Investigadores de la Universidad Tecnológica de Kaunas (KTU), en Lituania, han demostrado que la inteligencia artificial puede identificar patrones en las vocalizaciones animales mediante el análisis simultáneo de grabaciones, datos conductuales y contexto ambiental. La capacidad de procesar volúmenes de audio imposibles de examinar manualmente abre una nueva frontera en bioacústica computacional con implicaciones directas para la medicina veterinaria, la ganadería de precisión y la conservación de especies.

Del sonido aislado al comportamiento en contexto

El equipo de investigación, liderado por el profesor Rytis Maskeliūnas de la Facultad de Informática de la KTU, trabajó con ladridos de pastores alemanes clasificados en categorías emocionales —felicidad, enfado, llanto y soledad— validadas por especialistas en conducta animal. A partir de esas grabaciones, separaron los componentes de frecuencia y tiempo para extraer características acústicas y aplicaron técnicas de aprendizaje automático que lograron identificar ladridos de enfado con un alto grado de fiabilidad.

El hallazgo más significativo no es la clasificación en sí, sino lo que revela sobre la estructura del sonido animal: las vocalizaciones contienen capas de información que el oído humano no puede procesar en tiempo real ni a escala. Reconocer esa estructura, sin embargo, no equivale a comprender el mensaje que el animal intenta transmitir.

Modelos entrenados con más de seis mil horas de audio

Los sistemas utilizados en el estudio fueron entrenados con más de 6,000 horas de grabaciones, lo que los hace significativamente más precisos que los modelos acústicos de propósito general para el reconocimiento de vocalizaciones caninas. Estos modelos pueden analizar sonidos individuales, secuencias y repeticiones, e integrar datos visuales, conductuales y fisiológicos para construir una imagen más completa del comportamiento del animal.

Maskeliūnas subrayó que el valor estratégico de la IA en este campo no reside solo en clasificar estados emocionales conocidos, sino en su capacidad para descubrir de forma autónoma combinaciones de señales previamente no documentadas. Ese potencial de detección no supervisada es lo que diferencia este enfoque de los sistemas de reconocimiento de patrones convencionales.

Validación biológica como condición de rigor

A pesar del avance técnico, los investigadores establecen una condición clara: cualquier hipótesis generada por inteligencia artificial debe ser validada mediante experimentos biológicos en entornos naturales. Para atribuir significado a una vocalización es necesario observar quién la emite, quién la recibe, qué respuestas genera en otros animales y qué circunstancias la rodean.

Este principio de validación cruzada entre modelo computacional y observación de campo define el estándar metodológico que el equipo de KTU propone para el campo emergente de la comunicación animal asistida por IA. La convergencia entre bioacústica, aprendizaje auto