Descriptron-GBIF Annotator: A browser-based platform for crowdsourced morphological annotation of biodiversity images to help accelerate morphology based biodiversity data

El artículo presenta el Descriptron-GBIF Annotator, una herramienta web sin instalación que utiliza inteligencia artificial y ciencia ciudadana para facilitar la anotación morfológica masiva de imágenes de biodiversidad, generando datos estructurados que complementan un portal profesional y aceleran la descripción taxonómica.

Lo esencial

Imagina que el mundo de la biodiversidad es como una gigantesca biblioteca llena de millones de libros (las fotos de especímenes en el GBIF), pero la mayoría de estos libros están escritos en un idioma que solo unos pocos expertos (los taxónomos) pueden leer. Tenemos las fotos, pero nos falta la "traducción" detallada: qué partes del cuerpo tiene el insecto, de qué color es, qué textura tiene, etc.

El artículo que has compartido presenta una solución brillante para este problema, llamada Descriptron-GBIF Annotator. Aquí te lo explico como si fuera una historia:

1. El Problema: La Biblioteca Abandonada

Actualmente, hay más especies por descubrir que científicos disponibles para describirlas. Es como tener un océano de peces, pero solo un pescador. Además, tenemos millones de fotos de alta calidad de insectos, plantas y animales en internet, pero son solo "imágenes". Nadie les ha puesto etiquetas digitales que digan: "Esta es la pata trasera", "Este es el color del ala". Sin esas etiquetas, las computadoras no pueden aprender de ellas.

2. La Solución: Un Traductor para Todos

Los autores han creado una herramienta llamada Descriptron-GBIF Annotator.

• ¿Qué es? Es una página web sencilla que no necesitas instalar. Es como un lienzo digital mágico.
• ¿Cómo funciona? Entras, buscas una foto de un animal (por ejemplo, un escarabajo) y la herramienta te ayuda a señalar sus partes.
• El "Superpoder" (IA): Imagina que tienes un asistente de dibujos muy inteligente (llamado SAM2) que trabaja contigo. Tú haces un pequeño punto en la foto y el asistente dice: "¡Ah! Creo que eso es una antena" y dibuja el contorno automáticamente. Tú solo corriges si se equivoca. ¡Es como jugar a un videojuego de "encuentra las partes del cuerpo"!

3. El Kit de Herramientas: Plantillas y Diccionarios

Para que todos hablemos el mismo idioma, la herramienta usa plantillas.

• Si buscas un insecto, la pantalla te muestra un dibujo esquemático con las partes del cuerpo ya etiquetadas (cabeza, alas, patas).
• Si buscas un hongo, te muestra las partes de un hongo.
• Cuando señalas una parte, no escribes texto libre (que podría tener errores), sino que eliges de un diccionario oficial (ontología). Es como llenar un formulario de "talla: M, color: rojo, textura: áspera" en lugar de escribir un párrafo. Esto asegura que los datos sean perfectos para las computadoras.

4. El Sistema de Dos Niveles: El Equipo de Fútbol

El proyecto tiene una estructura genial de dos niveles que trabajan juntos:

• Nivel 1 (El Público): Es la herramienta web que cualquiera puede usar. Aquí, ciudadanos, estudiantes o aficionados (como tú y yo) ayudan a "entrenar" a la inteligencia artificial señalando partes en las fotos. Es como si miles de voluntarios ayudaran a colorear un mapa gigante.
• Nivel 2 (Los Expertos): Es un laboratorio profesional (el "Portal Descriptron") donde los taxónomos expertos usan computadoras muy potentes.
  • El Ciclo de Retroalimentación: Lo que hace el público en el Nivel 1 se envía al Nivel 2 para enseñarle a la IA a ser aún más inteligente. Luego, la IA mejorada vuelve al Nivel 1 para ayudar mejor al público. ¡Es un círculo virtuoso!

5. El Tesoro Final: Publicar y Compartir

Cuando terminas de "dibujar" y etiquetar un animal, la herramienta no solo guarda tu trabajo, sino que lo convierte en un tesoro digital:

• Crea un archivo con un DOI (como un número de identificación único y permanente), como si publicaras un libro científico.
• Conecta todas las piezas de información en una Red de Conocimiento (Knowledge Graph). Imagina que en lugar de tener una foto suelta, ahora tienes un nodo en una red gigante que conecta: Foto -> Especie -> Parte del cuerpo -> Característica.

En Resumen

Este proyecto es como construir un puente entre la gente curiosa y la ciencia compleja.

1. Antes: Las fotos de los museos eran como libros cerrados en un idioma extraño.
2. Ahora: Con esta herramienta, cualquiera puede entrar, usar un "asistente de IA" para señalar las partes del animal, y convertir esa foto en datos útiles para la ciencia.

Es una forma moderna de hacer ciencia ciudadana: no solo contamos pájaros o tomamos fotos, sino que ayudamos a "enseñar" a las computadoras a entender la anatomía de la naturaleza, acelerando la descripción de nuevas especies y salvando la biodiversidad de ser olvidada.

¿Dónde probarlo?
Puedes entrar directamente en tu navegador en: https://descriptrongbifannotator.org (es gratis y no requiere instalación).

Resumen técnico

A continuación se presenta un resumen técnico detallado del artículo sobre el Anotador Descriptron-GBIF, estructurado según los puntos solicitados:

1. El Problema

La crisis de la biodiversidad actual enfrenta una brecha crítica entre el número de especies que requieren descripción taxonómica y la escasez de taxónomos profesionales capacitados. Se estima que el 80% de las especies del mundo permanecen sin describir, especialmente en grupos hiperdiversos como los artrópodos ("taxa oscuros").

• Falta de datos morfológicos estructurados: Aunque la Global Biodiversity Information Facility (GBIF) ha movilizado más de 2.7 mil millones de registros de ocurrencia, la mayoría de estos datos carecen de información morfológica estructurada, limitándose a ubicación, fecha y asignación taxonómica.
• Limitaciones de las plataformas existentes: Plataformas de ciencia ciudadana como iNaturalist o Notes from Nature se centran en la identificación de especies o la transcripción de etiquetas, pero no ofrecen herramientas para que no especialistas contribuyan con observaciones morfológicas estructuradas sobre imágenes de especímenes.
• Barrera tecnológica: Las herramientas de visión por computadora avanzadas (como los modelos fundacionales) y el software de anotación profesional suelen requerir instalaciones complejas, hardware potente o conocimientos técnicos especializados, excluyendo al público general.

2. Metodología

Los autores presentan el Descriptron-GBIF Annotator, una plataforma basada en el navegador que funciona como la primera capa de un sistema de dos niveles.

• Arquitectura Técnica:

  • Despliegue "Zero-Installation": La aplicación es un único archivo HTML autocontenido (~270 KB) que se ejecuta completamente en el lado del cliente (client-side). No requiere instalación, compilación ni procesamiento en el servidor por parte del usuario.
  • Integración de IA (SAM2): Utiliza el modelo Segment Anything Model 2 (SAM2). La arquitectura es híbrida: un backend (FastAPI) ejecuta el codificador (encoder) SAM2.1-Tiny una vez por imagen para generar incrustaciones (embeddings), mientras que el navegador ejecuta el decodificador de máscaras (mask decoder) exportado en formato ONNX mediante onnx-runtime-web. Esto permite inferencia en tiempo real (<100 ms) con interacción del usuario.
  • Conexión de Datos: Se integra directamente con la API de GBIF (para imágenes de especímenes) y con el repositorio Zenodo BioSysLit (para imágenes extraídas de publicaciones taxonómicas).

• Sistema de Plantillas y Ontología:

  • Incluye una biblioteca de 25 grupos taxonómicos (desde insectos hasta plantas y hongos) con 124 vistas estandarizadas.
  • Cada región anatómica está vinculada a términos de ontologías formales: UBERON (anatomía general), HAO (anatomía de himenópteros), PO (ontología vegetal) y términos específicos de aves.
  • Soporta 335 CURIEs (Expresiones de Identificador Compacto) de ontología y 745 menciones posibles, con vocabularios controlados para atributos como textura, color, densidad de setas, etc.

• Herramientas de Anotación:

  • Ofrece seis herramientas complementarias: selección por caja delimitadora, pincel configurável, borrador, colocación de puntos clave (landmarks), delineación de líneas (suturas) y calibración de escala.
  • Incluye un modo de edición de máscaras para refinar las predicciones de la IA.
  • Diseño responsivo para móviles, optimizado para el uso de puntos de entrada (+/-) en pantallas táctiles.

• Arquitectura de Dos Niveles (Two-Tier):

  • Nivel 1 (Público): El Anotador GBIF para ciencia ciudadana.
  • Nivel 2 (Profesional): El Descriptron Portal, una workbench acelerada por GPU (usando contenedores Docker y acceso VNC vía Guacamole) para taxónomos. Incluye modelos finamente ajustados (SAM2-PAL, DINOSAR v2), morfometría geométrica y generación automática de descripciones con GPT-4.
  • Bucle de Retroalimentación: Las anotaciones públicas (Nivel 1) se exportan en formato COCO JSON para entrenar los modelos de IA del Nivel 2. Las validaciones expertas del Nivel 2 se pueden importar al Nivel 1 para mejorar las herramientas públicas.

3. Contribuciones Clave

• Primera herramienta de anotación morfológica masiva: Es la primera plataforma pública que permite a no especialistas generar anotaciones morfológicas estructuradas y vinculadas a ontologías a partir de imágenes de GBIF.
• Interoperabilidad y Estándares: Soporta múltiples formatos de exportación:
  • Darwin Core JSON: Para integración con infraestructuras de biodiversidad.
  • COCO JSON: Para entrenamiento de modelos de visión por computadora.
  • Traits CSV: Para análisis estadístico.
  • JSON-LD (Grafo de Conocimiento): Un formato novedoso que vincula especímenes, regiones anatómicas y rasgos morfológicos mediante ontologías (UBERON, Dublin Core), creando un grafo de conocimiento FAIR (Findable, Accessible, Interoperable, Reusable).
• Publicación Directa: Integración nativa con Zenodo, permitiendo a los usuarios depositar sus anotaciones como conjuntos de datos citables con DOI directamente desde el navegador, garantizando la trazabilidad y la atribución.
• Accesibilidad: La implementación en un solo archivo HTML elimina barreras técnicas, permitiendo su uso en cualquier dispositivo con navegador moderno sin instalación de software.

4. Resultados y Funcionalidad

• Flujo de Trabajo: El sistema permite buscar especímenes por nombre científico o ID de GBIF, cargar la imagen, seleccionar una plantilla morfológica automática basada en la clasificación taxonómica, realizar anotaciones asistidas por IA y exportar los datos.
• Validación y Escalabilidad: El enfoque se basa en el modelo de ciencia ciudadana (similar a Notes from Nature), demostrando que los voluntarios pueden realizar tareas morfológicas complejas cuando se les proporcionan interfaces guiadas por plantillas y vocabularios controlados.
• Visualización de Datos: Los exportados JSON-LD pueden visualizarse y consultarse mediante herramientas estándar (Cytoscape, JSON-LD Playground, Apache Jena), integrándose en el ecosistema de datos vinculados de biodiversidad.
• Cobertura: Actualmente cubre 25 grupos taxonómicos principales con vistas estandarizadas (lateral, dorsal, ventral, frontal de la cabeza, etc.), asegurando una cobertura amplia de la biodiversidad multicelular.

5. Significado e Impacto

• Resolución de la Crisis Taxonómica: El sistema aborda el "cuello de botella" de la descripción de especies al democratizar la recolección de datos morfológicos, transformando millones de imágenes estáticas en recursos morfológicos estructurados y legibles por máquinas.
• Puente entre Ciencia Ciudadana y IA Profesional: Establece un ciclo virtuoso donde la participación pública genera datos de entrenamiento masivos para mejorar los modelos de IA de los taxónomos expertos, quienes a su vez refinan las herramientas para el público.
• Avance en Bioinformática: Llena un vacío crítico donde existen abundantes imágenes de especímenes pero escasez de anotaciones morfológicas estructuradas. Al vincular estos datos con ontologías formales, sienta las bases para una base de conocimiento morfológico a gran escala.
• Sostenibilidad y Reproducibilidad: Al ser de código abierto, sin dependencias de servidor complejas para el usuario final y con publicación directa en repositorios FAIR, el proyecto asegura la longevidad y la reutilización de los datos generados.

En resumen, el Descriptron-GBIF Annotator representa un cambio de paradigma en la biología de la biodiversidad, combinando la inteligencia artificial de vanguardia, la ciencia ciudadana y los estándares de datos abiertos para acelerar la descripción y comprensión de la vida en la Tierra.