Cuando se trata de saber dónde viven realmente las personas de todo el mundo, los recursos varían en grados de precisión y sofisticación.
Las economías muy urbanizadas y maduras suelen generar una gran cantidad de información actualizada sobre la densidad de población y datos demográficos detallados. En las zonas rurales de África o en las regiones de rápido crecimiento del mundo en desarrollo, los métodos de seguimiento no siempre pueden mantenerse al día o, en algunos casos, pueden no existir.
Aquí es donde entran en juego los nuevos mapas elaborados por investigadores de Facebook, que se basan en el proyecto de CIESIN Gridded Population of the World: Facebook utiliza modelos de aprendizaje automático sobre imágenes satelitales de alta resolución para dibujar una imagen definitiva de los asentamientos humanos en todo el mundo. Veamos más de cerca.
Uniendo los puntos
Sin tener en cuenta los demás detalles, los asentamientos humanos pueden formar patrones interesantes. Uno de los ejemplos más llamativos es Egipto, donde el 95% de la población vive a lo largo del río Nilo. A continuación, podemos ver con claridad dónde vive la gente y dónde no.
Vea la versión de máxima resolución de este mapa.
Si bien es posible usar una herramienta como Google Earth para ver casi cualquier lugar del planeta, el problema es analizar las imágenes a gran escala. Aquí es donde entra en juego el aprendizaje automático.
Encontrar a las personas en los petabytes
Las imágenes de alta resolución de todo el planeta ocupan unos 1,5 petabytes de almacenamiento, lo que hace que la tarea de clasificar los datos sea sumamente abrumadora. Solo muy recientemente la tecnología ha estado a la altura de la tarea de identificar correctamente los edificios en todas esas imágenes.
Para obtener los resultados que vemos hoy, los investigadores utilizaron un proceso de eliminación para descartar las ubicaciones que no podían contener un edificio y, luego, clasificaron las restantes según la probabilidad de que sí pudieran contenerlo.
Facebook identificó estructuras a gran escala mediante un proceso denominado aprendizaje supervisado débil. Tras entrenar el modelo con grandes lotes de fotografías y revisar después los resultados, Facebook logró una precisión de etiquetado del 99,6% en los ejemplos positivos.
Por qué importa
Una imagen precisa de dónde vive la gente puede ser una cuestión de vida o muerte.
Para las agencias humanitarias que trabajan en África, distribuir la ayuda de forma eficaz o vacunar a la población sigue siendo un desafío debido a la falta de mapas fiables e información sobre la densidad de población. Los investigadores esperan que estos mapas detallados se utilicen para salvar vidas y mejorar las condiciones de vida en las regiones en desarrollo.
Por ejemplo, Malaui es uno de los países menos urbanizados del mundo, por lo que localizar a sus 19 millones de habitantes no es tarea fácil para quienes realizan trabajo humanitario allí. Estos mapas muestran con claridad dónde vive la gente y permiten a las organizaciones calcular estimaciones precisas de la densidad de población en zonas específicas.
Visite la página del proyecto para obtener una explicación completa y acceder a la base de datos completa de mapas por país.
