Inteligencia Artificial "Zero-Shot": Seguimiento de cerdos en grupo sin entrenamiento previo del modelo

Un reciente estudio desarrollado por Ye Bi, Mina Shumaly, Bimala Acharya, David S. Rosero y Juan P. Steibel, investigadores de la Iowa State University, aborda uno de los principales cuellos de botella en el fenotipado de precisión: la dependencia de modelos de visión por computadora que tradicionalmente requieren una laboriosa anotación manual de videos y una costosa optimización. El trabajo "42 Automated segmentation and tracking of group housed pigs using zero-shot vision-language tools", publicado en el Journal of Animal Science (Vol. 103, Suppl. S3, resumen 42), evalúa el potencial de las herramientas de visión-lenguaje de aprendizaje "zero-shot" (sin disparo o entrenamiento previo) para la segmentación y el seguimiento automatizado de cerdos alojados en grupos.

La aplicación práctica y el valor disruptivo de esta investigación radican en la capacidad de implementar sistemas de monitoreo sin la necesidad de entrenar al algoritmo con miles de imágenes previas. Utilizando "Grounded-SAM2", un modelo de vanguardia que ensambla capacidades de detección y segmentación basadas en indicaciones textuales, los autores simplemente utilizaron el comando "pig" (cerdo) para identificar y rastrear animales. El experimento se realizó con cerdos de recría (peso inicial aproximado de 5,86 kg) alojados en grupos de diez por corral, capturando segmentos de video durante el día.

Lo más destacable para la industria es que, sin realizar ningún tipo de ajuste específico ("fine-tuning") y enfrentando al modelo a un conjunto de datos completamente desconocido, se lograron seguimientos completamente correctos en el 87,38% de los videos el primer día y en el 83,74% el segundo día. Los errores, como máscaras incorrectas o duplicación de etiquetas, se mantuvieron controlados, y la tasa de pérdida de rastro fue notablemente baja (entre 0,21% y 0,45%). Estos resultados sugieren que esta tecnología ya es una herramienta valiosa para automatizar el fenotipado y monitorear el comportamiento en entornos grupales sin los costos y tiempos prohibitivos del entrenamiento de IA convencional.