La bahía de San Francisco está probando alertas de ballenas impulsadas por IA en ferris en servicio
En la bahía de San Francisco, una tableta instalada en un ferry de cercanías está haciendo un trabajo que habría sonado inusual hace apenas unos años: avisar a la tripulación cuando hay ballenas por delante. Cuando el sistema detecta una, envía una alerta con tiempo suficiente para que el capitán reduzca la velocidad o altere el rumbo. Esa es la premisa de un nuevo piloto centrado en una de las colisiones ambientales más difíciles de la región: la creciente superposición entre la migración de las ballenas y el denso tráfico comercial.
El proyecto, descrito en el texto fuente proporcionado, refleja un giro práctico en la IA aplicada. En lugar de perseguir un avance de propósito general, el sistema se construye en torno a una tarea operativa concreta con consecuencias inmediatas: reducir la probabilidad de que una embarcación golpee a una ballena. En una vía navegable abarrotada donde los cambios ecológicos impulsados por el clima están llevando a más ballenas grises a la bahía, ese tipo de sistema de alerta específico podría convertirse en un modelo de cómo la IA apoya la conservación sin esperar grandes cambios regulatorios o de infraestructura.
Por qué ha aumentado el riesgo
Los investigadores involucrados en el piloto dicen que antes las ballenas grises eran poco frecuentes dentro de la bahía, pero eso está cambiando a medida que el cambio climático afecta las fuentes de alimento marinas. Cada vez más, los animales se detienen en la zona durante su larga migración de Alaska a México. La bahía, sin embargo, no es una escala benigna. Está surcada por portacontenedores, cruceros, petroleros, ferris y otras embarcaciones, concentrando la vida marina en uno de los corredores de transporte más transitados de la región.
El texto fuente informa que el año pasado murieron 21 ballenas en la bahía y que el 40% de esas muertes se atribuyó a colisiones con barcos. Eso convierte el desafío en algo tanto ecológico como operativo. Las tripulaciones de ferris y los operadores comerciales no solo navegan entre el clima y el tráfico. Cada vez más comparten las mismas rutas con grandes mamíferos marinos cuya presencia puede ser difícil de prever y complicada de detectar a tiempo, especialmente de noche o con niebla.
Rachel Rhodes, del Benioff Ocean Science Lab de la Universidad de California en Santa Bárbara, describió la situación sin rodeos en el texto fuente, calificándola de “una receta para el desastre”. El espacio físico reducido y el intenso tráfico de embarcaciones hacen que el riesgo de colisión no sea una preocupación abstracta del futuro. Ya es una fuente medible de mortalidad de ballenas.
Cómo funciona el sistema de detección
El piloto reúne varias capas de detección y verificación. WhaleSafe, una plataforma gestionada por el Benioff Ocean Science Lab, ya registra avistamientos de ballenas informados por usuarios para ayudar a alertar a los barcos. En el sur de California, el grupo ha probado otras herramientas, entre ellas boyas acústicas que escuchan sonidos de ballenas. Pero el texto fuente señala que las ballenas grises no son especialmente vocales, lo que limita la utilidad de la monitorización acústica para esta aplicación.
Para la bahía de San Francisco, los socios optaron en su lugar por cámaras térmicas. Estas cámaras pueden detectar la firma de calor del soplo de una ballena cuando el animal sale a la superficie. WhaleSpotter, la startup detrás del sistema, utiliza IA para analizar esas imágenes térmicas. Luego, una red de expertos repartidos por todo el mundo confirma cada avistamiento de ballena en tiempo real antes de que se envíe una alerta.
Ese flujo de trabajo importa. Muestra que el sistema no es simplemente un modelo de visión automatizado que toma decisiones de seguridad sin supervisión. La IA se encarga del análisis rápido de imágenes, pero los expertos humanos siguen participando para verificar las detecciones. En entornos operativos donde tanto los falsos positivos como los falsos negativos tienen costes, esa estructura híbrida suele ser más realista que la automatización total.
Según el texto fuente proporcionado, el sistema térmico puede detectar ballenas hasta a cuatro millas náuticas de distancia. Shawn Henry, director ejecutivo de WhaleSpotter, dijo que el objetivo es localizar ballenas lo bastante lejos de la zona de peligro de una embarcación como para que el capitán pueda tomar medidas correctivas. En la práctica, la tecnología intenta comprar tiempo para las tripulaciones, que a menudo es el recurso más valioso para evitar colisiones.
Qué están viendo hasta ahora los operadores de ferris
El piloto está utilizando cámaras en dos ubicaciones, una de ellas en un ferry que ya contaba con un vigía humano durante la temporada de ballenas. Eso crea una comparación operativa directa entre la observación entrenada y la detección asistida por instrumentos. La señal temprana del texto fuente es que el sistema térmico a veces puede identificar ballenas ligeramente antes de que las tripulaciones las vean a simple vista o con prismáticos.
Thomas Hall, director de operaciones de San Francisco Bay Ferry, dijo en el texto fuente que las alertas a menudo han llegado justo antes de que las personas a bordo hubieran realizado el avistamiento por sí mismas. Esa ventaja puede parecer pequeña, pero en una embarcación en servicio puede ser la diferencia entre un ajuste rutinario de velocidad y una maniobra evasiva apresurada.
El sistema también resuelve las condiciones en las que la observación humana más sufre. Puede funcionar de noche y con niebla densa, cuando incluso los vigías con experiencia pueden pasar por alto animales que emergen a la superficie. La interfaz de la tableta muestra la posición de la ballena en el radar, convirtiendo una señal visual fugaz en una entrada de navegación accionable. Ese es un paso sutil pero importante: la herramienta no solo anuncia que hay una ballena en algún lugar cercano, sino que traduce la detección en algo que las tripulaciones pueden usar mientras navegan.
Un tipo distinto de despliegue de IA
Lo que hace notable este piloto no es solo el objetivo de conservación. Es la forma del despliegue de IA. Muchas discusiones públicas sobre la IA siguen centrándose en los chatbots, la generación de imágenes y las afirmaciones generales sobre autonomía. Este proyecto es más estrecho y más concreto. Usa el análisis automático junto con sensores, verificación humana y una ruta de decisión clara. La métrica de éxito es igualmente concreta: menos colisiones entre embarcaciones y ballenas.
Eso no significa que el sistema sea simple. Depende de imágenes térmicas, alertas robustas, revisión de expertos y confianza del operador. Pero recuerda que algunos de los usos más importantes de la IA pueden surgir de interfaces modestas conectadas a infraestructura física, más que de productos de consumo autónomos. Un capitán de ferry no necesita un asistente de propósito general. Necesita una advertencia más temprana de que algo grande y vulnerable está justo por delante.
Qué sigue
Se espera que el piloto dure al menos dos años, lo que dará a investigadores y operadores tiempo para evaluar qué tan bien funciona el sistema en distintas estaciones y condiciones. Ese plazo sugiere que el esfuerzo sigue en una fase de recopilación de evidencias, no de despliegue terminado. Aun así, el diseño apunta a un modelo escalable para otras rutas costeras transitadas donde el tráfico de mamíferos marinos se superpone con el transporte comercial.
Si el sistema demuestra ser fiable, podría reforzar un conjunto más amplio de herramientas para la protección de ballenas que ya incluye avistamientos reportados y, en otras regiones, monitorización acústica. La detección térmica puede ser especialmente útil en lugares donde las especies objetivo son silenciosas, la visibilidad es mala y la densidad de embarcaciones es alta.
El piloto de la bahía de San Francisco no resuelve las presiones climáticas más amplias que empujan a las ballenas hacia entornos más arriesgados. Sí muestra, sin embargo, cómo un problema operativo específico puede abordarse con un sistema técnico cuidadosamente limitado. En ese sentido, el proyecto destaca como un ejemplo práctico de IA en el mundo real: no reemplaza el juicio humano, sino que lo amplía lo justo para reducir daños en un entorno abarrotado y cambiante.
Este artículo se basa en la cobertura de Fast Company. Leer el artículo original.
Originally published on fastcompany.com
