Estudio: Inteligencia Artificial para predecir el éxito de una jornada de pesca



¿Se puede predecir el éxito o el fracaso de una jornada de pesca? ¿Podremos saber cuándo y adónde ir a pescar para maximizar nuestras posibilidades? Se trata de una pregunta clave que todo pescador se ha hecho alguna vez y que nos persigue a lo largo de la historia de la pesca deportiva. Según se van acumulando horas de orilla, las experiencias nos van indicando cuáles parecen ser los factores importantes para poder tener más posibilidades en cada momento. Colores, horas, tamaños, cuestiones relacionadas con la luna o la meteorología... Son muchos los elementos que pescadores individuales relacionan con la mayor facilidad de obtener picadas. Sin embargo, hasta la fecha no hay métodos claros que nos den probabilidades objetivas de pescar más o menos.



Con la llegada de la recogida masiva de datos, el llamado "Big Data", que ya se lleva a cabo en muchos otros sectores, también al mundo de la pesca, se empiezan a poder aplicar técnicas analíticas para modelar los datos y obtener predicciones. En este artículo repasamos uno de los primeros trabajos para sondear la predictibilidad de las capturas y vemos los primeros resultados. Sin duda, un tema apasionante del que oiremos hablar cada vez más.


El estudio
El estudio del KTH Royal Institute of Technology se enmarca en una tesis llamada "Evaluating supervised machine learning algorithms to predict recreational fishing success" ("Evaluando algoritmos supervisados de aprendizaje automático para predecir el éxito de la pesca recreativa"), y examina la capacidad de diferentes algoritmos de aprendizaje automático.

El aprendizaje automático es una disciplina matemática que trata de desarrollar técnicas que permitan a las computadoras aprender. El del mismo objetivo suele ser crear un modelo matemático capaz de predecir un resultado a partir de ejemplos anteriores.

En este trabajo se utiliza una base de datos de más de 250000 capturas registradas de varias especies: Micropterus salmoides (black bass), Esox lucius (lucio), Oncorhynchus mykiss (trucha arco iris) y Perca fluviatilis (perca europea).

Se consideraron más de 20 parámetros de entrada, entre los que destacan: longitud, peso, fecha, hora, técnica, cebo, nubosidad, humedad, lluvia, presión del aire, temperatura del aire o viento.

Para crear el modelo matemático utilizaron tres de las técnicas más conocidas: Regresión Lineal, Perceptron multicapa y Random forest. Sin entrar en detalles, cada uno de los algoritmos funciona para una estructura y relaciones entre datos diferentes. Testaron los tres métodos, realizaron una validación cruzada y compararon los resultados para cada una de las especies.



Resultados
Los resultados del estudio no fueron espectaculares, pero sí indicaron cierta capacidad predictiva. El modelo obtenido con el método Random forest resultó el más exitoso, y consiguió mejorar la predicción de éxito de capturas en un factor de un 9% para Micropterus salmoides (black bass). También mejoró la predicción para otras especies, pero en un factor menor.

El autor también se preguntó cuáles eran los factores clave a la hora de obtener la predicción. Sin embargo los métodos no fueron capaces de descartar variables o, lo que es lo mismo, se concluyó que todos los factores son relevantes a la hora de optimizar la predicción.


Conclusiones
Mejorar en un 9% la predicción del éxito a la hora de pescar puede parecer poco, pero este estudio no es más que una primera aproximación a un problema muy complejo. Hay que tener en cuenta que para muchas variables faltaban datos y que en cualquier caso en 25000 capturas no hay suficiente información como para modelizar el comportamiento de los peces ante nuestros señuelos. Hay demasiados factores, y algunos muy complejos.

Sin embargo, es fácil prever que con el aumento de la recogida sistemática de información a través de apps especializadas y redes sociales que elimina cada vez más el factor humano (gracias a sensores, información detallada de las condiciones ambientales, obtención automática de medidas, etc.), poco a poco dispondremos de una foto más completa del comportamiento del pez.

Cuando nos encontremos en esa situación, solo habrá que aplicar el modelo adecuado y ... dejarnos llevar por la recomendación de nuestro teléfono móvil para usar el señuelo ideal en el momento preciso. Pero quizás entonces todo esto de la pesca deportiva perderá gran parte de su esencia y aliciente...


Para leer más... Análisis, estudios, herramientas y otros artículos sobre pesca deportiva

Comparte


Artículos relacionados