¿Puede la inteligencia artificial descifrar las emociones en animales?
La eterna incógnita sobre cómo se sienten los animales parece haber dado un paso decisivo hacia una posible respuesta. Un grupo de investigadores en Milán ha desarrollado un modelo de inteligencia artificial (IA) capaz de analizar las vocalizaciones de diversas especies y clasificar sus estados emocionales como positivos o negativos. El estudio, publicado en la revista Scientific Reports, se centra en siete especies de animales con pezuñas —entre ellos cerdos, cabras y vacas— y propone una herramienta que podría transformar la forma en que humanos y animales interactúan.
El investigador Stavros Ntalampiras, con sede en Milán, desarrolló un modelo de aprendizaje profundo que analiza las vocalizaciones de siete especies de ungulados. El sistema se basa en técnicas de 'deep learning' que detectan patrones en la entonación, el rango de frecuencias y la calidad tonal de los sonidos emitidos por los animales. Según el análisis, las vocalizaciones negativas tienden a concentrarse en frecuencias medias y altas, mientras que las positivas se distribuyen de manera más uniforme en el espectro. En el caso de los cerdos, las llamadas agudas resultaron especialmente reveladoras, mientras que en caballos y ovejas el rango medio de frecuencia aportó más información.
Este hallazgo sugiere que, aunque las especies comparten ciertos marcadores acústicos de emoción, cada una los expresa de forma distinta. La identificación de estos patrones aporta un nuevo enfoque a una disciplina que, durante décadas, ha buscado descifrar los códigos comunicativos de los animales sin disponer de herramientas capaces de captar las sutilezas de sus señales.
La propuesta de Ntalampiras abre la puerta a aplicaciones prácticas en múltiples campos. En la ganadería, por ejemplo, los agricultores podrían recibir alertas tempranas de estrés en sus animales, lo que permitiría intervenir antes de que aparezcan problemas de salud o de bienestar. En la conservación, los investigadores podrían monitorear a distancia la condición emocional de poblaciones en vida silvestre, y en zoológicos, los cuidadores contarían con indicadores más precisos para ajustar rutinas y entornos.
Más allá de los establos y los santuarios, la IA aplicada a la comunicación animal podría mejorar la seguridad en entornos donde la relación entre humanos y animales es vital. Se están probando collares inteligentes para perros de asistencia entrenados en la detección de convulsiones en pacientes epilépticos, mientras que otros proyectos aplican la visión computarizada para descifrar las danzas de las abejas o el análisis acústico para entender los “clics” de los cachalotes.
El equipo de Milán partió de un enfoque comparativo entre especies, analizando un conjunto amplio de grabaciones acústicas. Al entrenar el modelo con ejemplos de vocalizaciones ya clasificadas en contextos emocionales —como situaciones de bienestar o de estrés—, la IA aprendió a asociar determinados rasgos de las llamadas con una valencia emocional concreta. El resultado fue un algoritmo capaz de generalizar patrones comunes y adaptarse a las diferencias entre especies.
Estos avances se suman a una tendencia creciente: el uso de IA para captar matices que antes pasaban inadvertidos. En el campo de la biología marina, proyectos como el Cetacean Translation Initiative aplican métodos similares para analizar los complejos patrones sonoros de los cetáceos, con la esperanza de identificar señales relacionadas con la identidad individual o el estado emocional.
Sin embargo, el estudio también invita a la cautela. Clasificar una vocalización como positiva o negativa no equivale a entender su significado profundo. Un mismo patrón acústico puede variar en función del contexto, y reducir la complejidad del comportamiento animal a un binomio feliz/triste o calmado/estresado conlleva riesgos de simplificación.
El propio Ntalampiras subraya que el reconocimiento de patrones no debe confundirse con la comprensión total de la comunicación animal. La integración de señales acústicas con datos visuales —como posturas corporales o expresiones faciales— y fisiológicos —como el ritmo cardíaco— podría reforzar la fiabilidad de los modelos.
Lo que está claro es que la inteligencia artificial ha llegado para quedarse en el terreno de la biología y la etología. Con cada nuevo estudio, se va consolidando la idea de que los algoritmos no solo son capaces de procesar datos humanos, sino también de explorar los lenguajes que la evolución ha modelado en otras formas de vida. @mundiario
