¿Por qué los ordenadores no pueden observar la Tierra desde arriba y mapear automáticamente nuestras carreteras, construcciones y montañas de basura? El operador de satélites DigitalGlobe se ha asociado con Amazon, el brazo de capital riesgo de la CIA y el fabricante de chips Nvidia para conseguirlo.

En un proyecto conjunto, DigitalGlobe publicó recientemente imágenes de satélite que muestran la ciudad de Río de Janeiro (Brasil) al completo a una resolución de 50 centímetros. El bosquejo de 200.000 edificios dentro de los aproximadamente 1.900 kilómetros cuadrados de la ciudad han sido añadidos manualmente a las fotos. El conjunto de datos SpaceNet, como ha sido denominado, tiene intención de impulsar los esfuerzos de entrenar algoritmos de aprendizaje automático para que interpreten fotos de satélite de resolución alta.

DigitalGlobe afirma que el conjunto de datos SpaceNet debería incluir imágenes de alta resolución de medio millón de kilómetros cuadrados de la Tierra, y que añadirá información más allá de los edificios. Los datos de DigitalGlobe son mucho más detallados que los datos de satélite públicamente disponibles como los de la NASA, que suelen tener una resolución de decenas de metros. Amazon publicará los datos de SpaceNet en su servicio de computación en la nube. Nvidia proporcionará herramientas para ayudar a los investigadores de aprendizaje de máquinas a entrenar y probar algoritmos con los datos, y ComiQ Works, una división del brazo de capital riesgo de la CIA centrada en el espacio, In-Q-Tel, también apoya el proyecto.

Foto: El software será entrenado para etiquetar edificios dentro de las imágenes de satélite con un conjunto de datos de imágenes como esta. Crédito: DigitalGlobe.

El vicepresidente ejecutivo de DigitalGlobe, Tony Frazier, afirma: "Necesitamos desarrollar nuevos algoritmos para estos datos".  La empresa opera cuatro satélites de imágenes y proporciona datos a agencias estadounidenses de inteligencia, humanitarias y otras organizaciones que hoy dependen sobre todo de humanos para extraer datos de los satélites.

Frazier cree que es posible entrenar el software para hacer cosas como mapear las carreteras y los edificios de los barrios de viviendas precarias, rastrear cambios en las infraestructuras urbanas como los bancos y las señales de stop y medir los materiales empleados en tejados y otras estructuras. Ese tipo de datos podrían ser comercialmente valiosos, y podrían ayudar a informar programas de salud y ayuda, afirma.

El CEO de Descartes Labs, una start-up que predice el rendimiento de cosechas a partir de imágenes de satélite, Mark Johnson, dice que los nuevos datos deberían ser bien recibidos por start-ups e investigadores. Sus aplicaciones en potencia podrían incluir calcular el rendimiento económico de la actividad en zonas urbanas o guiar a gobiernos municipales sobre cómo mejorar servicios como la recogida de basura, apunta.

SpaceNet está basado en el modelo de ImageNet, una colección de un millón de fotos etiquetados que ha subyacido las investigaciones de reconocimiento de imágenes durante años, incluidos unos recientes y enormes saltos en su precisión (ver Que los ordenadores reconozcan los objetos mejor que tú es cuestión de tiempo). Empresas como Google y Facebook emplean tecnologías de reconocimiento de imágenes basadas en ideas probadas primero con ImageNet.