Visión artificial explica qué necesita un barrio para prosperar (y no son mayores ingresos)

^MIT

Un equipo de programadores del Instituto Tecnológico de Massachusetts (MIT) y la Universidad de Harvard ha desarrollado un método de visión por computadora para hacer un seguimiento de cómo se desarrollan distintos sectores de una ciudad. Además, gracias a este aprendizaje de máquinas, los científicos han descubierto cuáles son los verdaderos factores que permiten predecir el desarrollo de un barrio. Así, uno de los hallazgos del estudio está en que el desarrollo intensivo tiene poca correlación con el valor del inmueble o el salario promedio de sus habitantes: el vínculo más fuerte está en la densidad de una población con un alto nivel educativo y cercanía con los centros financieros. Otro resultado importante es que los barrios con un alto nivel de bienestar se desarrollan a un ritmo más rápido que otros barrios ubicados en escalas inferiores de la lista. La investigación ha sido publicada en la revista Proceedings of the National Academy of Sciences. El MIT ha compartido una nota de prensa sobre el paper.

En 2011, uno de los proyectos del MIT, Place Pulse, recolectó una gran base de datos que consiste en fotografías de calles y encuestas sobre la seguridad de las mismas. Esta base fue usada para entrenar el algoritmo de visión por computadora, con el que una máquina aprendió distinguir las calles seguras de las inseguras solo al “ver” una fotografía. 

El programa del estudio, Streetcore, creó un ránking de “prosperidad” de barrio observando detalles en fotografías: la cantidad de áreas verdes, las ventanas de las viviendas, etc. Se usaron más de un millón de imágenes para  este aprendizaje. 

En el nuevo trabajo, los autores usaron Streetcore para analizar más de 1.5 millones de pares fotografías, tomadas en un lapso de siete años, para evaluar los cambios en el ránking de prosperidad en ese tiempo. Las imágenes fueron tomadas de la base de datos de Google Street View. 

Para asegurar la fiabilidad del algoritmo, se evaluaron de manera análoga 15 mil pares de imágenes. La opinión de los humanos y la computadora coincidió en un 72% de casos. 

Para poner a prueba algunas hipótesis populares del desarrollo de las ciudades, los científicos compararon los resultados con la información del costo de vida, salario y otras bases de datos con referencias geográficas. 

Los resultados demostraron que la cercanía a centros financieros y educativos tuvieron una fuerte correlación con una alta tasa de desarrollo. De acuerdo a los autores, lo más interesante del estudio está en que hay dos parámetros que no tienen relación con el desarrollo de los barrios: el nivel de ingresos y el valor de la vivienda. 

César Hidalgo, uno de los autores de la investigación, asegura que el desarrollo de un barrio no está determinado por los ingresos, sino por el nivel educativo de las personas que lo habitan. 

Además, los investigadores han encontrado una teoría que predice la correlación del desarrollo de un barrio y su nivel inicial de prosperidad. Esta se llama “tipping theory”: cuánto mejor es el barrio en un inicio (en temas de seguridad y acceso a servicios básicos, por ejemplo), entonces más rápido será su desarrollo. 

Otro resultado importante del estudio es que el aprendizaje de máquinas resultó exitoso y será posible que, en el futuro, se emplee la visión por computadora para evaluar las dinámicas de las ciudades, paralelamente con los métodos tradicionales. 

Vladimir Koroliev
Si te gustó esta noticia, entérate de más a través de nuestros canales de Facebook y Twitter.