Reflexiones sobre la inteligencia artificial en la Taxonomía de insectos
DOI:
https://doi.org/10.59741/agraria.v23i2.720Palabras clave:
Inteligencia artificial; taxonomía; insectos; biodiversidad; ciencia ciudadana.Resumen
La taxonomía de insectos es una disciplina clave para la comprensión de la biodiversidad, pero enfrenta importantes desafíos debido a la enorme cantidad de especies existentes, la escasez de especialistas y la acelerada pérdida de hábitats. En este contexto, la inteligencia artificial (IA) se ha posicionado como una herramienta innovadora capaz de apoyar los procesos de identificación y clasificación. Este artículo de divulgación reflexiona sobre el papel de la IA en la taxonomía de insectos, analizando sus ventajas, limitaciones y repercusiones éticas. Asimismo, se presentan ejemplos de aplicaciones móviles basadas en IA que permiten la identificación de insectos, destacando su contribución al conocimiento, la ciencia ciudadana y la conservación de la biodiversidad.
Descargas
Referencias
Barker, B.S. & Coop, L. (2023). Phenological mapping of invasive insects: decision support for surveillance and management. Insects, 15(1), 6. https://doi.org/10.3390/insects15010006 DOI: https://doi.org/10.3390/insects15010006
Chakrabarty, S., Deb, C.K., Marwaha, S., Haque, M.A., Kamil, D., Bheemanahalli, R. & Shashank, P.R. (2026). Application of artificial intelligence in insect pest identification: A review. Artificial Intelligence in Agriculture, 16(1), pp. 44–61. https://doi.org/10.1016/j.aiia.2025.06.005 DOI: https://doi.org/10.1016/j.aiia.2025.06.005
Cigliano, M.M., Martina, E.P. & Hernán, L.P. (2014). Avances tecnológicos y sus aplicaciones en la cibertaxonomía. Revista de la Sociedad Entomológica Argentina, 73(1–2), pp. 3–15.
Díaz Subieta, L.B. (2024). El uso de la inteligencia artificial en la investigación científica. Revista Historia de la Educación Latinoamericana, 26(43), pp. 253–272. https://doi.org/10.19053/uptc.01227238.18014 DOI: https://doi.org/10.19053/uptc.01227238.18014
Edney, A.J., Danielsen, J., Descamps, S., Jónsson, J.E., Owen, E., Merkel, F. et al. (2025). Using citizen science image analysis to measure seabird phenology. Ibis, 167(1), pp. 56–72. https://doi.org/10.1111/ibi.13317 DOI: https://doi.org/10.1111/ibi.13317
Gao, Y., Xue, X., Qin, G., Li, K., Liu, J., Zhang, Y. & Li, X. (2024). Application of machine learning in automatic image identification of insects: A review. Ecological Informatics, 80, 102539. https://doi.org/10.1016/j.ecoinf.2024.102539 DOI: https://doi.org/10.1016/j.ecoinf.2024.102539
iNaturalist (2024). Seek by iNaturalist: AI-assisted species identification. Disponible en: https://www.inaturalist.org/pages/seek_app (Accedido: [coloca aquí la fecha de consulta]).
Johnston, A., Matechou, E. & Dennis, E.B. (2023). Outstanding challenges and future directions for biodiversity monitoring using citizen science data. Methods in Ecology and Evolution, 14(1), pp. 103–116. https://doi.org/10.1111/2041-210X.13834 DOI: https://doi.org/10.1111/2041-210X.13834
Li, W., Zheng, T., Yang, Z., Li, M., Sun, C. & Yang, X. (2021). Classification and detection of insects from field images using deep learning for smart pest management: A systematic review. Ecological Informatics, 66, 101460. https://doi.org/10.1016/j.ecoinf.2021.101460 DOI: https://doi.org/10.1016/j.ecoinf.2021.101460
Otero, P., Menéndez-Blázquez, J. & March, D. (2025). Challenges of passive citizen science in ecology within a shifting social media landscape. Ecological Informatics, 80, 103278. https://doi.org/10.1016/j.ecoinf.2025.103278 DOI: https://doi.org/10.1016/j.ecoinf.2025.103278
Rodríguez-Vázquez, E., Hernández-Juárez, A., Reyes-Rosas, A., Illescas-Riquelme, C.P. & Lara-Viveros, F.M. (2024). Detection and early warning of Duponchelia fovealis Zeller (Lepidoptera: Crambidae) using an automatic monitoring system. AgriEngineering, 6(4), pp. 3785–3798. https://doi.org/10.3390/agriengineering6040216 DOI: https://doi.org/10.3390/agriengineering6040216
Samper-Villarreal, J., Vincent, A., Álvarez, C. & Gutiérrez-Espeleta, G.A. (2019). I Simposio sobre cambio climático y biodiversidad: hacia el fortalecimiento de la resiliencia y acciones requeridas ante el cambio climático en Latinoamérica. Cuadernos de Investigación UNED, 11(1), número especial, pp. S7–S17. ISSN 1659-441X. DOI: https://doi.org/10.22458/urj.v11i1.2315
Spiesman, B.J., Gratton, C., Hatfield, R.G., Hsu, W.H., Jepsen, S., McCornack, B. et al. (2021). Assessing the potential for deep learning and computer vision to identify bumble bee species from images. Scientific Reports, 11, 7580. https://doi.org/10.1038/s41598-021-87210-1 DOI: https://doi.org/10.1038/s41598-021-87210-1
Triplehorn, C.A. & Johnson, N.F. (2005). Borror and DeLong’s Introduction to the Study of Insects. 7th edn. Belmont, CA: Thomson Brooks/Cole, 861 pp.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Universidad Autónoma Agraria Antonio Narro
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
Cómo citar
PLUMX Metrics
