La intel·ligència artificial -triada recentment com a paraula de l'any per la Reial Acadèmia Espanyola- té el potencial de transformar la nostra societat de formes mai abans vistes. Contràriament al que suggereix aquest concepte, les persones tenim un paper irreemplaçable tant en el desenvolupament com en la supervisió i en l'ús de l’IA.

En els últims mesos he tingut un paper actiu en aquest sentit ja que he participat, juntament amb el meu equip de la Universitat de La Rioja, en múltiples competicions de dades que tenien com a objectiu el desenvolupament d'intel·ligències artificials que solucionessin importants reptes mediambientals. En ocasió del Marine Datathon de Gran Canària, per exemple, els participants vam haver de crear una solució que permetés detectar la presència de fauna en àudios obtinguts per micròfons submarins distribuïts en la costa local. Els senyals a detectar estaven relacionats amb la fauna marina com, per exemple, els cants de balenes o les xiulades dels dofins. Amb aquesta nova eina els biòlegs i investigadors poden detectar quines espècies habiten la zona, el nombre d'exemplars i si solen tornar periòdicament a un lloc en concret.

"Les persones tenim un paper irreemplaçable tant en el desenvolupament com en la supervisió i en l'ús de l’IA"

El primer que vam fer va ser una anàlisi amb diferents tècniques de preprocessament. Vam estar provant diferents transformades i vam veure que les dues que més informació aportaven eren la FFT (Transformada Ràpida de Fourier) i la CQT (Transformada de Q Constant) que en altres competicions de Kaggle d'àudio i tractament de senyal han funcionat molt bé.

La nostra idea va consistir a incorporar dos models d’IA dins d'un model PANN (Pretrained Àudio Neural Networks, per les seves sigles en anglès), un tipus de model especialitzat a detectar esdeveniments d'àudio basat en transformers. Es van incorporar dues xarxes neuronals dins del propi model PANN, una aprenia de la FFT i l'altra del CQT. Posteriorment, es van utilitzar dues capes d'atenció, una per a cada model.

Amb motiu d'una altra competició internacional de Ciència de Dades, desenvolupem un model de classificació d'imatges satèl·lit per a la predicció del tipus de desforestació que s'està produint amb l'objectiu de la seva detecció precoç. En aquest cas, realitzem un preprocessament de les imatges afegint diferents filtres d'imatge com pot ser la modificació del contrast, la saturació o el volteig de les imatges. A partir d'aquest preprocessament es van generar multitud de models per a seleccionar els filtres que millor s'adaptaven.

“La intel·ligència humana té un paper clau en l'ecosistema de la IA for Good”

En segon lloc, també ajustem les èpoques d'entrenament de la xarxa neuronal, a més de la grandària d'entrenament (batch) i la taxa d'aprenentatge (learning rate). A més, executem tècniques de pseudolabeling per millorar els diferents models. Finalment creem multitud de proves agrupant diversos models, la qual cosa es denomina ensemble, seleccionant els millors resultats.

Més enllà del meu creixement professional, em sento especialment orgullós dels premis que el meu equip ha rebut en cada datathon. Hem pogut aprofitar tot el nostre coneixement sobre dades i intel·ligència artificial per intentar resoldre problemes reals del medi ambient demostrant així que podem ser actors clau en l'ecosistema de la IA for Good.