Miércoles 04 de marzo 2026 • 12:00 pm • Auditorio I, edificio A, campus III

https://us02web.zoom.us/j/81544665211?pwd=jfsFRZB7Pbq7MAsvNlNv3gCZq6n4wo.1

En un mundo donde los paisajes están cada vez más fragmentados y las especies tienen dificultades para moverse entre hábitats aislados, este trabajo se pregunta: ¿y si dejamos que la inteligencia artificial diseñe mejores planes de conservación? En el artículo mostramos cómo el aprendizaje por refuerzo profundo —la misma familia de algoritmos detrás de sistemas que juegan videojuegos o que forman parte del entrenamiento de ChatGPT— puede aprender a “jugar” el problema de la planificación de la conectividad como si fuera un reto estratégico. Entrenamos agentes que restauran parches de hábitat sobre paisajes reales y logramos optimizar métricas complejas de conectividad, como el Integral Index of Connectivity y el Probability of Connectivity, que son especialmente difíciles de abordar con métodos tradicionales de optimización matemática. En paisajes pequeños, la IA redescubre soluciones óptimas conocidas; en un caso real en México, consigue aumentar la conectividad forestal en un 66% restaurando solo una fracción mínima del territorio. En resumen, convertimos la conservación en un problema de aprendizaje… y mostramos que la IA puede ayudarnos a reconectar la naturaleza a escalas donde los métodos tradicionales empiezan a mostrar dificultades.