La aplicaci\u00f3n de la inteligencia artificial a drones podr\u00eda ayudar a planificar mejores rutas de b\u00fasqueda para encontrar a personas que se han extraviado con los datos, adem\u00e1s de los datos geogr\u00e1ficos de Escocia, entren\u00f3 un modelo de inteligencia artificial. El modelo realiza millones de simulaciones para determinar las rutas m\u00e1s probables de una persona desaparecida en unas circunstancias concretas.<\/p>\n
Si un excursionista se pierde en las escarpadas Highlands escocesas, los equipos de rescate, en ocasiones, env\u00edan un dron para buscar pistas sobre su ruta como restos de vegetaci\u00f3n pisada, ropa o envoltorios de comida. Sin embargo, con un terreno tan extenso que cubrir y una autonom\u00eda limitada, es esencial haber seleccionado la zona adecuada para la b\u00fasqueda.<\/p>\n
Normalmente, los pilotos expertos de drones utilizan una combinaci\u00f3n de intuici\u00f3n y “teor\u00eda de la b\u00fasqueda” basada en la estad\u00edstica -una estrategia que tiene sus ra\u00edces en la caza de submarinos alemanes en la Segunda Guerra Mundial- para\u00a0dar prioridad a determinados lugares de b\u00fasqueda sobre otros<\/strong>. Jan-Hendrik Ewers y un equipo de la Universidad de Glasgow se han propuesto, recientemente, comprobar si un sistema de aprendizaje autom\u00e1tico puede hacerlo mejor.<\/p>\n Ewers creci\u00f3 esquiando y haciendo senderismo en las Highlands, una experiencia que le permiti\u00f3 conocer los complicados retos que entra\u00f1an las operaciones de rescate all\u00ed. “No hab\u00eda mucho que hacer mientras crec\u00eda, adem\u00e1s de pasar tiempo al aire libre o sentarme delante del ordenador”, asegura. “Al final, hice mucho de ambas cosas”.<\/p>\n Para empezar,\u00a0Ewers\u00a0tom\u00f3 conjuntos de datos\u00a0<\/a>de casos de b\u00fasqueda y rescate de todo el mundo<\/strong>, que incluyen detalles como la edad de una persona o si estaba cazando, montando a caballo o haciendo senderismo. Tambi\u00e9n inclu\u00eda informaci\u00f3n sobre si sufr\u00eda demencia o sobre el lugar donde finalmente se encontr\u00f3 a la persona: agua, edificios, terreno abierto, \u00e1rboles o carreteras. Con estos datos, adem\u00e1s de los datos geogr\u00e1ficos de Escocia, entren\u00f3 un modelo de inteligencia artificial. El modelo realiza millones de simulaciones para determinar las rutas m\u00e1s probables de una persona desaparecida en unas circunstancias concretas. El resultado es un\u00a0conjunto de probabilidades<\/a>, una especie de mapa de calor que indica las zonas prioritarias de b\u00fasqueda.<\/p>\n Con este mapa de probabilidades, el equipo demostr\u00f3 que el aprendizaje profundo\u00a0podr\u00eda utilizarse para dise\u00f1ar rutas de b\u00fasqueda m\u00e1s eficientes para drones<\/strong>. En una investigaci\u00f3n\u00a0publicada\u00a0<\/a>la semana pasada en arXiv, que a\u00fan no ha sido revisada por expertos, el equipo prob\u00f3 su algoritmo frente a dos patrones de b\u00fasqueda habituales: el ‘lawn mower’ (cortac\u00e9sped, en espa\u00f1ol), donde un dron sobrevuela una zona objetivo en una serie de franjas sencillas, y un algoritmo actual similar al de Ewers, pero m\u00e1s limitado respecto a los mapas de distribuci\u00f3n de probabilidades.<\/p>\n En las pruebas virtuales, el algoritmo de Ewers super\u00f3 a ambos en dos m\u00e9tricas clave: la distancia que tendr\u00eda que volar un dron para localizar a la persona desaparecida y la probabilidad de encontrarla. Mientras que con el patr\u00f3n ‘lawn mowler’ y el algoritmo actual encontraron a la persona el 8% y el 12% de las veces, respectivamente, el algoritmo de Ewers lo hizo el 19%. Si tiene \u00e9xito en situaciones reales de rescate,\u00a0el nuevo sistema podr\u00eda acelerar los tiempos de respuesta y salvar m\u00e1s vidas\u00a0<\/strong>en escenarios en los que cada minuto cuenta.<\/p>\n “El \u00e1mbito de la b\u00fasqueda y el salvamento en Escocia es muy variado y peligroso”, explica Ewers. Las emergencias pueden surgir en los espesos bosques de la isla de Arran, en las escarpadas monta\u00f1as y laderas que rodean la meseta de Cairngorm, o en las caras del Ben Nevis, uno de los destinos de escalada m\u00e1s venerados pero peligrosos de Escocia. \u00abSer capaz de enviar un dron y realizar una b\u00fasqueda eficaz con \u00e9l podr\u00eda salvar vidas<\/strong>\u00bb, a\u00f1ade.<\/p>\n Los expertos en b\u00fasqueda y rescate dicen que el uso del aprendizaje profundo para\u00a0dise\u00f1ar rutas de drones m\u00e1s eficientes<\/strong>\u00a0podr\u00eda ayudar a localizar a las personas desaparecidas m\u00e1s r\u00e1pido en una variedad de zonas naturales, dependiendo de lo bien adaptado que est\u00e9 el entorno para la exploraci\u00f3n con drones dado que es m\u00e1s dif\u00edcil para estos aparatos explorar densos bosques que la maleza abierta, por ejemplo.<\/p>\n “Este enfoque en las ‘Highlands’ escocesas parece viable, sobre todo en las primeras fases de la b\u00fasqueda, cuando hay que esperar a que aparezcan otras personas”, afirma David Kovar, director de la Asociaci\u00f3n Nacional de B\u00fasqueda y Rescate de Williamsburg (Virginia), que ha utilizado drones para todo tipo de tareas, desde la respuesta a cat\u00e1strofes en California hasta misiones de b\u00fasqueda en las Monta\u00f1as Blancas de New Hampshire.<\/p>\n Sin embargo, hay que tener cautela. El \u00e9xito de este algoritmo de planificaci\u00f3n depender\u00e1 de la precisi\u00f3n de los mapas de probabilidad. Si se conf\u00eda demasiado en estos mapas,\u00a0los operadores de drones podr\u00edan dedicar demasiado tiempo a buscar en las zonas equivocadas<\/strong>.<\/p>\n Seg\u00fan Ewers, un paso clave para que los mapas de probabilidad sean lo m\u00e1s precisos posible ser\u00e1 obtener m\u00e1s datos de entrenamiento. Para ello, espera utilizar datos GPS de operaciones de rescate m\u00e1s recientes<\/strong>. De este modo, podr\u00e1 realizar simulaciones que ayuden a su modelo a comprender las conexiones entre el lugar en el que se vio a alguien por \u00faltima vez y el lugar en el que finalmente se le encontr\u00f3.<\/p>\n Sin embargo, no todas las operaciones de rescate contienen datos lo suficientemente ricos como para que pueda trabajar con ellos. “En las operaciones de b\u00fasqueda y rescate, los datos de entrenamiento son muy escasos, y\u00a0el aprendizaje autom\u00e1tico nos ha ense\u00f1ado que necesitamos muchos datos de alta calidad<\/strong>“, explica Ewers. “Si un algoritmo no ofrece mejores resultados que una persona, est\u00e1s poniendo en riesgo la vida de alguien”.<\/p>\n