La IA está transformando la observación de la Tierra mediante 'embeddings', que convierten datos sin procesar en información significativa.
Los embeddings permiten a la IA reconocer patrones en los datos de la superficie terrestre, identificando los cambios ambientales con mayor precisión.
Esta tecnología tiene el potencial de revolucionar la forma en que interactuamos con nuestro planeta, lo comprendemos y lo protegemos.
Los mapas nos han fascinado a lo largo de la historia. Representar todo sería muy confuso, por lo que nos vemos obligados a elegir determinados aspectos que reflejan nuestros valores. Los mapas digitales no solo permiten ver, sino también buscar los nombres de lugares y conceptos limitados. Pero imaginemos un nuevo tipo de mapa en el que se pueda buscar prácticamente cualquier cosa en la Tierra: ecosistemas, biodiversidad, incendios, inundaciones, carreteras, cultivos, etc. Gracias a técnicas de IA revolucionarias, esta visión ya no es ciencia ficción, sino una realidad en construcción. A medida que estas nuevas y potentes herramientas se generalicen, es imperativo abordar las cuestiones críticas relacionadas con la elaboración de mapas: su gobernanza, accesibilidad y privacidad.
Las herramientas cartográficas tradicionales se basan en trazar puntos y líneas; los mapas digitales modernos, en píxeles. Pero ambas tienen limitaciones para conectar los detalles con el panorama general. La IA nos brinda una capacidad sobrehumana para comprender ambos extremos del espectro, convirtiendo los datos sin procesar en información significativa y descubriendo los patrones y relaciones ocultos en la superficie terrestre, para ver cada árbol y cada bosque.
El reciente auge de la IA, en particular el uso generalizado de los modelos Transformer (la "T" de ChatGPT), ha revolucionado muchos ámbitos, desde la generación de texto hasta la descripción de imágenes, el diagnóstico médico y la predicción meteorológica. En el centro de estos modelos se encuentra el concepto de "embeddings", una técnica poderosa que ayuda a la IA a aprender mediante la creación de resúmenes numéricos, o fichas de índice, que capturan tanto el significado como el contexto. Como un bibliotecario experto, la IA utiliza los embeddings para registrar los matices más sutiles y los patrones más ocultos, señalando al instante todas las fuentes pertinentes. Para ilustrar el poder de estas nuevas herramientas basadas en embeddings, desde 2019 podemos crear modelos de IA, como "BERT", que no solo recrean Wikipedia con una precisión cercana al 90 %, sino que además ocupan el 1 % de su tamaño. Los embeddings son compresiones semánticas extremadamente potentes.
De los píxeles a las predicciones
Estos embeddings basados en IA son el núcleo de estos nuevos mapas. Apenas estamos empezando a aplicar estas potentes herramientas a los vastos archivos de observación terrestre existentes, de hace décadas. Desde hace mucho tiempo disponemos de los datos necesarios para responder preguntas como cuántos árboles hay en el mundo, pero siempre requería demasiado esfuerzo computacional revisar cada uno. Entran en escena los embeddings de la Tierra, donde contamos con montañas infinitas de píxeles con los que trabajar: la IA crea ahora estos resúmenes matemáticos densos. Un rico tapiz de señales destiladas que abarca el espacio, el tiempo y los conceptos; no solo bosques y árboles, sino también caudales fluviales, inundaciones, sequías y ciudades. Los embeddings de la Tierra están diseñados explícitamente para comprimir la imagen completa en resúmenes extremadamente breves, que suelen ocupar menos del 5 % del tamaño original. Por supuesto, estos resúmenes no son perfectos, pero han demostrado ser notablemente buenos. En pruebas realizadas con nuestro modelo abierto Clay, estos embeddings han mostrado una precisión superior al 90 % en la clasificación del uso del suelo, la detección de acuicultura y la estimación de biomasa. Resulta difícil imaginar hasta qué punto esto puede transformar el análisis geoespacial a gran escala. Además, es sencillo desde el punto de vista conceptual y, sin embargo, se utiliza muy poco hasta ahora.
La Tierra es el mayor ámbito inexplorado de la IA
El campo general de la observación de la Tierra adolece de falta de conciencia, como señala el reciente informe del Foro Económico Mundial titulado Amplifying the Global Value of Earth Observation. Este informe identifica una oportunidad adicional de 3,8 billones de dólares para la economía mundial y la eliminación de 2 Gt de gases de efecto invernadero al año para 2030. Ese mismo informe menciona explícitamente la IA como fuente de optimismo para desbloquear su valor para los no expertos, incluidos los geoembeddings.
Si bien los embeddings tienen un enorme potencial para revolucionar el análisis geoespacial, su adopción y aplicación siguen siendo limitadas. Esto se debe en parte a que requiere conocimientos especializados en tres ámbitos distintos: IA, análisis geoespacial y sostenibilidad. Es poco frecuente tener experiencia incluso en uno solo de estos ámbitos. Además, al igual que la elaboración de cualquier otro mapa, también exige conocimientos sobre cómo gobernar la creación y el despliegue de estas herramientas, así como abordar las preocupaciones relacionadas con la privacidad y la seguridad nacional, los sesgos y las limitaciones de los datos. Los embeddings pueden reducir considerablemente las barreras de cómputo, acceso o competencias técnicas, pero no están preparados para desplegarse sin control alguno, sin contexto ni mecanismos de reparación y prevención del uso indebido.
Por otro lado, AI for Earth ofrece ventajas únicas para el ámbito más amplio de la gobernanza de la IA. Otros dominios, como el texto, están llenos de incertidumbre jurídica en materia de derechos de autor y licencias. En AI for Earth disponemos literalmente de petabytes de datos completamente abiertos, con licencias abiertas, que abarcan todo el mundo, con periodicidad mensual y que se remontan a décadas atrás. Además, los modelos de IA de texto deben tener en cuenta una amplia gama de calidad de contenidos, propaganda y ficción mezclada con registros históricos. Todos los datos de la Tierra representan observaciones reales de lugares reales. Con AI for Earth existe una oportunidad excepcional para dar forma a las expectativas sobre qué hacer, cómo hacerlo y quién lo hace.
Entonces, ¿dónde nos encontramos hoy? Existen más de 60 modelos de AI for Earth, como SatCLIP de Microsoft, Privthi de la NASA o Clay. Todos ellos validan el potencial técnico, comercial y público de este enfoque; sin embargo, siguen siendo en su mayoría de nicho, académicos y no operativos. Son difíciles de crear y de utilizar, y aún es demasiado pronto para confiar en ellos en los casos de uso críticos que hemos visto, como la detección automatizada de inundaciones, las predicciones de cosechas o la respuesta ante desastres. Hasta octubre de 2024, ninguno de los principales modelos de IA, como ChatGPT, Llama o Claude, declara haber utilizado datos de la Tierra para su entrenamiento, ni es capaz de comprenderlos.
Una nueva era de la comprensión geoespacial
Los embeddings representan un cambio de paradigma en la forma en que interactuamos con nuestro planeta y lo comprendemos. Ayudan a resolver el problema actual de disponer de archivos extremadamente grandes de datos globales e históricos, pero en los que no es fácil encontrar información. Al ir más allá de las limitaciones de los píxeles, podemos desbloquear una gran cantidad de acceso más sencillo, rápido y mejor a la información sobre el mundo natural, lo que permitirá a muchos más actores tomar decisiones informadas sobre su futuro.
A medida que crecen los desafíos del cambio climático y la sostenibilidad, la IA será fundamental para ayudarnos a comprender y proteger nuestro planeta. Los embeddings de la Tierra no son solo un avance técnico: representan una nueva forma de ver el mundo, que nos permite tomar mejores decisiones para el futuro. Es hora de adoptar esta tecnología y desbloquear todo su potencial en favor de una Tierra más sana y sostenible.
A medida que crecen los desafíos del cambio climático y la sostenibilidad, la IA será fundamental para ayudarnos a comprender y proteger nuestro planeta. Los embeddings no son solo un avance técnico, sino una nueva forma de ver el mundo, que nos permite tomar mejores decisiones para el futuro. Es hora de adoptar esta tecnología y desbloquear todo su potencial en favor de una Tierra más sana y sostenible.
