4.000 millones de personas no tienen dirección postal y el ‘machine learning’ trata de corregirlo

Unos 4.000 millones de personas carecen de una dirección física. No es una cuestión menor: los residentes pierden el acceso a servicios importantes como la entrega de paquetes, atención médica y asistencia en casos de desastre, así como la posibilidad de registrarse para votar o sacarse el carnet de conducir. Las ciudades también tienen problemas para planificar nuevas infraestructuras, como escuelas, tuberías de agua y líneas eléctricas. El MIT Media Lab y Facebook proponen una nueva forma de dar dirección a quienes no la tienen con el aprendizaje automático.

Los investigadores, según cuenta el MIT Technology Review, establecieron dos equipos: un primero entrenó un algoritmo de aprendizaje profundo para extraer los píxeles de la carretera de las imágenes de satélite. Otro algoritmo agrupó estos píxeles y los unió juntos en una red de carreteras. El sistema analizó la densidad y la forma de las carreteras para segmentar la red en diferentes comunidades.

El grupo más denso fue etiquetado como el centro de la ciudad. Las regiones alrededor del centro de la ciudad se dividieron en cuadrantes norte, sur, este y oeste, y las calles se numeraron y se pusieron letras según su orientación y distancia desde el centro.

¿Qué precisión tienen las máquinas? Cuando compararon sus resultados finales con una muestra aleatoria de regiones no mapeadas cuyas calles habían sido etiquetadas manualmente, su enfoque abordó con éxito más del 80% de las áreas pobladas. ¿Mucho? ¿Poco? Este dato mejora la cobertura de Google Maps o OpenStreetMaps, según el MIT.

Hay otras vías de automatizar la creación de direcciones: La startup what3words genera una combinación única de tres palabras para cada cuadrado de tres por tres metros en una cuadrícula global. El plan ya ha sido adoptado en las regiones de Sudáfrica, Turquía y Mongolia por los servicios nacionales de entrega de paquetes, hospitales locales y equipos de seguridad regional.

Ilke Demir, investigador de Facebook y uno de los creadores del nuevo sistema, asegura a la publicación estadounidense que su principal ventaja es que sigue la topología vial existente y así ayuda a los residentes a comprender cómo se relacionan las dos direcciones entre sí, no como sucede con what3words. "Si una persona tiene la dirección hecha con tres palabras aleatorias como loro, fallo, casino y otra tiene la dirección mesa.silla.televisión, nunca sabrá si si es vecino de esa persona", dice. "Esa es la clave: queremos direcciones que las personas puedan relacionar intuitivamente ".