mejorarla”. Quitar una rama. Afila las plumas. Haz que los colores resalten.
Al algoritmo no le importa la biología. Se preocupa por los patrones.
En un comentario reciente en Nature, los investigadores expusieron los daños. Cientos de imágenes falsas ya se encuentran en las bases de datos. ¿El número real? Desconocido. Probablemente mucho más alto. La mayoría pasa desapercibida. Esto contamina los registros recopilados por el público durante años.
“Mi experiencia al mirar Facebook estos días es que se trata simplemente de imágenes generadas por IA”, dijo el Dr. Alexander Lees.
Lees, ecologista de la Manchester Met University, escribió el artículo. Su punto es contundente. ¿Usar estas fotos para rastrear la ubicación de las especies? Difícil. Quizás imposible.
Los engaños directos son raros. No vemos tucanes en Siberia. Todo el mundo se daría cuenta de eso. Son las ediciones sutiles las que matan la confianza. Un observador de aves le pide a la IA que haga que una imagen “se vea mejor”. El software intercambia plumas. Agrega marcas. De repente, tienes un híbrido que nunca existió.
El error del mirlo de alas rojas
Lees cita un ejemplo específico. Un avistamiento de un mirlo de alas rojas. Brasil central. Nunca antes había visto allí. Los mirlos de alas rojas pertenecen a América del Norte. ¿El pájaro de la foto? En realidad, una charretera oriole. Una especie común del Nuevo Mundo.
El fotógrafo utilizó IA. Querían una imagen mejor y más nítida. La IA añadió las distintivas charreteras rojas de un pájaro diferente. Resultado: un registro falso. Un fantasma en los datos.
Los fotógrafos de vida silvestre están obsesionados con la toma perfecta. No siempre ven el riesgo. La imagen que gana premios hoy podría causar dolores de cabeza a los científicos mañana.
Por qué los datos precisos son ahora más importantes que nunca
La balanza aún se está midiendo. En iNaturalist, que alberga más de 610 millones de imágenes, hasta ahora sólo 1.400 han sido marcadas para uso de IA. Eso es menos del 0,002%. Pero, ¿importa el volumen cuando la fuente es sospechosa?
Estas plataformas actúan como sensores en tiempo real. Nos muestran el cambio climático en acción. ¿Las plantas florecen temprano? ¿Están las especies migrando hacia el norte? Los conservacionistas necesitan estos datos. Necesitan saber dónde están las cosas.
Tony Iwane, director de apoyo comunitario de iNaturalist y coautor del artículo, ve el valor.
“Es casi como un sensor de lo que está sucediendo en la Tierra”, dijo Iwane.
La mayoría de las ediciones no son maliciosas. Son estéticos. Pero la línea se desdibuja rápidamente. Si los datos son inexactos, las conclusiones son erróneas. No podemos conservar lo que no entendemos.
Entonces, cuando estés editando esa toma de la reinita, piénsalo dos veces. No sólo estás haciendo que se vea bien. Estás agregando ruido a un conjunto de datos global crítico. Y una vez que sale a la luz, es difícil eliminarlo.
La comunidad de observación de aves quiere ayudar. Les encanta la emoción del nuevo hallazgo. Pero esa emoción está chocando con un nuevo tipo de contaminación digital. La pregunta no es sólo si podremos encontrar al pájaro. Se trata de si podemos creer la imagen que vemos.
Algunos dicen que la solución es una mejor detección de IA. Otros abogan por directrices comunitarias más estrictas. No existe una solución milagrosa. Sólo más vigilancia. Y tal vez un regreso a las imágenes en bruto y sin editar. Hasta entonces, seguimos buscando. Y seguimos cuestionando.
