Cómo la IA y el aprendizaje automático transforman los sectores que dependen de la información geoespacial

JW: Seguro, la IA ha permitido la creación de modelos de negocios completamente nuevos para financiar proyectos que antes no eran posibles. Mencioné eI proyecto Bahamas, en el cual la iniciativa empresarial para sostenibilidad R-evolution de Hexagon, se ha asociado con la organización sin fines de lucro Beneath The Waves para cartografiar uno de los depósitos de carbón natural más grandes del mundo. Ya que el gobierno de Bahamas tiene previsto emitir créditos de carbono azul para la conservación sus praderas de pastos marinos, R-evolution y Beneath The Waves han utilizado el sensor batimétrico aéreo LiDAR de Hexagon, el Leica Chiroptera-5, para cartografiar las praderas de pastos marinos. La IA impulsa el modelo financiero que costea el proyecto al permitirnos detectar los lechos de pasto marino para calcular automáticamente el potencial del almacenamiento de carbono de un área específica. Los usuarios tradicionales de estos datos batimétricos se benefician considerablemente de la disponibilidad de datos mejores que los que permitirían los presupuestos convencionales.

¿Cómo puede contribuir la IA a la reducción de la gran huella de carbono del sector de la construcción según las metas de sostenibilidad?

RB: Existen muchas formas de que el sector pueda incorporar más prácticas de sostenibilidad in situ. El control de calidad y la reducción de la repetición del trabajo son dos soluciones que actualmente se ponen en práctica. Por ejemplo, es posible utilizar la visión computarizada de la IA para analizar y detectar problemas potenciales en las primeras etapas del proceso de construcción. Esto mejora la calidad y reduce la repetición del trabajo al solucionar problemas antes de que sean excesivamente costosos para resolverlos. Como mencioné anteriormente, la IA también puede ayudar a calcular el avance de la construcción. Unas actualizaciones más precisas y puntuales pueden beneficiar considerablemente la coordinación en el campo durante un proyecto, lo cual reduce los residuos y disminuye los plazos de construcción.

JW: Alimentada por un gemelo digital e información de tráfico, la IA es extremadamente efectiva al determinar cuándo y cómo mover objetos grandes y dónde colocar los materiales, lo cual es especialmente benéfico durante proyectos de construcción complejos en zonas urbanas densas. Nuestro producto MetroHD, el gemelo digital de gama alta City-Scale, es un gran ejemplo de fundamento para este tipo de aplicaciones de IA.

Además de la construcción, ¿cuál es la opinión de Hexagon sobre cómo las soluciones geoespaciales basadas en IA pueden beneficiar a la sociedad en términos de los desafíos que afrontamos, society in terms of the challenges we are facing, como el cambio climático?

JW: Existen innumerables aplicaciones que pueden desarrollarse y llevarse a cabo con IA. Si pensamos en datos geoespaciales, el uso principal generalmente ha sido alimentar un SIG — pero esto también significa que se desperdicia mucho valor. La IA puede recopilar toda esta información crucial por lo que es posible detectar tendencias antes de que se conviertan en problemas graves — como las áreas forestales que disminuyen en tamaño, problemas de desagües que contaminan fuentes de agua importantes y zonas de vegetación invadidas por la infraestructura del tendido eléctrico. Todos estos flujos de información pueden pasar de procesos manuales a una automatización casi en tiempo real, en esencia ofreciéndonos una advertencia moderna como “el canario en la mina de carbón” para muchos temas ambientales importantes.

RB: La aplicación de IA es básicamente la puesta en práctica de la automatización, lo cual aumenta la eficiencia al reducir los costes y las horas de trabajo del personal. En la construcción, los mejores ejemplos de esto son los usos de la IA para procesar datos de escáner láser 3D con el fin de detectar desviaciones y problemas con la alineación de datos al comparar los escaneos en la obra con los documentos del diseño. En la profesión geoespacial, por supuesto, ya es normal ver a la IA analizando decenas de miles de imágenes por día para crear mapas aéreos, extraer elementos y garantizar el cumplimiento con las normas de calidad. A menudo se trata de ejemplos en los que la IA añade lógica al procesamiento de imágenes para responder a consultas que pueden resultar muy costosas o lentas para un ser humano.

 

¿Cuáles son los avances en los datos geoespaciales y en el aprendizaje automático que siguen siendo necesarios para que la tecnología de la IA alcance todo su potencial?

JW: El ecosistema completo debe continuar madurando. Vemos que los marcos de referencia de código abierto, como PyTorch, continúan avanzando rápidamente, en tanto que los proveedores de la nube ofrecen estos servicios en una ‘plataforma como servicio’ fácil de usar ayudarán eliminar los obstáculos informáticos. También vemos empresas como NVIDIA esforzándose por introducir mejor hardware que permita un desarrollo de la IA aún mayor y la generación de resultados En lo que respecta a los datos geoespaciales, se requieren normas que apoyen la expansión del uso de la IA. Actualmente, muchas normas están mejoradas para casos de uso máquina-humano, como el tradicional SIG para el flujo de datos, pero las normas de máquina a máquina aún no se han definido ni se han puesto en marcha. Ese será el siguiente gran paso para ayudar al crecimiento de la IA y optimizar el ecosistema completo.

 

El uso de la IA ensí mismo, esun proceso de aprendizaje; no es posible aplicarla de un día para otro. ¿Qué consejo le daría a las empresas que buscan utilizar IA para mejorar sus operaciones?

JW: El proceso de crecimiento se trata de adquirir lotes de conocimiento que se combinan entre sí, donde cada lección es la base de la siguiente. La adopción de la IA debe efectuarse de la misma forma. Comience ahora. De pasos pequeños. Establezca objetivos razonables. Mida los resultados conforme avance.

RB:¡No lo podría haber expresado mejor!