La Embrapa Pesca y Acuicultura (TO) está aplicando inteligencia artificial (IA) de forma inédita para desentrañar el comportamiento reproductivo del «pirarucú» o «paiche» (Arapaima gigas). Desarrollada en colaboración con la Universidad Federal de Minas Gerais (UFMG), la investigación adapta técnicas tradicionalmente utilizadas en el análisis conductual de roedores a la realidad de la acuicultura.
El objetivo central es aumentar la previsibilidad de la reproducción del pez más grande de la Amazonía, abriendo el camino a nuevas aplicaciones tecnológicas que modernicen la cría de la especie.
Pioneros en la piscicultura brasileña
El uso de IA en la piscicultura es todavía una novedad en Brasil, donde la tecnología suele centrarse en áreas como la salud y el agronegocio de granos.
“Las aplicaciones en piscicultura, especialmente con especies nativas como el pirarucú, representan una nueva frontera”, destaca Cleiton Aguiar, profesor de la UFMG y socio del proyecto. Agrega que este tipo de enfoque de rastreo conductual automatizado en el país coloca al proyecto en una posición pionera en la integración de tecnología de punta con la producción acuícola.
Al rastrear automáticamente los movimientos del pirarucú en grabaciones continuas, la IA permite medir el desplazamiento, el tiempo de actividad y las interacciones. A diferencia de la observación humana, que es limitada y subjetiva, la inteligencia artificial genera datos cuantitativos y estandarizados, fundamentales para la toma de decisiones en el manejo.
Cómo funciona el monitoreo
En la investigación de Embrapa, se instalaron 12 cámaras en 12 estanques excavados, grabando durante todo el periodo de luz solar (de 6:00 a 18:00 h). Dado que el pirarucú posee respiración aérea, el sistema detecta cada vez que el pez sube a la superficie, marcando un punto en la imagen.
“La máquina cuenta cuántas veces sube el pirarucú y crea una hoja de cálculo en Excel con el día, la hora y las coordenadas del estanque donde apareció el pez”, explica Lucas Torati, investigador de Embrapa Pesca y Acuicultura. “Pero antes de llegar a ese punto, hay un largo camino de aprendizaje automático”, complementa.
El proyecto cuenta con financiación del consorcio internacional Aquavitae, de la Fundación de Amparo a la Investigación de Tocantins (FAPT) y de enmiendas parlamentarias.
Entrenando al «Cerebro Virtual»
El sistema utiliza el entrenamiento de redes neuronales profundas (deep neural networks) para identificar al pez. Inicialmente, se marcan manualmente las esquinas del estanque y las partes del pez en unos 200 cuadros (frames). Así, la red aprende a distinguir al animal del entorno.
Mantente siempre informado
Únete a nuestras comunidades para recibir al instante las noticias, informes y análisis más importantes del sector acuícola.
“Es como entrenar un cerebro virtual a partir de unos 200 cuadros. Esta técnica de aprendizaje automático, o machine learning, permite que la máquina logre analizar los videos basándose en los patrones enseñados, que son los estanques y las partes del cuerpo de los peces (cabeza, tronco y cola)”, detalla Torati.
Para garantizar la precisión, el entrenamiento considera las variaciones de luminosidad y clima. “Para ello, es necesario utilizar imágenes con diferentes condiciones de incidencia luminosa (mañana, sol del mediodía y atardecer) y cuadros en diferentes condiciones climáticas (nublado, lluvia, cielo despejado). Es un entrenamiento largo y minucioso para que la máquina pueda analizar después videos en todas esas condiciones”, puntualiza el investigador.
De la neurociencia a los estanques
Según el profesor de la UFMG, las redes neuronales se inspiran en el funcionamiento del cerebro humano. El software utilizado es el open source DeepLabCut (DLC), ampliamente empleado en el Laboratorio de Neurociencias de la UFMG para estudiar roedores.
“En el contexto del proyecto, estas redes son entrenadas con videos del pirarucú: primero, se anota manualmente un conjunto de imágenes (marcando puntos de interés en el cuerpo del pez) y, a continuación, la red aprende a reconocer automáticamente esos puntos en nuevos videos”, afirma Aguiar. “De este modo, la red se vuelve cada vez más precisa para identificar y acompañar el movimiento de los peces en diferentes condiciones”.
Mientras que en la neurociencia el foco es la memoria y el aprendizaje de ratas, en la piscicultura la IA monitorea el bienestar y el comportamiento reproductivo, generando un impacto directo en la sostenibilidad de la producción.
Impacto económico: Detección temprana de alevines
Uno de los mayores beneficios prácticos es el mapeo de la formación de nidos. Los productores necesitan recoger los alevines lo antes posible para evitar pérdidas. “Tras la implantación de hormonas en los peces, estos se reproducen y forman el nido para que la hembra pueda depositar los huevos, que serán fertilizados por el macho”, aclara Torati.
La IA podrá identificar precozmente el comportamiento de cuidado parental (cuando la pareja deja de comer y permanece en el mismo lugar).
“Si fuera posible, la recolección de huevos recién fertilizados ciertamente aumentaría la tasa de supervivencia. Generalmente, los productores sufren una pérdida de miles de alevines debido a la demora en retirarlos del estanque”, resalta el investigador.
El futuro de la IA en la acuicultura
Los resultados abren puertas a diversas aplicaciones más allá de la reproducción. Entre las posibilidades futuras enumeradas por los investigadores, se encuentran:
- Evaluar la influencia de la temperatura, el oxígeno y el amoníaco en la respiración del pez.
- Identificar periodos de mayor actividad y niveles de estrés tras el manejo.
- Detectar enfermedades a través de cambios conductuales.
“La IA también permite monitorear la eficiencia alimentaria y el consumo de comida de los peces de forma automática, sin necesidad de conteo manual. Quién sabe, en un futuro próximo, consigamos calcular automáticamente la biomasa de estos animales (saber cuánto engordaron) a partir de la biometría mediante fotos propiciadas por la inteligencia artificial. Esto minimizaría mucho el estrés y todo el trabajo de manejo de un pez que puede llegar a pesar más de 100 kilos”, proyecta Torati.
Editor de la revista digital AquaHoy. Biólogo Acuicultor titulado por la Universidad Nacional del Santa (UNS) y Máster en Gestión de la Ciencia y la Innovación por la Universidad Politécnica de Valencia, con diplomados en Innovación Empresarial y Gestión de la Innovación. Posee amplia experiencia en el sector acuícola y pesquero, habiendo liderado la Unidad de Innovación en Pesca del Programa Nacional de Innovación en Pesca y Acuicultura (PNIPA). Ha sido consultor senior en vigilancia tecnológica, formulador y asesor de proyectos de innovación, y docente en la UNS. Es miembro del Colegio de Biólogos del Perú y ha sido reconocido por la World Aquaculture Society (WAS) en 2016 por su aporte a la acuicultura.
