Imagen satelital de un horno de ladrillos abandonado en Rajastán (India).
Imagen satelital de un horno de ladrillos abandonado en Rajastán (India).

Así se ve la esclavitud desde el espacio

Las tecnologías de mapeo satelital combinadas con el 'machine learning' tienen el potencial para localizar las áreas donde aún persiste la esclavitud

Si todos los habitantes de España fuésemos esclavos, superaríamos por poco el número real de seres humanos que en la actualidad viven en estas condiciones. De acuerdo con el Global Slavery Index, quedan en mundo más de 40 millones de personas sometidas a la esclavitud moderna: un cóctel vacío de derechos humanos en el que se mezclan más de 15,4 millones de víctimas de matrimonios forzados y 24,9 atrapados en el trabajo forzado.

Prevalencia de la esclavitud

Víctimas por cada 1.000 habitantes


Fuente: Global Slavery Index 2018

El problema es tal que puede verse desde el espacio. Piscifactorías enclavadas en manglares, excavaciones y áreas asociadas con la minería y hornos de ladrillos son algunos de los nodos de esclavitud moderna que pueden identificarse a través del análisis de imágenes satelitales. Pero en esta lamentable vista de pájaro podría estar, al menos, el principio de la solución a un problema que se nos ha resistido durante siglos. La democratización de las imágenes satelitales  -gracias, Google- y los avance en las técnicas de teledetección, combinadas con algoritmos de reconocimiento óptico cada vez mejor entrenados elevan exponencialmente nuestras capacidades para detectar estos lugares.

  • A máquina

Así lo ha comprobado un grupo de investigadores de la facultad de Geografía de la Universidad de Nottingham. "Trabajos previos han demostrado que los hornos de ladrillo pueden identificarse y localizarse con precisión en imágenes satelitales de alta resolución. Es más, a través del crowdsourcing sería posible mapear áreas de gran tamaño. Sin embargo, es causa de preocupación la dificultad para mantener la motivación de un grupo en la tarea de mapear con precisión", explican en un estudio publicado en la revista Remote Sensing. La solución es que lo hagan las máquinas. "El desarrollo de métodos avanzados de machine learning sugiere un gran potencial para la identificación rápida, precisa y repetible de hornos de ladrillo", aseguran.

Extracto de los resultados obtenidos por la red neuronal. Los cuadros amarillos son potenciales hornos de ladrillos.

Su propuesta consiste en un clasificador de imágenes basado en una red neuronal adaptable a regiones específicas. Después de entrenar al sistema para reconocer hornos de ladrillos, los investigadores lograron mapear todas estas estructuras -caracterizadas por su forma predominantemente oval y su chimenea central- con una precisión del 100%. "Estos resultados indican que los recursos de observación terrestre y los métodos de machine learning contemporáneos podrían aplicarse con éxito para abordar la esclavitud moderna desde el espacio", sentencian. Además, la disponibilidad de imágenes históricas permite explorar no solo los patrones geográficos que sigue la distribución de estos lugares sino su desarrollo a lo largo del tiempo.

  • Fin del plazo

Este problema de la esclavitud está recogido dese 2016 en el punto 8.78 de los Objetivos de Desarrollo Sostenible impulsados por las Naciones Unidas. De acuerdo con la organización, tenemos hasta 2030 para borrar de la faz de la tierra la esclavitud moderna y promover en su lugar el empleo productivo y el trabajo decente para todos. Sin embargo, la consecución de este objetivo se complica por la habitual naturaleza oculta y remota de estas actividades.

Por este motivo, al margen de la inestimable ayuda de las máquinas, seguirá siendo necesaria la intervención en el terreno para determinar la naturaleza del trabajo que se desarrolla en los espacios identificados. Las capacidades del algoritmo se limitan por ahora a la identificación inequívoca de las estructuras, no de sus ocupantes y las condiciones en que se encuentran.

Retina

21/02/2019
Los coches eléctricos piden oxígeno
01

Los coches eléctricos piden oxígeno

En 2040 las baterías de iones de litio habrán quedado atrás y los vehículos a pilas se alimentarán con acumuladores de litio-oxígeno o polímeros de grafeno, más sostenibles, baratos y eficientes

02

El hidrógeno quiere correr

Los vehículos de pila de combustible no emiten gases contaminantes, no hacen ruido y su depósito se llena con rapidez. Parecen la alternativa perfecta de futuro. Entonces, ¿por qué van por detrás de otras tecnologías?

El hidrógeno quiere correr
08

¿Progreso? ¿Qué progreso?

No sabemos siquiera si existe el progreso. La tecnología avanza porque una innovación se basa en la anterior. Pero, ¿se aplica esto al progreso?

¿Progreso? ¿Qué progreso?
Uber, Google, Facebook, Airbnb... ¿Quién paga más?
10

Uber, Google, Facebook, Airbnb... ¿Quién paga más?

Salary Project se ha propuesto llevar la transparencia al mundo de las nóminas para favorecer la igualdad y mejorar la toma de decisiones laborales. Por cierto, de mayor quieres ser ingeniero de software en Netflix

Normas