Una pantalla táctil, una cámara y un dispensador de alimento instalados en la Reserva Forestal de Taboga, en Costa Rica, han abierto una escena poco habitual en la investigación animal: monos capuchinos de cara blanca que se acercan voluntariamente a un dispositivo, son identificados por reconocimiento facial y resuelven tareas a cambio de pequeñas recompensas. El sistema, denominado CapuchinAI y desarrollado por equipos de Emory University y Georgia Institute of Technology, no busca convertir a los primates en usuarios de tecnología. Su propósito es más ambicioso: llevar parte del laboratorio al bosque sin sacar a los animales de la vida social, ecológica y espacial que moldea su conducta.
La fase piloto involucró a 16 capuchinos y alcanzó una precisión cercana al 97% en la identificación individual. Esa cifra importa menos como demostración tecnológica que como condición metodológica. En estudios de cognición, saber que una respuesta pertenece a un individuo concreto permite distinguir entre un éxito ocasional y un patrón de aprendizaje; entre un animal particularmente persistente y otro que aprende observando a sus compañeros; entre una respuesta influida por la edad, la posición social o la experiencia previa. Sin identificación fiable, el conjunto de datos pierde buena parte de su valor explicativo.
Una vieja tensión de la ciencia del comportamiento
La investigación sobre inteligencia animal ha convivido durante décadas con una tensión difícil de resolver. El laboratorio permite controlar variables: presentar los mismos estímulos, medir tiempos de respuesta, repetir una secuencia y aislar el efecto de una recompensa. Pero ese control suele tener un coste. El traslado, el confinamiento temporal y la separación del grupo pueden alterar la motivación, elevar el estrés o producir conductas que difícilmente representan lo que ocurre en el ambiente natural. En especies sociales y activas como los capuchinos, estas alteraciones no son un detalle periférico: forman parte de las condiciones que determinan cómo exploran, compiten, cooperan y toman decisiones.
Los estudios de campo, por el contrario, observan a los animales dentro de su mundo real, pero encuentran dificultades para comparar situaciones y registrar con precisión miles de pequeñas decisiones. Un primate puede elegir una fruta, evitar a un rival o seguir a un congénere por razones que el observador no siempre puede reconstruir. CapuchinAI intenta ocupar el espacio intermedio. Ofrece tareas repetibles, pero deja que el animal elija si participa, cuándo lo hace y en qué contexto social se acerca al aparato. No elimina la complejidad de la selva; la incorpora como una variable que también debe ser entendida.
Esta lógica se conecta con una transformación más amplia de la etología. Cámaras trampa, collares GPS, sensores acústicos y sistemas de visión artificial ya permiten estudiar animales con una presencia humana menor que en el pasado. La diferencia de esta plataforma es que no solo registra comportamiento espontáneo: plantea preguntas y recibe respuestas. La pantalla puede presentar una discriminación visual, una elección entre opciones o una prueba de memoria; el dispensador refuerza la participación; y el software vincula cada resultado con un historial individual. Es una forma de experimento de campo de alta frecuencia, potencialmente capaz de generar series temporales que antes exigían equipos humanos permanentes.
El capuchino como caso decisivo
Los capuchinos son candidatos especialmente relevantes para este tipo de prueba. Son primates conocidos por su destreza manual, flexibilidad conductual y capacidad para usar objetos como herramientas en determinadas poblaciones. También viven en grupos con jerarquías, alianzas, rivalidades y aprendizaje social. Por ello, una pantalla no mide únicamente una habilidad abstracta. Puede revelar cómo se cruzan la curiosidad individual, la tolerancia ante la novedad y la presión del entorno. Que algunos animales se acercaran de inmediato y otros observaran primero a sus compañeros no es una anécdota: apunta a rutas distintas de adquisición de información.
El comportamiento de los individuos que besaban la pantalla en vez de tocarla con la mano ilustra un límite útil para la interpretación. Los animales no llegan al dispositivo con las convenciones humanas sobre botones, iconos o superficies interactivas. Su manera de explorar combina olfato, boca, manos, mirada y aprendizaje por ensayo y error. Una respuesta aparentemente “incorrecta” puede contener información sobre la forma en que el animal entiende el objeto. En lugar de medir si el mono se parece a una persona frente a un teléfono, el reto científico consiste en diseñar pruebas que separen una dificultad tecnológica de una limitación cognitiva real.
Esta distinción es central porque la historia de la cognición comparada contiene numerosos ejemplos de resultados mal interpretados por tareas mal adaptadas. Un animal puede fracasar no porque carezca de memoria o capacidad de elección, sino porque el estímulo visual no resulta relevante para su especie, porque la recompensa no compensa el riesgo social de acercarse o porque la respuesta física exigida no coincide con su repertorio natural. La ventaja de un sistema adaptable es que puede ajustar gradualmente el nivel de dificultad y detectar dónde aparece el obstáculo. Su riesgo, a la vez, es que una adaptación excesiva termine haciendo menos comparables las pruebas entre individuos.
Datos individuales frente a la ilusión del promedio
La posibilidad de asignar tareas según el historial de cada mono cambia el tipo de preguntas que pueden formularse. En vez de limitarse a preguntar si “los capuchinos” resuelven una tarea, los investigadores pueden observar quién aprende rápido, quién mejora tras varios intentos, quién abandona ante una frustración y quién cambia de estrategia cuando la regla deja de funcionar. Estas diferencias son relevantes porque las capacidades cognitivas no se distribuyen de manera uniforme dentro de una especie, igual que tampoco ocurre entre personas.
El valor de esta aproximación crece si las observaciones se prolongan durante estaciones distintas y cambios en la composición del grupo. Un capuchino puede estar más dispuesto a participar cuando hay abundancia de alimento, menos vigilancia de depredadores o menor competencia cerca del dispositivo. Otro puede evitarlo cuando un individuo dominante ronda la zona. Los límites de recompensa por sesión buscan precisamente impedir que un solo animal monopolice la instalación. Esa medida no es solo técnica: protege la calidad de la muestra al reducir un sesgo frecuente en los experimentos voluntarios, donde los sujetos más audaces o dominantes terminan representando indebidamente a toda la población.
En ese sentido, CapuchinAI puede ayudar a observar fenómenos que los promedios suelen ocultar. Si un animal aprende viendo a otro, se podría rastrear cómo una innovación se propaga en una red social. Si los juveniles exploran más que los adultos, la plataforma permitiría distinguir una diferencia generacional de un simple efecto de repetición. Si un individuo cambia sus decisiones después de perder acceso a una recompensa, se abriría una ventana para estudiar flexibilidad conductual en condiciones menos artificiales. Ningún resultado aislado bastará para responder esas preguntas, pero el sistema crea una infraestructura para reunir evidencia acumulativa.
Una herramienta con consecuencias para la conservación
El uso de inteligencia artificial en la selva también puede tener efectos fuera del debate académico sobre la mente animal. La identificación visual automatizada ofrece una alternativa menos invasiva a métodos que requieren captura, marcaje físico o seguimiento cercano. En poblaciones vulnerables, reducir la manipulación directa puede ser una ventaja de bienestar y de seguridad. Además, si un sistema reconoce individuos de forma continuada, podría detectar cambios en frecuencia de visita, desapariciones prolongadas, lesiones visibles o modificaciones en la estructura social que funcionen como señales tempranas de perturbación ambiental.
La utilidad potencial es especialmente significativa en paisajes fragmentados de Centroamérica, donde la expansión agrícola, las carreteras y el desarrollo urbano transforman los corredores forestales. Un dispositivo cognitivo no sustituye a los monitoreos ecológicos tradicionales, pero puede complementar sus datos. Por ejemplo, una disminución sostenida en la participación de ciertos individuos podría relacionarse con cambios en la disponibilidad de recursos, aumento de competencia o alteraciones en las rutas de desplazamiento. Para que esa inferencia sea válida, harían falta controles ambientales y observación de campo; aun así, el registro automatizado puede alertar sobre tendencias que pasarían desapercibidas en visitas esporádicas.
Hay precedentes que justifican esta cautela. Las cámaras trampa han revolucionado la estimación de presencia y abundancia de fauna, pero sus resultados dependen de dónde se colocan, qué especies detectan mejor y cómo reaccionan los animales al equipo. Un sistema con recompensa introduce una fuente adicional de selección: registra sobre todo a quienes deciden participar. Por eso, los datos de CapuchinAI no deben confundirse con un censo ni con una radiografía completa de la población. Su mayor fortaleza está en el seguimiento longitudinal de conductas bajo condiciones definidas, no en reemplazar todas las herramientas de conservación.
Los límites éticos de intervenir en libertad
Que la instalación funcione en un hábitat abierto no significa que esté libre de consecuencias ecológicas. Cualquier dispensador de alimento puede modificar patrones de aproximación, competencia y asociación entre individuos. Incluso porciones pequeñas pueden adquirir importancia si se ofrecen con frecuencia o si se concentran en momentos de escasez. El diseño de límites por sesión reduce parte del problema, pero no resuelve por sí solo la cuestión de fondo: hasta qué punto un incentivo experimental altera la vida cotidiana que se pretende estudiar.
También existe el riesgo de que la tecnología se convierta en un punto de atracción para especies no objetivo. El sistema está programado para desactivarse cuando detecta animales ajenos al experimento, una decisión importante para evitar recompensas indebidas. Sin embargo, la mera presencia física del aparato, sus sonidos o los olores asociados al alimento puede despertar interés. La evaluación ética deberá incluir no solo el efecto sobre los capuchinos identificados, sino sobre el conjunto de fauna que comparte el bosque. En investigación de campo, la no intervención absoluta es imposible; la obligación es medir, limitar y transparentar la intervención.
La gestión de datos plantea otra cuestión emergente. El reconocimiento facial de animales no tiene las mismas implicaciones legales que el de personas, pero sí crea bases de datos detalladas sobre individuos, ubicaciones y rutinas. En contextos de especies amenazadas, esa información debe protegerse para evitar usos indebidos, desde turismo intrusivo hasta actividades ilegales. La expansión de estas herramientas requerirá protocolos claros sobre almacenamiento, acceso y publicación de coordenadas, del mismo modo que hoy se restringe la localización exacta de nidos o poblaciones sensibles.
Del experimento puntual a una nueva escala de observación
La promesa más profunda de CapuchinAI no reside en que un mono toque una pantalla, sino en la posibilidad de observar decisiones repetidas durante meses o años sin convertir cada prueba en una operación logística costosa. Una Raspberry Pi alimentada por batería y componentes relativamente accesibles pueden reducir barreras para grupos de investigación con presupuestos limitados. Si el diseño demuestra ser resistente a lluvia, humedad, fallos de energía y variación de luz, podría adaptarse a otras especies y otros contextos, desde aves urbanas hasta mamíferos que viven en reservas remotas.
Pero la escalabilidad exigirá prudencia científica. Los algoritmos entrenados con 16 individuos y un entorno concreto pueden perder precisión ante nuevos grupos, edades, ángulos de cámara o condiciones climáticas. Un 97% de acierto es alto, pero el 3% restante no es irrelevante cuando se pretende atribuir rasgos cognitivos a un individuo. Los errores de identificación pueden contaminar historiales, y los sesgos en la muestra de entrenamiento pueden afectar a animales menos fotografiados o con rasgos visuales similares. La validación independiente y la revisión humana de una parte de los registros seguirán siendo necesarias.
La escena de los capuchinos frente a una pantalla en Costa Rica resume una nueva etapa de la investigación de fauna: tecnologías antes asociadas a entornos urbanos o comerciales empiezan a operar en ecosistemas complejos, no para domesticar la naturaleza, sino para comprenderla con menor interferencia directa. El resultado dependerá de que la innovación mantenga una disciplina básica: usar la automatización para ampliar las preguntas, no para simplificar en exceso las respuestas. La selva puede convertirse en laboratorio, siempre que el laboratorio no haga olvidar que allí los animales continúan viviendo bajo sus propias reglas.
