Tres proyectos que están utilizando la IA para salvar el mundo (o al menos un trocito)

La Inteligencia Artificial es ahora mucho más ‘inteligente’ que los mecanismos de hace varias décadas. Un ordenador como el Swift 5, en formato portátil y menos de 1 kg. de peso, es varios órdenes de magnitud más rápido que los equipos con los que los investigadores comenzaron a crear la Inteligencia Artificial allá por los años 1950.

Los campos en los que se centra esta Inteligencia Artificial son de lo más dispar, pero afectan incluso a nuestro día a día en Internet (búsquedas personalizadas, qué se muestra en nuestro muro, etc.) y está en todos lados. En el mundo académico, miles de científicos de todo el mundo abordan ya todo tipo de problemas entre los que se incluyen muchos relacionados con el medioambiente y la salud de nuestro planeta. Hoy os hablamos de tres de ellos.

Imágenes de satélite para analizar la deforestación

Miles de imágenes de la Tierra son el punto de partida del proyecto de Rosemarie Day, una investigadora que ha ganado el premio Intel AI Interplanetary Challenge en 2018 por sus logros gracias a la aplicación de algoritmos de IA para tratar de entender una parte de nuestro mundo.

Esta estudiante del Worcester Polytechnic Institute utilizó técnicas de Inteligencia Artificial para clasificar y evaluar cambios en fotografías por satélite realizadas sobre bosques y regiones rurales. Para ello, midió las diferencias existentes entre diferentes momentos: qué zonas han sufrido una mayor deforestación, o en qué otras se han plantado nuevos árboles y a qué ritmo.

Esto puede parecer trivial en una región limitada y de superficie reducida, pero es tremendamente complejo y tedioso si pensamos a gran escala: miles o millones de kilómetros cuadrados. Ahí es donde entran las técnicas de reconocimiento ideadas por Day, y que son capaces de cuantificar la evolución sufrida por la naturaleza en dos o más momentos diferentes. El desarrollo de los algoritmos también permite conocer qué especies de plantas son las que existen en las fotografías por satélite.

El hardware utilizado por Day para este proyecto es relativamente sencillo y no se trata de un supercomputador, sino de pequeños artilugios que la propia Intel –patrocinadora del reto– pone a disposición de los desarrolladores: el computador Intel NUC, la unidad Intel Movidius Neural Compute Stick, TensorFlow o el kit de desarrollo OpenVINO, son algunas de ellas. Puedes leer más información sobre esta investigación en Intel Developer Mesh.

FarmBeats, agricultura con tecnología

El ser humano lleva miles de años sembrando y cosechando, y es un hecho que la revolución tecnológica de los últimos siglos ha mejorado notablemente el proceso y los resultados. Sin embargo, aún hay margen de mejora y así lo atestiguan proyectos basados en Inteligencia Artificial como FarmBeats: agricultura de precisión gracias a la IA.

FarmBeats

Basándose en las tecnologías más modernas de Microsoft, FarmBeats parte de la necesidad de mejorar el ritmo de producción de alimentos para el año 2050, a la vez que tanto las superficies cultivables como los niveles de agua se mantendrán (o incluso disminuirán respecto a la actualidad). Con este punto de partida, FarmBeats busca alcanzar la agricultura basada en los datos y en la tecnología, que unida con los conocimientos y la experiencia de los agricultores dan como resultado una mayor productividad.

Multitud de sensores capaces de capturar información del terreno cultivado (humedad, composición del suelo, temperatura, etc.) junto con imágenes aéreas (realizadas con drones o con globos de helio) de la superficie forman la parte tecnológica. Toda esta información y alguna más (meteorología y predicciones, buenas prácticas, etc.) se reúne y se pone en la coctelera del Machine Learning para buscar los mejores resultados de la cosecha.

Este proyecto, actualmente en fase piloto, cuenta con el soporte tecnológico de Microsoft y sus herramientas (Azure, sistemas IoT) y con el apoyo del gobierno de la India, la Gates Foundation, y compañías relacionadas con la agricultura como BASF o Bayer, entre otras. Se inició en 2015 y su objetivo es que pueda sentar las bases de la agricultura del futuro dentro de no muchos años. En la propia web de Microsoft encontrarás todos los detalles de este proyecto que también tiene una vertiente educativa.

Contando ñúes en el Serengueti

Hasta un millón de especies están al borde de la extinción por la acción humana. Y sabiendo como sabemos que el ser humano es uno de los animales más agresivos con todo lo que le rodea, algunos equipos de investigación están poniendo todo su conocimiento para tratar de mejorar la situación. Los primeros pasos consisten en saber qué animales hay ahí fuera, cuántos son y cómo se mueven durante el año.

Uno de los lugares donde se ha puesto en marcha el proyecto del que os hablamos ahora es en el Parque nacional Serengueti en Tanzania, y uno de los centros de migración de 250 mil cebras y 1.3 millones de ñúes todos los años, siendo una de las principales migraciones de mamíferos del mundo. Sin embargo, ¿cuántos son exactamente y cómo se comportan? La respuesta trata de buscarla la Tanzania Wildlife Research Institute (TAWIRI) junto con sus socios en este proyecto: la University of Glasgow de Escocia, la University of Cape Town de Sudáfrica, y el Field Museum of Natural History de los Estados Unidos.

Serengueti Wildbeest / Mongabay

Hasta ahora, las cuentas se habían hecho de forma manual, gracias a miles de fotografías aéreas o realizadas por satélite, y realizando una posterior cuenta manual, fotografía por fotografía. Con los resultados se conseguía hacer una estimación bastante buena en términos de cantidad y densidad de animales por unidad de superficie, si bien el lado negativo de este procedimiento es que se tardan varias semanas en terminar este proceso entre varias personas expertas.

La colaboración de todos es clave

La primera fase del proyecto comenzó en 2015, y consistió en equipar un pequeño avión con una cámara que automáticamente tomaba varias fotografías cada pocos segundos, durante un viaje de 2.000 kilómetros. En total se hicieron 1600 fotografías, las cuales fueron revisadas por un equipo de voluntarios en la plataforma Zooniverse, en la que anónimos de todo el mundo ayudaron a contar los animales de las fotografías.

Zooniverse Wildebeest

Precisamente el trabajo de estos voluntarios ha sido clave para las siguientes fases del proyecto: gracias a los millones de ‘clics’ realizados sobre las fotografías, cada uno de ellos indicando la ubicación de un ñu, se ha entrenado a una red neuronal para que sea capaz de reconocer de forma autónoma cuántos ñus se visualizan en cualquier imagen. Los resultados de este algoritmo de Inteligencia Artificial los han comparado con los resultados tanto del equipo de voluntarios de Zooniverse como con las cuentas de expertos en contar ñus, demostrando una eficiencia del 99%.

A favor de la máquina está la velocidad con la que ofrece los resultados, claro: unas pocas horas frente a las varias semanas que tardan los profesionales. Y, aunque la Inteligencia Artificial ya sea muy eficiente, los expertos confían en seguir mejorando los algoritmos para acercarse todavía más a los humanos. “Nuestros resultados muestran que los algoritmos de Deep Learning ya están en un estado en el que pueden reemplazar a los contadores manuales humanos, eliminando una gran carga de las organizaciones de conservación”, asegura uno de los artículos científicos del equipo de trabajo. Un buen resumen del proyecto puede leerse en Mongabay.

En InGet | ¿Para qué usaremos la capacidad de crear miles de rostros falsos?

En InGet | Alexa, Cortana, Google: los asistentes de voz reinventan la interacción con los dispositivos

Pablo