Identificación taxonómica no destructiva de ammonites del Cenomaniano-Coniaciano en Colombia mediante inteligencia artificial y aprendizaje profundo

Resumen

La clasificación de macrofósiles —especialmente ammonites— suele requerir mucho tiempo y pericia, y se ve limitada por la calidad de preservación, la plasticidad morfológica y la escasez de colecciones digitalizadas. Estas restricciones han impedido aprovechar plenamente, en los modelos bioestratigráficos regionales, unidades como Hondita, Loma Gorda y Frontera. Para cerrar esta brecha, el presente trabajo introduce un marco metodológico innovador para la identificación taxonómica automatizada y no destructiva de ammonites del Cenomaniano-Coniaciano en formaciones del Cretácico Superior de Colombia, mediante inteligencia artificial (IA). Con tal propósito, se propone un modelo de clasificación de imágenes basado en una CNN (ResNet-18 con transfer learning) y entrenado con imágenes etiquetadas por especialistas y enriquecidas con metadatos estratigráficos, que arroja resultados prometedores en precisión e interpretabilidad morfológica. El desarrollo se sustenta en una revisión sistemática de aplicaciones recientes de IA en paleontología —segmentación de fósiles, generación sintética de datos y técnicas no invasivas, como micro-CT y fluorescencia estimulada por láser—. Además de clasificar, el marco facilita integrar información geoquímica y estratigráfica para refinar la cronoestratigrafía y reconstruir paleoambientes; también, ofrece una vía escalable para digitalizar y curar colecciones en contextos con recursos limitados. Al incorporar machine learning al flujo de trabajo, el estudio contribuye a modernizar la práctica paleontológica e impulsa la inclusión del patrimonio fósil de Colombia en bases geocientíficas globales.