Blog

Hoy en día, somos más las personas que compramos o consumimos servicios en línea tales como Amazon o Netflix. Estas empresas nos envían recomendaciones bastante interesantes con el fin de persuadirnos para adquirir sus servicios. De hecho, estas recomendaciones están increíblemente relacionadas a nuestros perfiles.

Pero, ¿cómo es posible que empresas con una gran cantidad de clientes puedan manejar un número casi incontable de variables, con el propósito de enviar estas acertadas ofertas de manera continua?

La respuesta a esta pregunta la encontramos en dos palabras: Machine Learning.

Machine Learning es una rama de la Inteligencia Artificial que permite la creación de modelos computacionales, capaces de aprender y generar sus propias reglas de comportamiento para la solución de un problema de negocio.

Aunque parezca un término completamente nuevo debido a la reciente cobertura mediática, este tipo de técnicas computacionales ya están siendo usadas por miles de empresas para mejorar sus procesos de negocio, entre ellos, procesos netamente espaciales.

Un artículo reciente de la prestigiosa revista Harvard Business Review señala que en el año 2016, se han invertido 5 mil millones de dólares en Inteligencia Artificial en el Sector Corporativo, una cifra que se espera aumente hasta alcanzar los 100 mil millones de dólares para el año 2025.

Pero veamos un ejemplo de cómo Machine Learning puede cambiar la manera en la que solucionamos ciertos problemas. Pensemos por ejemplo en el impacto del tráfico en las operaciones de planificación logística.

La manera tradicional para predecir el tráfico y cómo éste impactaría en las operaciones logísticas, es recolectando información ya sea a través de aplicaciones móviles o sensores en las unidades. Usando esa información se pueden crear modelos que estimen el tráfico en los próximos días para así planificar operaciones logísticas.

Sin embargo, en la realidad las excepciones son demasiadas, ya sea por alguna fiesta nacional o por ser el primer día del año escolar, programar cada una de las excepciones es un proceso casi interminable.

Afortunadamente usando la Inteligencia Artificial Geoespacial dentro de la plataforma ArcGIS, podemos evitar invertir cientos de horas programando excepciones y en su lugar, desarrollar un modelo computacional que tome los datos de tráfico y se entrene de tal manera que genere predicciones cada vez más acertadas y confiables.

Dentro de la plataforma ArcGIS existen múltiples herramientas que permiten el desarrollo de estos modelos. Además, ArcGIS posee la capacidad de integrarse con paquetes de desarrollo específicamente orientados a Machine Learning en lenguajes como Python y R.

Otro escenario común en donde ArcGIS y Machine Learning colaboran efectivamente, lo hallamos en la identificación precisa de elementos mediante el análisis de imágenes satelitales.

Por ejemplo, una empresa de venta de paneles solares necesita identificar a sus potenciales clientes en diversas ciudades, a fin de decidir en qué lugar iniciará sus operaciones. Para ello debe obtener un estimado del área de los techos por vivienda, en los cuales sea factible la instalación de los paneles y el potencial solar que estos tendrían.

Gracias a la plataforma ArcGIS, esta empresa podrá analizar imágenes satelitales o capturadas por drones para identificar estos elementos.

Sin embargo, el estilo de los tejados varía significativamente en cada ciudad, haciendo complejo el manejo de las reglas para su identificación.

Es aquí en donde Deep Learning, una rama muy conocida dentro de Machine Learning, se convierte en un poderoso aliado en ArcGIS.

Mediante el uso de herramientas integradas a la plataforma ArcGIS, esta empresa podrá crear un modelo que pueda ser entrenado para reconocer tejados de diversos tipos e inclusive estimar el porcentaje de techo usable para la instalación de los paneles.

Este tipo de técnicas ya están siendo aplicadas en cientos de empresas, ya sean aseguradoras que desean identificar y monitorear de manera automática las áreas con mayor riesgo en diferentes ciudades, o planificadores ciudadanos que desean identificar la distribución de cierto tipo de infraestructura en las ciudades, entre otros muchos ejemplos.

La prestigiosa firma Gartner afirma claramente que en tan solo unos pocos años cada aplicación y servicio corporativo incorporará Inteligencia Artificial en sus procesos.

ArcGIS puede ayudar a su empresa de manera eficaz a integrar y analizar de manera eficiente su información a través de una estrategia de localización.

Como dice el presidente de Esri, Jack Dangermond, Machine Learning trata de “encontrar la aguja en el pajar”. Me gusta especialmente esa frase.

Las capacidades de ArcGIS hoy en día, permiten a los usuarios encontrar la aguja en el pajar en cuestión de minutos y no semanas, ya sea descubriendo incongruencias, reconociendo patrones o revelando fraudes.

La clave es integrar Big Data e Inteligencia Artificial en una plataforma GIS, que permita al usuario detectar enlaces entre personas y lugares, cambios en las imágenes o interacciones entre humanos, eventos y ubicaciones.

Sea parte de este gran número de empresas que están haciendo uso de las técnicas innovadoras en la plataforma ArcGIS para crear aplicaciones más inteligentes.

Si quiere saber cómo puede integrar ahora mismo ArcGIS y Machine Learning a su organización, contáctenosy un asesor GIS atenderá su solicitud a la brevedad posible.

César Garrido-Lecca

Consultor GIS