El ritmo del cambio tecnológico se acelera a medida que aparecen nuevos productos, y las innovaciones revolucionarias suelen dar lugar a cambios disruptivos. Junto con este cambio tecnológico se produce una explosión de datos procedentes de nuevas fuentes relevantes para el ámbito geoespacial, incluidas imágenes, señales de sensores y datos de seguimiento en tiempo real. Las organizaciones de los sectores público, privado y terciario deben seguir siendo ágiles y resilientes para prosperar en este panorama emergente.
La adopción de nuevas innovaciones tecnológicas en grandes empresas de TI controladas puede ser un desafío debido a los costos asociados, los desafíos de integración y los procesos. El Open Geospatial Consortium (OGC) es un organismo de normalización que, durante los últimos 30 años, ha estado trabajando para innovar y crear estándares impulsados por la comunidad en el dominio geoespacial. Estos estándares están diseñados para garantizar que los datos y los servicios sean localizables, accesibles, interoperables y reutilizables (FAIR), al tiempo que se asegura que los estándares desarrollados sean adecuados para el dominio de destino y fáciles de adoptar. Los principios FAIR también se pueden aplicar a la integración de nuevas tecnologías en grandes empresas, para garantizar que se conozcan los patrones de interacción con las nuevas tecnologías y que los componentes que ofrecen la tecnología sean intercambiables.
Estandarización de los datos de entrenamiento de IA y ML
Un estándar OGC que respalda un fenómeno decididamente reciente es el OGC Training Data Markup Language for Artificial IntelligenceLa inteligencia artificial (IA), el aprendizaje automático (AA) y las aplicaciones asociadas han sido objeto de investigación desde la década de 1990 y antes. Sin embargo, solo recientemente se ha podido disponer de la potencia computacional necesaria y, lo que es más importante, de los datos para entrenar modelos de IA. Los datos de entrenamiento son el elemento vital de la IA. Como dice el viejo axioma, “basura entra, basura sale” y los modelos de IA no son diferentes. Además, los modelos de IA y su funcionamiento interno pueden ser opacos con el efecto de “caja negra” en las entradas y salidas. Por lo tanto, la estandarización de la gestión de los datos de entrenamiento es importante para los esfuerzos científicos, no solo por la repetibilidad sino también por los principios FAIR.
Además de utilizar la IA para realizar el trabajo geoespacial y de imágenes típico, también estamos viendo que se utiliza para crear datos simulados para el entrenamiento, o incluso para fines nefastos. El registro de información sobre los datos de entrada en los modelos de ML de forma estandarizada ayuda a la gestión y la autenticidad de los resultados. A modo de ejemplo, la imagen que aparece a continuación es un paisaje completamente ficticio creado con algunos datos de entrenamiento de una ciudad del Reino Unido y una red generacional adversarial (GAN). La estandarización de los metadatos del conjunto de datos de entrenamiento permite a otros crear sus propios datos simulados con la misma sensación, al tiempo que comprenden los parámetros de entrada y los resultados probables.
Computación cuántica
Si bien la IA/ML es una tendencia tecnológica actual que ofrece un gran ejemplo de cómo el panorama tecnológico puede cambiar de la noche a la mañana, como con el lanzamiento de ChatGPT en 2022, otro conjunto de tecnologías disruptivas que ha estado en el horizonte durante las últimas décadas es la computación cuántica.
Aunque no es probable que sustituya por completo a la computación clásica, la computación cuántica ofrece potencialmente una aceleración exponencial de la resolución de problemas que son difíciles de gestionar para la computación clásica. Esto no se debe necesariamente a que las computadoras cuánticas sean faster En el sentido de supercomputación, su enfoque para resolver problemas es fundamentalmente diferente a la computación clásica. La computación clásica opera manipulando los bits que están en una posición 1 o 0, encadenar suficientes de estas operaciones permite que las máquinas de computación realicen un trabajo útil. Las computadoras cuánticas son diferentes en que su componente fundamental es el quit que pueden existir en una superposición de 1 y 0. También hay diferentes tipos de computación cuántica, las computadoras cuánticas basadas en circuitos son aquellas que pueden hacer la factorización llamativa de números grandes y, por lo tanto, podrán descifrar el cifrado RSA (que se basa en el principio de que Factorizar números grandes es difícil). El segundo tipo de computación cuántica es recocido cuántico or computación cuántica adiabática que se presta a resolver problemas de optimización.
El dominio geoespacial está lleno de problemas de optimización, un ejemplo típico es el Problema del viajante de comercio donde se requiere que un vendedor visite varias ubicaciones geográficamente dispersas con la restricción de que debe visitar cada ubicación una vez y solo una vez mientras completa la ruta con el costo más bajo (distancia más corta, tiempo de conducción más rápido). Otro problema de estilo de optimización es el Problema de desequilibrio estructural donde un algoritmo intenta dividir una red social (a menudo con un elemento geoespacial) en grupos amistosos donde, en un gráfico equilibrado, todas las relaciones within Los grupos son amigables, mientras que todas las relaciones entre Los grupos son hostiles. En el mundo real, no suele ser posible obtener un resultado perfecto. Esto pone de relieve las relaciones que no se ajustan al modelo (tensionadas), lo que puede ser un predictor de conflicto.
La computación cuántica práctica ya es posible. Hay varios proveedores, como Rigetti, D-Wave y empresas como Amazon, Google y Microsoft, que están empezando a ofrecer sus recursos de computación cuántica a través de la nube. Aunque ninguna de las computadoras cuánticas es lo suficientemente grande como para proporcionar una ventaja cuántica en el espacio de la optimización, se planean nuevas computadoras cuánticas que sí lo serán. Como medida provisional, existen enfoques híbridos clásicos/cuánticos que ofrecen ventajas de la computación cuántica pero pueden resolver problemas prácticos.
Al igual que ocurre con muchas tecnologías emergentes, los patrones de interacción de estos nuevos ordenadores cuánticos y solucionadores híbridos aún no se han estandarizado y están hechos a medida, hasta el hardware. El sistema D-Wave con el SDK Ocean para computación cuántica tiene patrones y llamadas que cubren muchas de las llamadas de estilo de optimización para las que se podría utilizar un solucionador cuántico. Tal vez el próximo paso del OGC sea comprender el impacto de la computación cuántica a través de un grupo de trabajo de dominio para respaldar los problemas de estilo de optimización geoespacial a través de un grupo dedicado a la computación cuántica y las oportunidades que ofrece.
Donde después?
Si nos mantenemos atentos a las tecnologías emergentes y nos adelantamos a su adopción, podremos crear estándares que ayuden a la integración y puedan proporcionar cambios significativos a las organizaciones. La tecnología es la parte interesante y puede ofrecer oportunidades incalculables, y cuanto más rápido y sin problemas puedan adoptarse estas tecnologías en las organizaciones que las utilizan, mejor será el retorno para las empresas, los usuarios y los ciudadanos. Una buena definición de estándares basada en el dominio es clave para un panorama tecnológico más justo.
Se llevará a cabo una sesión ad hoc sobre computación cuántica a las 15:30 CET el 27 de marzo de 2024, como parte del 128ª Reunión de miembros de la OGC en Delft, Países Bajos, para discutir la posibilidad de estandarización en el dominio de la computación cuántica.
El tema general de la reunión es “Geo-BIM para el entorno construido” y, además, incluirá una Cumbre Geo-BIM, una Sesión Especial de Administración de Tierras, una Sesión Especial de Datos de Observación, una Sesión Conjunta del Entorno Construido, una reunión del Foro Europeo, así como las reuniones habituales de SWG y DWG y eventos sociales y de networking. Aprenda más y regístrese aquí.
Sam Meek es el director de tecnología de Sistemas de información segura Helyx Ltd..
