Hemos recibido una nota de prensa por parte de Google, os la dejamos a continuación:
Google Maps: cómo mostramos el mundo en un mapa
El mundo es un lugar hermoso, desordenado y en constante cambio: se construyen nuevas carreteras, edificios y se abren nuevos negocios constantemente. Nuestra labor en el equipo de Google Maps consiste en modelar y reflejar con precisión este mundo en constante evolución, y a menudo nos preguntan cómo podemos plasmar todo esto en un mapa. La respuesta es: dando los pasos adecuados y con la correcta combinación de personas, técnicas y tecnología.
A través de una serie de publicaciones que haremos en los próximos meses, ofreceremos al mundo una mirada más cercana sobre cómo construimos nuestros mapas: profundizando en cada uno de los elementos que utilizamos para ayudar a más de mil millones de personas a navegar, explorar y realizar sus tareas. Hoy comenzaremos con una descripción general de los conceptos básicos.
Todo comienza con las imágenes
Street View y las imágenes vía satélite han sido durante mucho tiempo las herramientas clave que nos han ayudado a identificar dónde se encuentran los lugares en el mundo. Hemos podido saber dónde se ubican las carreteras, edificios, direcciones y negocios en una región, además de otros detalles importantes tales como los límites de velocidad de una ciudad o los nombres concretos de los negocios y establecimientos. En 2007, se lanzó Street View con el fin de ayudar a las personas a explorar virtualmente el mundo entero, desde las profundidades de la Antártida hasta la cima del Kilimanjaro. Han transcurrido 12 años desde entonces y las operaciones de Street View, llevadas a cabo a través de nuestros vehículos y colaboradores, han permitido recopilar más de 170 mil millones de imágenes de 87 países. Gracias a nuestro nuevo trekker que está equipado con sensores de mayor resolución y apertura, hemos mejorado significativamente la calidad de las imágenes que capturamos.
Después se añaden los datos
Los datos fiables y autorizados dan vida al mapa. Nuestros datos provienen de más de 1,000 fuentes de terceros de todo el mundo. Algunos, como el Servicio Geológico de los Estados Unidos (USGS) y el Instituto Nacional de Estadística y Geografía (INEGI) de México, brindan información sobre todo un país. Otros son específicos de regiones más pequeñas y nos proporcionan datos de un municipio, una ONG o una promotora de viviendas. Nuestros equipos examinan cuidadosamente cada fuente de datos autorizada para garantizar que estamos ofreciendo los datos más precisos y actualizados posibles. Y recientemente presentamos una nueva herramienta para facilitar a los gobiernos locales la actualización y carga de datos sobre nuevas carreteras y direcciones en su área, directamente a Google Maps.
Trazado vial ofrecido por uno de nuestros proveedores de datos, el Instituto Nacional de Estadística y Geografía de México
Un toque humano
Tanto los datos como las imágenes son componentes clave de la cartografía, pero son estáticos y no siempre pueden seguir el ritmo frenético al que avanza el mundo. Esto nos lleva a hablar de un tercer elemento: las personas que nos ayudan a darle sentido a todo. Contamos con un equipo de operaciones de datos con personal en todo el mundo que desempeña un papel fundamental en casi todo el proceso de creación de los mapas, desde la recopilación de imágenes de Street View y la verificación de fuentes de datos autorizadas, hasta la revisión y corrección del mapa en busca de imprecisiones, y la capacitación de los modelos de machine learning (todo esto y mucho más en un segundo).
También contamos con una comunidad de guías locales y usuarios de Google Maps, quienes tienen la posibilidad de corregir nuestros mapas a través del botón Enviar Comentarios en Google Maps. Nuestro equipo revisa la información y solo se publica si se tiene la certeza de que coincide con las carreteras, las empresas o negocios y las direcciones que encontramos en el mundo real.
Acelerando las tareas con el aprendizaje automático
Las imágenes, los datos y el trabajo humano, nos han llevado a donde estamos, pero queremos que nuestros mapas sean todavía más útiles para más personas y de forma aún más rápida. Para aumentar la velocidad de nuestro mapeo, recurrimos al aprendizaje automático, lo que permite a nuestro equipo automatizar los procesos manteniendo altos niveles de precisión.
Veamos, por ejemplo, cómo realizamos el mapa de un área de edificaciones. Anteriormente, un algoritmo intentaba adivinar si parte de una imagen era un edificio o no y esto daba lugar a lo que denominamos «edificios borrosos o difusos»: manchas amorfas que no se veían como edificios reales cuando se dibujan sobre un mapa. Esto era un problema, ya que los edificios son más que simples edificios, son puntos de referencia y elementos clave que permiten a alguien saber dónde se encuentra cuando mira un mapa. Para solucionar esto, trabajamos con nuestro equipo de operaciones de datos para rastrear los contornos de los edificios de forma manual, y después utilizamos esta información para enseñar a nuestros algoritmos de machine learning qué imágenes se corresponden con los contornos y las formas reales de los edificios. Esta técnica ha resultado ser efectiva, y nos ha permitido mapear solo un año tantos edificios como en los diez anteriores.
Vista borrosa de edificios
Vista nítida de edificaciones en un mapa
Nos queda un largo camino
Los mapas son clave a la hora de ayudar a las comunidades a prosperar. Conectan a las personas entre sí, ayudan a las economías en crecimiento en la medida en que las personas descubren nuevos negocios y restaurantes, y ayudan a las personas a realizar sus tareas. Aunque hemos recorrido un largo camino, con mapas en más de 220 países y territorios hasta la fecha, sabemos que nuestro trabajo está lejos de terminar. Cada región tiene unas necesidades y, por tanto, sus propios desafíos de mapeo. En nuestra próxima publicación, analizaremos en detalle cómo la imagen nos ayuda a superar estos desafíos.
