Google Research ha dado un paso gigante en el campo de la bioacústica con la presentación de Perch 2.0, una IA entrenada en aves para resolver misterios submarinos. Este modelo de fundación, supervisado y preentrenado en 14.597 especies terrestres –que incluyen aves, mamíferos, anfibios e insectos–, ha demostrado una capacidad de transferencia impresionante a tareas submarinas complejas, específicamente cetáceos. Es una prueba clara de cómo la inteligencia artificial, partiendo de datos aparentemente dispares, puede desentrañar nuevos conocimientos en entornos completamente diferentes.
La arquitectura de Perch 2.0 se basa en EfficientNet-B3, aplicada sobre espectrogramas log-mel, e incorpora un enfoque que combina pérdida de clasificación, auto-destilación y pérdida auto-supervisada. Esto le permite generar embeddings linealmente separables, clave para la identificación precisa. Los resultados son contundentes: Perch 2.0 supera a modelos específicos en benchmarks como DCLDE 2026, ReefSet y NOAA PIPAN, destacando su superioridad en transferencia few-shot. Y lo que es más interesante para las empresas, estas capacidades se traducen directamente en oportunidades de eficiencia y nuevos servicios.
Perch 2.0: Más allá de las aves, un salto al océano
La clave de este éxito radica en lo que Google denomina ‘Neural scaling laws’, que favorecen a los modelos más grandes. El entrenamiento inicial con aves, que presentan una alta varianza inter-clase, obliga al modelo a aprender características acústicas extremadamente detalladas. Es precisamente este aprendizaje el que le permite transferir ese conocimiento a mamíferos marinos, a pesar de que el entrenamiento original no incluyó datos submarinos. En la práctica, significa una mejora sustancial en el modelado ágil para la bioacústica marina, reduciendo significativamente los tiempos y los recursos necesarios para desarrollar soluciones específicas.
Para contextualizar, pongamos el ejemplo de una empresa dedicada al monitoreo ambiental que hasta ahora invertía un tiempo considerable en entrenar modelos específicos para cada tipo de ecosistema o especie. Con Perch 2.0, sus capacidades se amplifican, permitiéndoles ofrecer servicios más rápidos y con mayor alcance, por ejemplo, en la conservación de arrecifes de coral o el análisis pasivo de audio para identificar especies en peligro. Un recurso interno que profundiza en la aplicación de IA en la gestión de datos puede ser de utilidad para entender cómo integrar estas nuevas capacidades: Gestión de Datos con IA: Estrategias para PYMEs.
Análisis Blixel: Aplicaciones reales para tu negocio con Perch 2.0
Desde Blixel, vemos en Perch 2.0 una oportunidad clara, especialmente para empresas en sectores como el monitoreo ambiental, la gestión de recursos naturales o incluso el turismo sostenible. No se trata solo de un avance científico; es una herramienta que agiliza y abarata la detección y clasificación de patrones acústicos a gran escala. Pensemos en proyectos de consultoría ambiental que requieren evaluar el impacto sonoro en entornos marinos, o startups que buscan desarrollar soluciones de protección de la fauna. La capacidad de este modelo para aprender de datos terrestres y aplicarlo eficientemente al entorno submarino es un hito que democratiza la bioacústica avanzada.
Mi recomendación es que aquellas empresas que operan con proyectos de I+D o servicios basados en IA empiecen a investigar cómo integrar modelos de fundación como Perch 2.0. No hay que esperar a que esté completamente empaquetado como un SaaS. Comprender estas arquitecturas y su potencial de transferencia es clave para anticiparse al mercado y ofrecer soluciones innovadoras que hoy son impensables con métodos tradicionales.
En las comparativas, Perch 2.0 consistentemente lidera, excepto en escenarios muy específicos. Modelos que intentaron «contaminar» sus entrenamientos con datos de los benchmarks (como GMWM en PIPAN o SurfPerch en ReefSet) demostraron una clara falla en la capacidad de transferencia general, lo que refuerza la robustez del enfoque de Perch 2.0. Esta nueva versión también duplica los datos de su predecesor e integra el ruido antropogénico, clave para entornos reales.
Fuente: Google Research Blog