Con la inteligencia artificial convertida en la bestia negra del momento, hay proyectos que la usan sin aportar demasiado. Por eso da gusto encontrar uno que la ocupa de manera creativa y entrega algo nuevo. La pantalla de tinta electrónica de [arnegiacomo] es un buen ejemplo, porque dibuja en tiempo real un cuadro con las aves que hay afuera.
Detrás de la pantalla, que es bastante grande, hay una Raspberry Pi 5, y sobre ella corre BirdNet-Go, un clasificador de cantos de aves basado en inteligencia artificial. Un micrófono USB captura el canto y BirdNET determina la especie. Los pájaros que aparecen en la pantalla son esas especies, tomadas como ilustraciones de guías ornitológicas del siglo XIX y montadas en un collage. Incluso se puede ver en vivo cuáles son las aves que está escuchando ahora, y corresponden a una muestra representativa de las aves europeas que uno encontraría en Noruega, donde está instalado.
¿Por qué funciona esta idea y no otras?
El proyecto gusta por dos cosas: la estética de libro de aves que consigue y el uso creativo de la clasificación automática. Sorprendentemente, no es el primer proyecto de este tipo que hemos visto en estos años.
La diferencia con el montón está en el destino del dato. La mayoría de los detectores de aves caseros terminan en un panel con nombres científicos y contadores. Acá el resultado del clasificador se convierte en una imagen, y el dispositivo deja de parecer un instrumento para pasar a ser un objeto decorativo que cambia solo. La tinta electrónica ayuda: refresca lento, no emite luz y consume energía únicamente cuando cambia el contenido, así que un marco de este tipo puede quedar colgado en una pared sin cable a la vista más que el de alimentación.
¿Qué hace falta para replicarlo?
La lista de materiales es corta y no tiene componentes exóticos. Una Raspberry Pi 5, que en su versión de 4 GB parte cerca de los 60 dólares, un micrófono USB de escritorio y un panel de tinta electrónica, que es de lejos la pieza más cara del conjunto. El software es abierto: tanto Fugleramme como BirdNET-Go están publicados en GitHub, y el clasificador corre localmente sobre la placa, sin enviar audio a un servidor externo.
Esa última parte es la que hace viable el proyecto para el resto del mundo. Un montaje idéntico instalado en Santiago no escucharía carboneros ni petirrojos, sino chincoles, zorzales y queltehues, y el sistema de identificación no necesita conexión permanente ni suscripción para operar. El límite real no es el hardware sino el modelo: la calidad de la identificación depende de cuán bien representada esté la avifauna local en el clasificador, y ahí la brecha entre Europa y el cono sur todavía es grande.
¿Y la crítica de fondo?
Vale la pena detenerse en la objeción que aparece cada vez que un proyecto casero menciona inteligencia artificial. BirdNET no es un modelo generativo: es un clasificador de audio entrenado para una tarea acotada, que dice qué especie canta y nada más. La distinción importa, porque mete en la misma bolsa a herramientas que resuelven un problema concreto con las que producen texto o imágenes en volumen. Acá el modelo hace de oído, y el resultado visible es un collage de grabados que alguien dibujó a mano hace más de un siglo.
