El aprendizaje automático aprovecha los secretos ocultos en un catálogo de toda la Tierra
El Programa Europeo de Vigilancia de la Tierra Copernicus reúne datos abundantes, automatizados y continuos sobre la salud del planeta desde una amplia serie de fuentes, incluidas las imágenes obtenidas vía satélite, así como sensores terrestres y aéreos. Aunque los datos son increíblemente valiosos para todo, desde la respuesta en caso de catástrofes hasta la planificación ambiental, su enorme volumen supone que son demasiados para que los examine una única persona.
Aprendizaje automático
La inteligencia artificial (IA) puede automatizar algunos análisis, mediante la revisión de petabytes de datos para dilucidar información pertinente e importante. El proyecto PerceptiveSentinel, financiado con fondos europeos, desarrolló un servicio intermedio de observación de la Tierra que aprovecha el valor de los datos de Copernicus para posteriores usuarios. Según afirma Grega Milcinski, coordinador del proyecto: «Aunque el aprendizaje automático es un campo bien establecido, estas herramientas no están optimizadas para la complejidad de los datos de observación de la Tierra. Las tecnologías de visión artificial están optimizadas para la identificación de rostros humanos y de gatos en las redes sociales, no para datos multiespectrales y multitemporales de satélites». Mediante la integración de flujos de trabajo de procesamiento de datos y de herramientas bien conocidas como TensorFlow de Google y LightGBM de Microsoft, el científico principal Anze Zupanc y sus compañeros crearon eo-learn. Este «software» de código abierto combinó el aprendizaje automático con la observación de la Tierra y se diseñó para la escala y complejidad de los datos de Copernicus.
Sector comercial
Incluso antes de la conclusión del proyecto, la firma neerlandesa de navegación por satélite TomTom adoptó parte del trabajo y lo utilizó en su propia investigación interna. Milcinski afirma que con su «software»: «Procesaron ellos solos un par de miles de millones de kilómetros cuadrados de datos satelitales para crear un producto global para sus usuarios». De hecho, PerceptiveSentinel ya está generando ingresos basados en el uso del «software» eo-learn, con unos ingresos previstos superiores al millón de euros en el ejercicio que finaliza en 2021. Los principales clientes son científicos de datos, tanto del sector de la investigación como del comercial. El proyecto se ha descargado más de veintiséis mil veces y más de ciento ochenta y dos desarrolladores han creado su propia rama de eo-learn. Milcinski explica lo siguiente: «Evidentemente no conocemos a todos los usuarios, ya que se trata de un “software” de código abierto y todo el mundo puede cogerlo y usarlo de la forma que desee, sin informarnos a nosotros. También tenemos muchos usuarios cuya identidad no podemos desvelar por motivos de confidencialidad».
Cooperación estrecha
PerceptiveSentinel se financió a través del programa Horizonte 2020 y fue coordinado por el Laboratorio Sinergise para los Sistemas de Información Geográfica en Eslovenia. Milcinski añade: «La financiación nos ayudó a poner los mejores recursos disponibles y a seguir adelante. Los socios también fueron fundamentales, puesto que contribuyeron al ir más allá de nuestros conocimientos técnicos. Probablemente, este tipo de colaboración estrecha no se habría producido sin el proyecto». Milcinski afirma que los fondos públicos también motivaron al equipo para publicar el «software» como de código abierto, lo que supuso un gran éxito. Esto originó la creación de una comunidad alrededor del «software» eo-learn, que sigue en crecimiento y en la cual muchos de sus miembros se convirtieron en clientes de pago. El trabajo continúa en eo-learn, tanto por parte del equipo de PerceptiveSentinel como de los miles de usuarios terceros que contribuyen al proyecto de código abierto. «Estamos convencidos de que los resultados perdurarán muchos años», concluye Milcinski.
Palabras clave
PerceptiveSentinel, Perceptive, Sentinel, Copernicus, tierra, observación, aprendizaje, automático, eo-learn, satélite
