Los investigadores están utilizando un tipo de aprendizaje automático conocido como análisis de sentimientos para evaluar los éxitos y fracasos de la conservación de la vida silvestre a lo largo del tiempo. En su estudio, apareciendo el 19 de marzo en Patrones —Una nueva revista científica de datos de acceso abierto de Cell Press— los investigadores evaluaron los resúmenes de más de 4, 000 estudios de reintroducción de especies a lo largo de cuatro décadas y encontraron que, generalmente hablando, estamos mejorando cada vez más en la reintroducción de especies en la naturaleza. Dicen que el aprendizaje automático podría usarse en este campo y en otros para identificar las mejores técnicas y soluciones entre el volumen cada vez mayor de investigación científica.

"Queríamos aprender algunas lecciones del vasto cuerpo de literatura de biología de la conservación sobre programas de reintroducción que podríamos usar aquí en California mientras intentamos devolver a las nutrias marinas a lugares por los que no han vagado durante décadas, "dice el autor principal Kyle Van Houtan, científico jefe del Acuario de la Bahía de Monterey. "Pero lo que teníamos frente a nosotros eran millones de palabras y miles de manuscritos. Nos preguntamos cómo podríamos extraer datos de ellos que realmente pudiéramos analizar, y entonces recurrimos al procesamiento del lenguaje natural ".

El procesamiento del lenguaje natural es un tipo de aprendizaje automático que analiza cadenas de lenguaje humano para extraer información utilizable. esencialmente permitiendo que una computadora lea documentos como un humano. Análisis de los sentimientos, que los investigadores utilizaron en este artículo, analiza más específicamente un conjunto de palabras entrenadas a las que se les ha asignado un valor emocional positivo o negativo para evaluar la positividad o negatividad del texto en general.

Los investigadores utilizaron la base de datos Web of Science para identificar 4, 313 estudios de reintroducción de especies publicados de 1987 a 2016 con resúmenes de búsqueda. Luego utilizaron varios léxicos de análisis de sentimientos "listos para usar", lo que significa que a las palabras en ellos ya se les había asignado un puntaje de sentimiento basado en cosas como críticas de películas y restaurantes, para construir un modelo que pudiera dar a cada resumen un puntaje general. "No tuvimos que entrenar a los modelos, así que después de ejecutarlos durante unas horas, de repente tuvimos todos estos resultados a nuestra disposición, ", dice Van Houtan." Los puntajes nos dieron una tendencia a lo largo del tiempo, y podríamos consultar los resultados para ver qué opinión se asoció con estudios sobre pandas o cóndores de California o arrecifes de coral ".

Las tendencias que vieron sugirieron un mayor éxito de conservación. "Tiempo extraordinario, hay mucha menos incertidumbre en la evaluación del sentimiento en los estudios, y vemos que los proyectos de reintroducción se vuelven más exitosos, y eso es una gran lección, ", dice." Mirando miles de estudios, parece que estamos mejorando en eso, y eso es alentador ".

"Si vamos a maximizar nuestros dólares de conservación, luego, debemos poder evaluar rápidamente qué funciona y qué no, "dice el coautor del estudio Lucas Joppa, Director de Medio Ambiente de Microsoft. "Aprendizaje automático, y el procesamiento del lenguaje natural en particular, tiene la capacidad de analizar los resultados y arrojar luz sobre las historias de éxito de las que otros pueden aprender ".

Para asegurarse de que sus resultados fueran precisos, los investigadores observaron los indicadores más comunes de sentimiento positivo (y, por lo tanto, de éxito en la conservación) en sus resultados y encontraron palabras como "éxito, "" proteger, " "crecimiento, " "apoyo, " "ayuda, "y" beneficio "; las palabras que indicaban un sentimiento negativo eran como" amenazar, " "pérdida, " "riesgo, " "amenaza, " "problema, "y" matar ". Estas palabras se alinean con lo que como biólogos conservacionistas desde hace mucho tiempo, normalmente utilizaría para indicar el éxito y el fracaso en sus propios estudios. También encontraron que las tendencias descritas por el análisis de sentimiento para programas de reintroducción específicos que se sabe que son éxitos o fracasos (como la reintroducción del cóndor de California) coincidían con los resultados conocidos.

Los investigadores dicen que el análisis de sentimientos listo para usar les funcionó sorprendentemente bien, probablemente porque muchas palabras usadas en biología de la conservación son parte de nuestro léxico cotidiano y, por lo tanto, fueron codificadas con precisión con el sentimiento apropiado. En otros campos, piensan que sería necesario trabajar más para desarrollar y entrenar un modelo que pudiera codificar con precisión el sentimiento de más técnicas, lenguaje y sintaxis específicos del campo. Otra restricción, ellos dicen, es que solo un número limitado de los artículos que buscaban analizar eran de acceso abierto, lo que significaba que tenían que evaluar resúmenes en lugar de artículos completos. "Realmente estamos rascando la superficie aquí, pero este es definitivamente un paso en la dirección correcta, "dice Van Houtan.

Todavía, creen que esta es una técnica que puede y debe aplicarse de manera más amplia tanto en la biología de la conservación como en otros campos para dar sentido a la gran cantidad de investigaciones que se están realizando y publicando en la actualidad. "Gran parte del trabajo de conservación local pasa desapercibido para la comunidad conservacionista mundial, y este documento muestra cómo el aprendizaje automático puede ayudar a cerrar esa brecha de información, "dice Joppa.

"Muchas de estas técnicas se han utilizado durante más de una década en entornos comerciales, pero esperamos traducirlos a escenarios como el nuestro para combatir el cambio climático o la contaminación plástica o para promover la conservación de especies en peligro de extinción, ", Dice Van Houtan." Hay una gran cantidad de datos que están al alcance de la mano, pero es este gigante dormido porque no está bien organizado u organizado, lo que lo hace difícil de analizar. Queremos conectar a las personas con ideas, capacidad, y soluciones técnicas que de otro modo no encontrarían para que podamos avanzar en estos problemas aparentemente insolubles ".