Los resultados de la fusión entre los SIG y el aprendizaje automático

Septiembre 30, 2021
3:17 minutos de lectura

Contenido

Desde hace algunos años, la tecnología de la inteligencia artificial ha empezado a aplicarse en diversos sectores del desarrollo dado que tiene la capacidad de computarizar tareas que por lo general se harían por un ser humano. La ciencia del análisis geoespacial no ha sido la excepción, pues se han empezado a unir herramientas de sistemas de información geográfica con inteligencia artificial para volver cada vez más eficientes los análisis. Una de las ramas de la inteligencia artificial que más se ha aplicado en el uso de los SIG es el aprendizaje automático (Machine Learning en inglés). Tal y como lo explica Lauren Bennett, líder del desarrollo de software para Análisis Espacial y la Ciencia de Datos en Esri, el aprendizaje automático es un “conjunto de técnicas y algoritmos basados ​​en datos que automatizan la predicción, clasificación y agrupación de datos”. En términos generales, son algoritmos alimentados con información para aprender de ésta y poder replicarse en otras situaciones. 

Según el SAS Institute Inc., los métodos más comunes para el aprendizaje automático son: el aprendizaje supervisado, el aprendizaje semi supervisado, el aprendizaje sin supervisión y el aprendizaje por refuerzo. El primero consiste en alimentar el modelo con información conocida, con problemas cuyos resultados se conocen. Estos métodos se utilizan comúnmente para predecir eventos por medio de patrones de acuerdo con información histórica alimentada al modelo. El segundo método consiste en alimentar el modelo con información ya conocida e información desconocida, típicamente en mayor proporción esta última; un ejemplo de este tipo de método es la aplicación en reconocimiento facial en una cámara. El tercer tipo de método es un algoritmo sin alimentar con información conocida, es decir, el algoritmo no conoce la respuesta adecuada al problema planteado. El cuarto y último método, el algoritmo se alimenta por ensayo y error y aprende qué resultado es el mejor y más eficiente. 

Ahora bien, en el análisis geoespacial, esta tecnología es utilizada para varios temas; sin embargo, dentro de estos se encuentran llevar a cabo análisis predictivos, reconocimiento de patrones complejos, clasificación de imágenes, detección de objetos, segmentación semántica y segmentación de instancias. Por medio de la fusión entre el aprendizaje automático y los SIG es posible identificar tipos de coberturas de la tierra, mapeo de objetos determinados, clasificación de imágenes, para reconstrucción de superficies en 3D y llevar a cabo diversos tipos de análisis con mayor precisión. 

Según Bennett, ArcGIS tiene un conjunto de técnicas de aprendizaje automático, enfocadas en aplicaciones de análisis espaciales eficientes. Con estas técnicas se puede determinar alguna medida de forma, densidad, continuidad, distribución espacial o proximidad. Bennett también menciona que ArcGIS utiliza el aprendizaje automático principalmente de tres formas: para predicciones al hacer uso de información conocida para estimar información desconocida; para clasificaciones, al determinar la categoría en la que un objeto debería estar clasificado de acuerdo con información conocida; y al agrupar de acuerdo con similitudes que los objetos analizados puedan tener. Por último, Esri continúa en la tarea de mejorar la fusión entre estas dos tecnologías para mejorar las herramientas y así apoyar las habilidades de análisis espacial de sus usuarios.

Sobre el autor:

Escrito por la agencia de contenido de Esri Colombia, Ecuador y Panamá.

Share on facebook
Share on twitter
Share on linkedin

¿Quiere recibir mensualmente nuestro Geoletter? Suscríbase a las novedades de Esri

¡NO sigas este enlace o serás bloqueado en este sitio!