Un gemelo digital para la predicción en tiempo real de la biodiversidad con datos de ciencia ciudadana

Escuchar la naturaleza con tu teléfono

Imagina salir, pulsar grabar en tu teléfono y, en pocas horas, que tu breve clip de canto de aves ayude a los científicos a cartografiar dónde están las especies ahora y hacia dónde se dirigen mañana. Este estudio muestra cómo personas comunes, incluso quienes no pueden nombrar una sola ave, pueden alimentar un sistema de predicción potente para la vida silvestre. Al convertir millones de grabaciones breves en un "gemelo digital" constantemente actualizado de la vida de las aves en Finlandia, los investigadores presentan un modelo para rastrear la biodiversidad casi en tiempo real—algo que los conservacionistas han necesitado durante mucho tiempo pero que nunca habían logrado del todo.

Por qué es tan difícil vigilar la vida silvestre

Los ecosistemas saludables sustentan aire limpio, alimentos, estabilidad climática y nuestro bienestar general, sin embargo seguimos teniendo problemas para decir con confianza dónde se encuentran muchas especies en un momento dado. Los muestreos tradicionales realizados por expertos son minuciosos pero lentos y parciales, mientras que los grandes proyectos en línea en los que voluntarios informan avistamientos pueden ser ruidosos y tendenciosos. Los aficionados difieren en sus habilidades, la gente suele observar aves en lugares agradables y en momentos convenientes, y muchos registros carecen de información precisa sobre el esfuerzo. Como resultado, incluso con bases de datos masivas, es difícil separar cambios reales en la fauna de las peculiaridades de cómo, dónde y cuándo la gente la busca.

Una copia digital viva de la vida de las aves

El equipo abordó este problema usando la idea de un "gemelo digital": un modelo informático vivo que refleja un sistema real a medida que cambia en el tiempo. En este caso, el gemelo sigue cuándo y dónde ocurren 263 especies de aves en Finlandia y con qué intensidad cantan. Cada noche, el modelo se actualiza con los últimos datos que fluyen desde los teléfonos de los ciudadanos. Combina esta corriente con años de información previa: conteos expertos de aves en rutas fijas, registros a largo plazo de cuándo suelen llegar y marcharse las aves migratorias, y grabaciones continuas de estaciones de investigación. En conjunto, estas fuentes permiten que el gemelo estime tres ingredientes clave para cada especie: si ha llegado aún a una latitud dada en la temporada, si un lugar en particular forma parte de su área habitual y cuán probable es que esté vocalizando allí en un momento concreto del día y del año.

Una app telefónica que escucha por ti

En el corazón del proyecto está una app gratuita para smartphone, Muuttolintujen Kevät, o «Primavera de las aves migratorias». Los usuarios simplemente graban sonido; nunca tienen que identificar lo que oyen. La app envía audio en bruto a un servidor seguro, donde un modelo de inteligencia artificial—entrenado y afinado con llamadas de aves etiquetadas por expertos—filtra las especies y adjunta una puntuación de confianza. Para reducir sesgos típicos de la ciencia ciudadana, la app ofrece tres modos de grabación. La gente puede hacer clips rápidos directos, establecer grabaciones automáticas por intervalos que toman un minuto cada diez minutos (capturando los coros del amanecer sin quedarse despierto) o usar puntos de conteo marcados en parques y a lo largo de rutas que distribuyen el muestreo más uniformemente en el espacio. En solo dos años, más de 300 000 personas—alrededor del 5% de la población de Finlandia—enviaron más de 16 millones de grabaciones, produciendo 15 millones de detecciones de aves con alta confianza y convirtiendo al país en un vasto observatorio acústico.

Cómo aprende y mejora el gemelo digital

Cada nuevo lote de grabaciones enseña algo al gemelo. El sistema primero ajusta la probabilidad de que la app detecte una especie en distintos momentos del día y del año, según la duración y el modo de grabación. Luego refina su imagen del momento de las migraciones, ajustando sus curvas de llegada y partida en cada año hacia lo que muestran los nuevos datos mientras las ancla a promedios a largo plazo para evitar reaccionar en exceso al ruido. Finalmente, afina los mapas de dónde ocurre cada especie comparando las predicciones con las detecciones cercanas, permitiendo que los datos densos de la app alrededor de ciudades y humedales corrijan mapas de hábitat antiguos y más gruesos. El resultado es una visión renovada diariamente de la presencia de las aves que puede diferir mucho de modelos anteriores—especialmente para especialistas de hábitat como los carriceros cuyo lugares favoritos estaban poco capturados por muestreos anteriores.

Poner las predicciones a prueba

Para ver si toda esta complejidad realmente valía la pena, los investigadores realizaron dos pruebas exigentes. Primero, preguntaron qué tan bien podía el sistema predecir, con un día de antelación, qué grabaciones de la app contendrían una especie determinada. Para 89 especies comunes, el gemelo digital actualizado superó claramente a un modelo basado solo en datos pasados, particularmente para migrantes de larga distancia cuyo momento varía de un año a otro. Segundo, desafiaron al sistema con encuestas de campo completamente independientes: observadores expertos realizaron más de mil conteos breves en sitios seleccionados estratégicamente, sin conocer las expectativas del modelo. De nuevo, las predicciones del gemelo digital fueron más precisas que tanto el modelo a largo plazo como un producto global de ciencia ciudadana ampliamente usado, a pesar de las pequeñas diferencias en las condiciones que hacen que tales predicciones punto por punto sean especialmente difíciles.

Qué significa esto para las personas y el planeta

Para un no especialista, el mensaje principal es que tu teléfono puede ahora formar parte de una red nacional de alerta temprana para la naturaleza. Al delegar la identificación de especies a máquinas y diseñar cuidadosamente cómo y dónde la gente graba sonido, este enfoque convierte contribuciones dispersas de ciudadanos corrientes en conocimientos fiables y oportunos sobre la fauna. Las mejoras en la precisión estadística pueden parecer modestos, pero en el exigente juego de prever qué especies estarán dónde mañana, representan un salto importante. Escalados más allá de Finlandia y de las aves, gemelos digitales similares podrían ayudar a rastrear insectos, ranas o paisajes sonoros enteros, reduciendo la brecha entre el cambio ambiental y nuestra respuesta. En resumen, escuchar juntos—con la ayuda de algoritmos inteligentes—podría ser una de nuestras mejores herramientas para mantener el ritmo de un mundo vivo que cambia rápidamente.

Cita: Ovaskainen, O., Winter, S., Tikhonov, G. et al. A digital twin for real-time biodiversity forecasting with citizen science data. Nat Ecol Evol 10, 481–495 (2026). https://doi.org/10.1038/s41559-025-02966-3

Palabras clave: gemelo digital, ciencia ciudadana, monitoreo de aves, predicción de la biodiversidad, ecología acústica