Una compañía de California llamada Esri ofrece un “Facebook de Mapas”, que promete cambiar la forma en que interactuamos con nuestro entorno, predecir el comportamiento y tomar decisiones.
El lugar es el Parque Nacional de Yosemite, en California central. Un excursionista desapareció en uno de los senderos y tu tarea, encargado del parque, es liderar una misión de búsqueda y rescate. Todo lo que tienes para lograrlo es una marca en el sitio donde fue visto por última vez, tu entrenamiento como rescatista, y una computadora. Solamente con eso tienes que predecir el comportamiento del excursionista perdido. La puesta del sol se acerca y en algunas partes del parque, la temperatura estará por debajo de cero en pocas horas. ¿Qué hacer?
Los excursionistas experimentados saben que el curso de acción recomendado es seguir una corriente hacia abajo y esto conducirá finalmente a la civilización. Pero no puedes asumir que el excursionista lo sepa o que lo haya visto en el Discovery Channel; podría optar por quedarse en el lugar o bien intentar ir hacia arriba; tampoco sabes si está herido.
Entonces, vas a tu computadora y en el navegador abres la aplicación de ArcGIS.com con el mapa de Yosemite que tienes almacenado. Digamos que también puedes consultar la base de Big Data de los registros de 30.000 misiones de búsqueda y rescate de excursionistas perdidos.
Rápidamente te enteras que el 66% de los excursionistas perdidos se encuentran a tres kilómetros del punto donde fueron vistos por última vez. Dibujas un círculo sobre el mapa para reflejar ese radio de tres kilómetros. Luego, la información dice que el 52% de los excursionistas perdidos fueron encontrados “hacia abajo”, y sólo el 32% “hacia arriba” de su último punto; el 16% siguió caminando en la misma altura.
Mediante la herramienta de “capas”, asignas y coloreas un nivel de elevación sobre la zona “por encima” del último punto de avistamiento y otro nivel por debajo. Incluso puedes asignar capas que representan la vegetación, los campos abiertos, caminos, ríos y lagos, ya que tú sabes que la gran mayoría de los excursionistas perdidos siguen algún tipo de indicador para evitar ir en círculos.
Otra consulta a los Big Data te permite saber que los excursionistas extraviados, por lo general, dejan de caminar luego de aproximadamente tres horas. Ahora puedes crear un modelo predictivo. No es una posición absoluta, sino una lista de prioridades de los lugares donde buscar al excursionista perdido. Al ejecutar el modelo mediante ArcGIS, obtienes tres nuevos círculos concéntricos que representan la ubicación más probable sobre la base de un análisis estadístico de lo que está en la base de datos. Aún así, la zonas igue siendo demasiado grande.
Necesitas más ayuda, por lo que te comunicas con un grupo ex encargados del parque que conocen muy bien toda el área y compartes el mapa. Uno de ellos activa una herramienta para colorear los lugares más probables para comenzar la búsqueda. Ahora, el área potencial queda reducida de forma considerable.
A continuación, compartes el mapa con el público, destinado a las personas que mencionan, en Twitter y Facebook, haber ido de excursión a Yosemite ese día. Más tarde, habilitas a esas personas a colocar puntos en el mapa donde vieron alguna pista. Agregas cada información recibida al modelo predictivo.
Un nuevo mapa emerge; el área donde ahora tienes que buscar es varias veces más pequeña que la de hace una hora. Has predicho con éxito el lugar en el cual el caminante va a estar antes del anochecer. Felicitaciones.
El escenario anterior es el que Esri (antes Environmental Systems Research Institute Inc.) muestra en las conferencia. Es una instantánea de la forma en que los datos estadísticos de las bases de datos, los datos de múltiples participantes, y los datos de la redes sociales van a cambiar la toma rápida de decisiones en los próximos años. Es un cambio muy grande, y Esri está a la vanguardia de la forma en que los grandes volúmenes de datos y la geografía se unirán en el futuro.
Detrás de la compañía está Jack Dangermond; “Cuando creamos esta organización, la pregunta fue: ¿podemos aplicar tecnología informática y de sistemas para mapear modelos? El mapeo es sólo la fachada; el propósito real de la empresa es el modelado, la digitalización del planeta, y la construcción de relaciones geográficas. Nos dijimos: ¿podemos hacer de esto un negocio para que sea una especie de organismo orientado hacia la mejor comprensión del medio ambiente?”
La cartografía computarizada puede no sonar muy emocionante hasta que se considera lo necesaria que es. Esri tiene ingresos anuales por US$ 818 millones y posee el 47% de un mercado de US$ 1650 millones al año de lo que se llama “servicios de información geográfica” o GIS. Esri ayuda a compañías como Capital One y Starbucks a trazar dónde colocar nuevas tiendas, en base a datos demográficos actuales y futuros, y a nivel de manzana o cuadra. Cada compañía de petróleo de EE.UU. utiliza Esri para planificar las operaciones de petróleo. Los grupos ecologistas como The Nature Conservancy también utilizan Esri para rastrear los patrones de vida silvestre y mapas de reservas naturales.
El Servicio Geológico de los EE.UU. , National Geographic, las ciudades de Los Angeles, Beijing, Abu Dhabi… alrededor de 350.000 organizaciones de todo el mundo utilizan su software para hacer mapas para miles de propósitos.
En la naciente era de los grandes volúmenes de datos, este tipo de empresas serán cada vez más importantes, a medida de que se incorporen nuevas capacidades de detección y difusión. Los datos procedentes de redes de sensores, etiquetas RFID, cámaras de vigilancia, vehículos aéreos no tripulados, y de mensajes y fotos de redes sociales georeferenciadas, todos tienen identificación geográfica. En realidad, toda la información tiene un contexto geográfico.
El sitio ArcGIS.com de Esri, permite a los usuarios compartir sus mapas cualquier persona de su elección, en un modelo de computación en la nube. Los mapas están disponibles para cualquier dispositivo, desde PC de escritorio hasta teléfonos inteligentes, y pueden ser programados y personalizados mediante interfaces de programación de aplicaciones o APIs.
A diferencia de los mapas de GPS que se acceden a través de Google (de ubicación), los mapas de ArcGIS se crean a partir de datos geográficos “en contexto” con otra información. Un conservacionista o un experto en ciencias políticas pueden acceder a los sistemas acuíferos, censos y mapas históricos creados por otros usuarios de todo el mundo. El resultado es algo así como un “concentrador” de redes sociales para información geográfica.
Sin duda es un gran paso en cómo la gente percibe y entiende su lugar, pero es controversial que esa información esté solo en manos de unos pocos. Poner elementos en un mapa puede parecer más simple de lo que realidad es. Un ejemplo de ello.
En 2008, una periodista escribió un artículo sobre la posible incidencia de una zona con planes de viviendas subsidiadas, en la delincuencia en la ciudad de Memphis. Como parte de su investigación, entrevistó a una persona experta en crimen y a otra experta en vivienda.
Al ver como la superposición de los mapas de vivienda y de delito coincidían, la periodista rápidamente concluyó que los planes de vivienda estaban causando el aumento de crímenes en esa misma zona. Esto causó un gran revuelo.
Expertos en políticas públicas señalaron era un error confundir correlación (dos eventos que suceden al mismo tiempo) con causalidad (un evento causa otro), especialmente en el campo social. Hoy se sabe que la relación entre el crimen y la vivienda subsidiada es, en realidad, lo opuesto: es más probable que una persona de esa zona sea “víctima” de un delito, que el ciudadano promedio. Luego se descubrió que una de las razones para el aumento de la delincuencia en esas zonas, es que la demolición de las antiguas viviendas había dejado a mucha gente en situación de calle. Esta información existía al momento de la entrevista, pero fue desestimada con la intención de dramatizar el artículo periodístico.
El software contribuyó a detectar los puntos “calientes” de la ciudad de Memphis pero no determinó la injusta conclusión.
En esta historia hay una moraleja que debe ser tomada con precaución: los elementos que integran un mapa, al igual que las correlaciones mediante Big Data, pueden sugerir relaciones que no existen u otras que falsean las relaciones tal cual son en la realidad. Debido a que un mapa interactivo puede comunicar mucho muy rápidamente, también estimula tomar decisiones de la misma forma. Y más rápido no siempre es mejor.
Un mapeado con Big Data es tan bueno como los datos que lo alimentaron y la comprensión del cartógrafo que los interpreta. En el globo terráqueo de Lenox (1510), vemos, en la parte del mundo representado por el este de Asia, la inscripción latinaHc Svnt Dracones o “aquí hay dragones”, como un intento del cartógrafo para disimular su propia ignorancia. Consideramos los mapas como definitivos e infalibles, pero nosotros también estamos propensos a las mismas trampas intelectuales.
Dice Dangermond: “En pos de la especialización científica hemos separado el saber en diferentes logías, como la biología, la arqueología, la geografía cultural y la geografía física; pero ¿cómo poner todo junto nuevamente? Esa, es la parte más interesante.”
En: The Futurist, agosto de 2013
No hay comentarios.
Publicar un comentario