- Un modelo computacional de IA procesó miles de registros fósiles para reconstruir las grandes extinciones de la Tierra.
- Los algoritmos identificaron patrones ecológicos imprevistos en la recuperación biológica tras cataclismos pasados.
- El hallazgo aporta nuevas herramientas para anticipar el impacto del cambio climático en la biodiversidad actual.
Un equipo multidisciplinario de científicos aplicó algoritmos de inteligencia artificial al análisis masivo de fósiles, logrando reconstruir con detalle inédito las dinámicas de las cinco grandes extinciones biológicas en la historia de la Tierra.
Antecedentes y desarrollo de los acontecimientos verificados
El proyecto científico, publicado por la revista Science, procesó más de medio millón de registros estratigráficos para identificar las causas que determinaron la supervivencia o desaparición de linajes marinos ancestrales.
El modelo computacional reveló que los cataclismos climáticos provocaron desequilibrios tróficos en cadena que tardaron millones de años más de lo estimado en reestabilizarse biológicamente.
Expertos de la iniciativa medioambiental de las Naciones Unidas destacaron que la comprensión de las crisis del pasado geológico resulta fundamental para diseñar estrategias de conservación frente a la actual pérdida de biodiversidad.
El análisis automatizado permitió clasificar restos fragmentarios que habían permanecido archivados sin catalogar en museos de historia natural durante décadas, acelerando los tiempos de investigación.
Los investigadores planean liberar el código algorítmico de manera abierta para que paleontólogos de todo el mundo puedan contrastar sus registros locales.
El proyecto computacional procesó más de 500.000 registros paleontológicos procedentes de colecciones museísticas de más de cuarenta países, digitalizando datos sobre abundancia taxonómica, estratigrafía y geoquímica isotópica.
Impacto sectorial y valoraciones de los organismos oficiales
Los resultados, difundidos por la revista científica Science, revelaron que las grandes extinciones no ocurrieron de manera abrupta en un único pulso catastrófico, sino en fases sucesivas de colapso ecológico que se prolongaron durante cientos de miles de años.
El modelo de redes neuronales profundas identificó que la pérdida de especies herbívoras clave y la acidificación de las cuencas oceánicas fueron los detonantes más letales durante la extinción del Pérmico-Triásico, ocurrida hace 252 millones de años.
Expertos del programa medioambiental de las Naciones Unidas destacaron que los hallazgos proporcionan un marco cuantitativo vital para anticipar los puntos de no retorno en los ecosistemas contemporáneos afectados por el cambio climático.
Los investigadores comprobaron que las especies con dietas más especializadas y distribuciones geográficas restringidas presentaron una probabilidad de extinción un 80% superior a la de los taxones generalistas.
El uso de inteligencia artificial permitió además corregir los sesgos inherentes al registro fósil tradicional, en el cual los organismos con conchas duras o esqueletos mineralizados estaban sobrerrepresentados frente a los animales de cuerpo blando.
Los científicos han anunciado que pondrán los algoritmos y las bases de datos depuradas a disposición de la comunidad académica internacional para potenciar los estudios de biogeografía histórica y modelado de biodiversidad futura.
Para profundizar en el impacto de los algoritmos avanzados en la investigación científica, le invitamos a revisar nuestro reporte sobre el impacto de la inteligencia artificial en la ciencia en nuestro portal.
El algoritmo de aprendizaje profundo fue entrenado con registros geoquímicos globales que documentan anomalías en los niveles de oxígeno disuelto en los mares antiguos y oscilaciones drásticas en las concentraciones de dióxido de carbono atmosférico.
Investigadores principales del estudio publicado en Science concluyeron que la modularidad de las redes alimentarias antiguas fue un factor determinante para limitar la propagación del colapso ecológico hacia zonas de refugio polar.
La metodología desarrollada promete aplicarse en los próximos meses al análisis de las extinciones del Cretácico y el Devónico, proporcionando comparativas cuantitativas sobre los ritmos de recuperación biológica en diversas eras geológicas.
El algoritmo de aprendizaje profundo fue entrenado con registros geoquímicos globales que documentan anomalías en los niveles de oxígeno disuelto en los mares antiguos y oscilaciones drásticas en las concentraciones de dióxido de carbono atmosférico.
Investigadores principales del estudio publicado en Science concluyeron que la modularidad de las redes alimentarias antiguas fue un factor determinante para limitar la propagación del colapso ecológico hacia zonas de refugio polar.
La metodología desarrollada promete aplicarse en los próximos meses al análisis de las extinciones del Cretácico y el Devónico, proporcionando comparativas cuantitativas sobre los ritmos de recuperación biológica en diversas eras geológicas.
Equipos de paleoclimatólogos han destacado la relevancia de estos modelos predictivos para calibrar la velocidad a la que los biomas marinos contemporáneos responderán ante el estrés térmico global.
