Un mapa pionero en el mundo de los árboles y los proyectos de energías renovables de todo el mundo, que usa la inteligencia artificial (IA) generativa por mejorar las imágenes obtenidas por satélite, ha sido presentado por el instituto de investigación fundado por Paul Allen, cofundador de Microsoft. Es parte de una nueva herramienta llamada ‘Satlas‘, presentada en primicia en ‘The Verge’, que podría ayudar mucho en la lucha contra el cambio climático.
El algoritmo ‘se imagina’ los detalles
Satlas usa imágenes por satélite de los Sentinel-2 europeos, que dan una imagen borrosa del suelo, para añadir detalles con el que desde el Instituto Allen denominan «Súper-Resolución», que usa modelos de aprendizaje profundo por ‘imaginarse’ como serían los edificios y generar imágenes con alta resolución. Actualmente los datos se actualizan un golpe en el mes y el mapa incluye mayoría del mundo, con la excepción de la Antártida y zonas oceánicas muy alejadas de tierra firme.
El primer objetivo, el seguimiento de los objetivos climáticos y ambientales
De momento, Satlas se centra en los proyectos de energía renovable y la cubierta arbórea del mundo, mostrando los cambios a lo largo del tiempo en los bosques así como también las instalaciones solares y los parques eólicos terrestres y marinos. Así, esta herramienta podría ser muy importante para los legisladores que intenten cumplir los objetivos climáticos y ambientales y además, como dicen desde el Instituto Allen, nunca una herramienta tan grande había estado de acceso libre para el gran público.
Errores y ‘alucinaciones’
Como es normal siente una de las primeras demostraciones de la súper-resolución en un mapa global, hay algunas errores y «alucinaciones» como denominan a algunos errores curiosas en la hora de ‘pintar’ los edificios. Esto podría deberse a diferencias en la arquitectura entre países. Otro error corriente, la aparición de coches y barcos allá donde ‘habría’ de haber, probablemente se basa en las imágenes empleadas para entrenar el algoritmo.
Al fin y al cabo, para desarrollar Satlas el equipo tuvo que etiquetar manualmente a las imágenes por satélite 36.000 turbinas eólicas, 7.000 plataformas eólicas marinas, 4.000 centrales solares y 3.000 porcentajes de cubierta arbórea, para permitir que los modelos de aprendizaje profundo pudieran empezar a reconocerlos por sí solos. En cuanto a la resolución, se los dieron muchísimas imágenes en baja resolución de los mismos lugares tomadas en momentos difernts, para que hicieran una predicción de los detalles de las imágenes en alta definición que genera.
La herramienta continuará creciendo
En el futuro el Instituto Allen expandirá Satlas para que ofrezca otros tipos de mapas, como por ejemplo uno que identifique qué tipos de cultivos hay plantados en todo el mundo. El objetivo es que sea un modelo para hacer un seguimiento total de nuestro planeta, que podría ser muy útil para estudiar los efectos del cambio climático y otros fenómenos de interés.
