Buscar

MUNDIARIO

¿Puede el aprendizaje automático revelar la geología que los humanos no pueden ver?

Los científicos están identificando entradas de cuevas previamente no identificadas que son difíciles de ver en imágenes y de difícil acceso en el suelo.
¿Puede el aprendizaje automático revelar la geología que los humanos no pueden ver?
Aprendizaje Automático. / RRSS.
Aprendizaje Automático. / RRSS.

Sara Rada

Periodista.

Identificar características geológicas en un terreno densamente vegetado, empinado y áspero puede ser casi imposible. Las imágenes como LiDAR pueden ayudar a los investigadores a ver a través de la cubierta arbórea, pero el ojo humano a menudo puede pasar por alto formas sutiles.

Ahora, un equipo de científicos ha aprovechado el poder del aprendizaje automático para identificar características geológicas ocultas. Específicamente, los científicos están identificando entradas de cuevas previamente no identificadas que son difíciles de ver en imágenes y de difícil acceso en el suelo.

Leila Donn, estudiante de doctorado en la Universidad de Texas en Austin y autora principal de la nueva investigación, presentó los resultados de su investigación el pasado domingo en la Reunión Anual de la Sociedad Geológica de América en Phoenix.

La investigación se inspiró en parte en las áreas exuberantes y de difícil acceso de los bosques tropicales. "Vimos la necesidad de obtener cobertura LiDAR para nuestras áreas de bosques tropicales profundos", dice Timothy Beach, coautor de la investigación. "Las imágenes de LiDAR han mostrado mucha arqueología, pero también sabíamos que podían mostrar mucha nueva geología y muchas nuevas interacciones humano-ambientales".

El proyecto también se inspiró en las propias experiencias de campo de Donn. Mientras ayudaban a un colega a buscar entradas de cuevas en Guatemala, encontraban un lugar que parecía prometedor en las imágenes de LiDAR, y luego pasaban todo el día caminando hasta el lugar. "Fue muy divertido, pero realmente muy laborioso", dice Donn. Y a veces su caminata de un día condujo a un lugar que no era una cueva en absoluto, una situación frustrante. "Mientras estábamos haciendo esto, pensé: '¿Qué pasaría si pudiéramos hacer esto con el aprendizaje automático?'". Ella explica que en lugar de que los investigadores seleccionen las posibles ubicaciones a simple vista, la computadora haría la identificación, revelando las ubicaciones más prometedoras .

Para probar si el aprendizaje automático podría ayudarlos a enfocarse en sitios de geología interesantes, Donn y Beach se centraron en un área en el noroeste de Belice que estaba muy vegetada y de difícil acceso. Se concentraron en encontrar entradas a cuevas en las profundidades del bosque que aún no se habían descubierto.

Utilizando las imágenes LiDAR recopiladas de un sitio similar con cuevas mapeadas, Donn trazó la ubicación de las entradas de cuevas conocidas, junto con puntos que no eran cuevas. Luego recopiló información sobre el paisaje, incluida la pendiente, la rugosidad del terreno y la distancia a los arroyos. Esta información se compiló en una hoja de cálculo y se introdujo en el aprendizaje automático como una forma de "enseñar a la computadora cómo predecir qué es una cueva y qué no", dice Donn.

Durante el verano, Donn atravesó la jungla para descubrir las áreas donde se habían identificado cuevas con aprendizaje automático. Ella confirmó que una serie de entradas de cuevas previamente no mapeadas realmente existían en el paisaje, incluida una gran sorpresa.

"Lo mejor que encontramos fue un sumidero que era un complejo de cuevas colapsado", dice Donn. Ella dijo que el hallazgo se produjo después de una caminata increíblemente dura a través de la densa vegetación. A pesar de tener 60 metros de largo, 30 metros de ancho y 35 metros de profundidad, "no se podía ver hasta que estuvieras encima", dice ella.

Cuando regresó al laboratorio, Donn dijo que regresó al LiDAR con ojos nuevos para ver si la entrada de la cueva ahora saldría de las imágenes. "Cuando volví a la ubicación y miré el LiDAR, era visible", dice, pero señala que sin saber que estaba allí, probablemente no lo habría reconocido como una entrada a la cueva. "El programa lo encontró para mí".

Su aprendizaje automático también puede recoger cuevas mucho más pequeñas, dice Donn. "Una de ellas era una pequeña cueva con una entrada que tenía quizás un metro y medio de largo y solo 30 pies de profundidad". Y en el LiDAR, dice que la cueva más pequeña era invisible a simple vista.

Donn dice que su programa puede usarse para estudios de geología, como encontrar y estudiar cuevas no descubiertas, pero también ve aplicaciones para otras disciplinas como arqueología, manejo forestal, desarrollo urbano y manejo de tierras. "Veo que esto tiene un futuro fuera de la academia", dice.   @mundiario