Una nueva inteligencia artificial desarrollada por Google DeepMind está generando los mapas de cobertura terrestre más detallados y precisos del mundo, una herramienta que promete revolucionar la forma en que monitorizamos los efectos del cambio climático, la deforestación y la expansión urbana. Este avance, fruto de la colaboración entre varias divisiones de Google, proporciona datos de acceso público que ya están siendo utilizados por organizaciones globales para proteger nuestros ecosistemas.
El proyecto ofrece una visión del planeta con una resolución de 10 metros, permitiendo identificar cambios a una escala antes inalcanzable para mapas globales. Desde la tala de una pequeña parcela de bosque hasta la expansión de un nuevo barrio residencial, esta tecnología proporciona a científicos, gobiernos y activistas una poderosa lente para observar la salud de la Tierra en tiempo casi real.
Un nuevo nivel de detalle para observar la Tierra
Cuando los científicos hablan de «cobertura terrestre», se refieren a la naturaleza física de la superficie del planeta: si está cubierta por árboles, agua, cultivos, edificios o hielo. Tener un mapa preciso y actualizado de esta cobertura es fundamental para innumerables aplicaciones, desde la gestión de recursos hídricos hasta la planificación de infraestructuras sostenibles y la lucha contra la pérdida de biodiversidad.
El nuevo sistema de Google, detallado en una publicación de su blog oficial, clasifica el terreno en cinco categorías clave: agua, árboles, vegetación inundada, cultivos y zonas urbanizadas. La principal innovación reside en su increíble nivel de detalle. Con una resolución de 10 metros por píxel, es posible distinguir características que en mapas anteriores se perdían en una mancha borrosa. Esto significa que los analistas pueden ahora diferenciar un pequeño campo de cultivo de un prado o seguir el avance de la deforestación casi árbol por árbol.
Este logro es el resultado del trabajo conjunto de Google DeepMind, el laboratorio de IA de vanguardia de la compañía; Google Research, su división de investigación; y Google.org, su brazo filantrópico. Juntos, han creado no solo el modelo, sino también la infraestructura para que estos datos sean útiles y accesibles para todos.
La revolución del aprendizaje autosupervisado
El motor detrás de este avance es un modelo de inteligencia artificial conocido como Masked Autoencoder for Land Cover Mapping (MAE-LCM). Su principal virtud es el uso de una técnica llamada aprendizaje autosupervisado. A diferencia de los métodos tradicionales, que requieren que los humanos etiqueten minuciosamente millones de imágenes para «enseñar» a la IA (un proceso lento y costoso), el aprendizaje autosupervisado permite que el modelo aprenda por sí mismo.
En términos sencillos, los investigadores le mostraron al sistema imágenes de satélite ocultando aleatoriamente algunas partes. La tarea de la IA era reconstruir las piezas que faltaban basándose en el contexto de las partes visibles. Al repetir este proceso millones de veces, el modelo desarrolló una comprensión profunda de cómo son los diferentes paisajes terrestres sin necesidad de etiquetas explícitas.
Esta eficiencia ha dado como resultado una precisión notable. Según Google, el nuevo mapa alcanza una precisión global de aproximadamente el 85%, un salto significativo frente al 75% de su predecesor, «Dynamic World», que ya era considerado de última generación.
«Creemos que nuestro modelo puede ayudar a los investigadores y a los responsables políticos a medir y anticipar mejor los cambios en el medio ambiente, contribuyendo a los esfuerzos globales para frenar el cambio climático y la pérdida de biodiversidad», escribió Zoubin Ghahramani, Vicepresidente de Investigación en Google DeepMind.
De los datos a la acción: aplicaciones contra el cambio climático
Un modelo de IA, por muy avanzado que sea, solo es útil si sus resultados se pueden aplicar en el mundo real. Para garantizarlo, Google se ha asociado con el World Resources Institute (WRI), una prestigiosa organización de investigación ambiental.
El WRI ya ha integrado estos nuevos mapas en dos de sus plataformas más influyentes: Global Forest Watch, que monitoriza la deforestación en todo el mundo, y el Land & Carbon Lab, que analiza la capacidad de los ecosistemas para almacenar carbono.
Craig Hanson, Vicepresidente de Alimentos, Bosques, Agua y Océanos en WRI, destacó la importancia de este nivel de detalle. «Con estos mapas de alta resolución, podemos ver no solo dónde se están produciendo cambios, sino también qué tipo de cambios son. Podemos diferenciar entre la tala de un bosque maduro y la cosecha de una plantación de árboles, lo que tiene implicaciones muy diferentes para el clima y la biodiversidad», explicó en declaraciones recogidas por Google.
Para fomentar un uso lo más amplio posible, los datos completos están disponibles de forma gratuita para la comunidad científica y el público en general a través de Google Earth Engine, una plataforma en la nube para el análisis de datos geoespaciales.
Potencial, limitaciones y el futuro de la IA geoespacial
Expertos independientes han recibido la noticia con optimismo. Jamal Jokar Arsanjani, profesor asociado en la Universidad de Aalborg (Dinamarca) y experto en teledetección, calificó el desarrollo como «un hito» en el campo. Sin embargo, también señaló las limitaciones actuales del sistema. Según su análisis, aunque el modelo es excelente para identificar la presencia de «árboles», todavía no puede distinguir entre un bosque tropical primario y una plantación de monocultivo, una diferencia crucial para la conservación.
Los propios creadores reconocen que este es solo el principio. El modelo ha sido diseñado como un «modelo fundacional», lo que significa que su conocimiento básico de la geografía terrestre puede ser afinado y adaptado para tareas más específicas en el futuro, como identificar tipos concretos de cultivos, evaluar la salud de los arrecifes de coral o monitorizar la expansión de los glaciares. La investigación que sustenta el modelo ha sido publicada como preimpresión en arXiv para su revisión por la comunidad científica.
Este proyecto es un ejemplo más del rápido avance de la IA en el análisis geoespacial. Recientemente, Google también presentó un modelo llamado «Geo-what?», capaz de determinar la ubicación de una fotografía analizando sus puntos de referencia visuales, sin necesidad de metadatos GPS, según informaciones del New York Times.
En conjunto, estas herramientas representan un cambio de paradigma. Al proporcionar una visión más clara, precisa y actualizada de nuestro planeta, la inteligencia artificial se está convirtiendo en un aliado indispensable para comprender y proteger nuestro único hogar.
