fAIr
fAIr es un servicio de mapeo asistido por IA abierto desarrollado por HOT que tiene como objetivo mejorar la eficiencia y precisión de los esfuerzos de mapeo con fines humanitarios.
El servicio utiliza modelos de IA, específicamente técnicas de visión por computadora, para detectar objetos como edificios, carreteras, vías fluviales y árboles a partir de imágenes de satélite y UAV. El nombre fAIr se deriva de los siguientes términos:
f: por libertad y software libre y de código abierto
AI: por Inteligencia Artificial
r: por resiliencia y nuestra responsabilidad hacia nuestras comunidades y el papel que desempeñamos en el mapeo humanitario
fAIr: ¿para quién?
fAIr es un nuevo servicio de mapeo con IA diseñado para mapeadores humanitarios de OSM. Su objetivo es aumentar la eficiencia del mapeo ofreciendo asistencia de IA en plataformas móviles y web. Los usuarios pueden crear y emplear sus propios modelos de IA, mejorando los esfuerzos de mapeo en sus regiones o para causas humanitarias.
¿Qué es fAIr exactamente?
fAIr es una herramienta de mapeo con IA de código abierto única. Empodera a las comunidades locales para crear y entrenar modelos de IA, fomentando la equidad y relevancia en el mapeo. Con la retroalimentación constante de la comunidad, combatimos los sesgos y mejoramos las condiciones de vida en las áreas mapeadas.
¿Cómo funciona?
fAIr utiliza modelos de IA de mapeadores humanitarios de OSM para detectar características del mapa a partir de imágenes de satélite y UAV de código abierto. Sugiere adiciones a OSM sin importación masiva, proporcionando bucles de retroalimentación precisos para mejorar la inteligencia del modelo a través de correcciones por parte de los mapeadores de OSM.
¿Por qué fAIr?
f(AI)r pone el control de los modelos de IA y su entrenamiento directamente en manos de los mapeadores que los utilizan para una creación de datos mejor y más rápida.
HOT observa que los mapeadores pueden, en promedio, mapear entre 1000-1500 edificios por día laboral sin asistencia de IA. Durante un piloto de mapeo asistido por IA (2019-2020) apoyado por Microsoft, se extrajeron 18 millones de huellas de edificios de imágenes de satélite para toda Tanzania y Uganda. HOT descubrió durante este piloto que este mapeo promedio casi se duplicó a 2500-3000 edificios agregados a OSM por día con la ayuda de conjuntos de datos de IA de código abierto de alta calidad. fAIr busca resolver tres problemas previstos:
1. Apertura de los modelos de IA: El mapeo asistido por IA con fines humanitarios suele percibirse como una “caja negra”. Existen resultados útiles de código abierto generados mediante IA (por ejemplo, el conjunto de datos globales de carreteras de META, disponible en RapiD). Sin embargo, los modelos (el código) actualmente no son de código abierto.
2. Sesgo del modelo: Tener sesgos en el modelo significa que la predicción sobre imágenes de satélite estaría sesgada hacia el conjunto de datos de entrenamiento utilizado para enseñar al modelo de IA, y la naturaleza y calidad de las imágenes es muy diferente en todo el mundo. Aquí hay tres imágenes diferentes de Asia y África que muestran una naturaleza totalmente diferente de las imágenes:
Fuente: OpenAerialMap
3. Falta de retroalimentación: No se aplican mejoras fácilmente en la inteligencia y precisión de los modelos de IA, y los humanos están fuera del ciclo al construir los modelos de IA, esto se debe a que los modelos de IA son de código cerrado o se construyeron una vez y se pusieron a disposición de los usuarios finales, por lo que las mejoras requerirían repetir el proceso desde cero.
Enlaces
Recent News
Advancing Mangrove Monitoring in Indonesia Through Open Mapping and Collaboration
Advancing Mangrove Monitoring in Indonesia Through Open Mapping and Collaboration
