Voluntarios enseñan a la IA a localizar sitios de esclavitud a partir de imágenes por satélite

Comparte esta historia:
  • 1
    Share

Equipos de voluntarios en línea están ayudando a identificar la esclavitud desde el espacio. Un nuevo proyecto de crowdsourcing tiene como objetivo identificar los hornos de ladrillos del sur de Asia (que son frecuentemente lugares de trabajo forzado) en imágenes por satélite.

Estos datos se utilizarán para entrenar algoritmos de aprendizaje automático para reconocer automáticamente los hornos de ladrillos en imágenes tomadas por satélite. Si las computadoras pueden localizar la ubicación de posibles sitios de esclavitud, entonces las coordenadas podrían ser enviadas a organizaciones no gubernamentales locales para investigar, explica Kevin Bales, quien dirige el proyecto en la Universidad de Nottingham en el Reino Unido.

Los hornos de ladrillos del sur de Asia son sitios bien conocidos de esclavitud moderna. Se estima que cerca del 70 por ciento de los 5 millones de trabajadores de hornos de ladrillo en Asia meridional trabaja allí bajo fuerza, a menudo para pagar deudas.

No obstante, nadie está seguro de cuántos hornos existen en el llamado “Cinturón de Ladrillos” que se extiende a través de partes de Pakistán, India y Nepal. Algunas estimaciones colocan la cifra en 20.000, pero podría llegar a los 50.000.

Bales espera que su estrategia de aprendizaje automático produzca un número más preciso y ayude a las organizaciones sobre el terreno a saber dónde dirigir sus esfuerzos contra la esclavitud.

(Imagen ampliable) Los hornos de ladrillos son fáciles de detectar vía satélite. Imagen: Google Earth

Es genial tener una herramienta objetiva para identificar posibles sitios de esclavitud, dice Sasha Jesperson, de la Universidad de St Mary en Londres. Pero es sólo un comienzo; para realmente saber cuántas personas están siendo esclavizadas en la industria del horno de ladrillo, todavía necesitas visitar cada sitio y elucidar exactamente lo que está pasando allí, dice.

Hasta el momento, se han identificado más de 4000 posibles sitios de esclavitud por voluntarios que han participado en el proyecto. Los voluntarios son presentados con una serie de imágenes de satélite tomadas por Google Earth y tienen que hacer clic en las partes de las imágenes que contienen hornos de ladrillos.

Tan pronto como 15 voluntarios consiguieron identificar cada una de las casi 400 imágenes del conjunto de datos, Bales procedió a enseñar a la máquina el algoritmo de aprendizaje automático para que reconociera los hornos automáticamente.

Ya está trabajando en la próxima etapa del proyecto, que utilizará un enfoque similar para ayudar a identificar minas a cielo abierto en países como la República Democrática del Congo, que también son a menudo sitios de trabajo forzoso.

(Imagen ampliable) Los hornos de ladrillos son fáciles de detectar vía satélite. Imagen: Google Earth

Pero Bales piensa que sus algoritmos de aprendizaje automáticos podrían pasarlo peor para categorizar minas a cielo abierto que para hacerlo con los hornos de ladrillos. Los hornos suelen tener una forma y color distintivos, pero las minas, que a menudo parecen grandes agujeros en el suelo, pueden ser más difíciles de detectar.

“Mucha de la esclavitud es visible desde el espacio”, dice Bales, pero el reconocimiento de imágenes también podría ser una herramienta útil para ayudar a controlar la esclavitud allí donde los satélites no pueden llegar. TraffickCam, un proyecto creado por el grupo de acción social Exchange Initiative, utiliza el reconocimiento de imágenes para identificar el tráfico sexual en habitaciones de hotel.

Los visitantes de los hoteles pueden utilizar TraffickCam para cargar una imagen del interior de su habitación de hotel a la base de datos del sitio web. Estas fotografías pueden entonces ser comparadas con fotos sobre profesionales del sexo que los propios traficantes a menudo publican en línea. Debido a que esas fotos se toman a menudo en habitaciones de hotel, los investigadores pueden utilizar la base de datos de TraffickCam para localizar la ubicación de una fotografía en particular. Más de 150.000 habitaciones de hotel han sido documentadas de esta manera.

Artículo original publicado por New Scientist. Revisado y traducido por ¡QFC!

Deja tu comentario

Comparte esta historia:
  • 1
    Share
2017-06-28T21:58:29+00:00