Una herramienta de inteligencia artificial para monitorizar vía satélite la destrucción de edificios en guerras
Investigadores de la UAB y el IAE-CSIC han liderado un estudio en el que han aplicado el aprendizaje automático para detectar el derribo de edificios por artillería mediante el uso de redes neuronales. Este método posibilitaría monitorizar la destrucción de un conflicto bélico, casi en tiempo real, para mejorar la respuesta humanitaria.
07/06/2021
El método, desarrollado en un proyecto coliderado por Andre Groeger, del Departamento de Economía e Historia Económica de la Universitat Autónoma de Barcelona (UAB) y Hannes Mueller, del Instituto de Análisis Económico del Consejo Superior de Investigaciones Científicas (IAE-CSIC), se basa en redes neuronales que han sido entrenadas para detectar en imágenes de satélite características de destrucción de ataques con armamento pesado (artillería y bombardeos), como los escombros de edificios derrumbados o la presencia de cráteres de bombas. El proyecto cuenta con la implicación esencial de Joan Serrat, investigador del Departamento de Ciencias de la Computación de la UAB y del Centro de Visión por Computador. También han participado investigadores de la Chapman University de California (EEUU).
En el trabajo, cuyos resultados se han presentado en la revista Proceedings of the National Academy of Sciences (PNAS), los científicos han aplicado este método para monitorizar la destrucción de seis de las principales ciudades de Siria (Aleppo, Daraa, Deir-Ez-Zor, Hama, Homs y Raqqa), azotadas por un conflicto bélico desde hace más de diez años. Los resultados muestran que es muy eficiente en la monitorización. “Nuestro enfoque”, dicen los científicos, “se puede aplicar a cualquier área poblada siempre que se disponga de imágenes satelitales repetidas de alta resolución”.
Una de las claves del nuevo método es que la red neuronal superpone y compara imágenes sucesivas de un mismo lugar contrastándolas sobre una línea temporal que incluye siempre una primera imagen antes del conflicto bélico. Otra novedad es la incorporación de información espacial y temporal, que da contexto a la observación de destrucción. Asimismo, la herramienta incorpora un método novedoso de etiquetado de las imágenes: el sistema es capaz de hacer suposiciones razonables utilizando la información contextual y entrenar el algoritmo con la información de destrucción alrededor de un edificio.
Los métodos automatizados deben ser capaces de detectar la destrucción en un contexto donde la gran mayoría de imágenes no aparentan destrucción. Pero a menudo interpretan como derribados edificios que realmente no lo están, dando lugar a una elevada tasa de falsos positivos (FPR). Incluso en Alepo, ciudad fuertemente castigada por la guerra, solo el 2,8% de todas las imágenes de áreas pobladas contienen un edificio que fue confirmado como destruido por el Programa de Aplicaciones Operacionales de Satélites de las Naciones Unidas (UNOSAT, en sus siglas en inglés) en septiembre de 2016, donde hacen una clasificación manual.
El estudio demuestra que el algoritmo entrenado es capaz de identificar daños en zonas de la ciudad de Alepo que no forman parte del análisis de UNOSAT. También, evidencia que su método es capaz de identificar bombardeos en las seis ciudades.
Los resultados son prometedores y permiten aplicaciones para la detección e incluso el seguimiento en tiempo casi real de la destrucción por conflictos bélicos, una forma específica de violencia particularmente dañina para los civiles y comúnmente utilizada para desplazar poblaciones, por lo que puede ayudar a mejorar la capacidad de reacción y la respuesta de ayuda humanitaria de las organizaciones internacionales.
Nuestro método, dicen los investigadores, “es especialmente adecuado para aprovechar la creciente disponibilidad de imágenes de alta resolución. Hemos calculado que el etiquetado manual humano de todo nuestro conjunto de datos costaría aproximadamente 200.000 dólares y las repeticiones adicionales de imágenes aumentarían este coste casi proporcionalmente. Con un método automatizado como el nuestro, una mayor frecuencia de imágenes ayuda a mejorar la precisión y el coste adicional es pequeño”.
El trabajo se ha desarrollado en el marco de un proyecto interdisciplinar que une a economistas y ciencias de la computación (“lacaixa” Research Grants on Socioeconomic Wellbeing Evaluation - Analyzing Conflict from Space). Ha recibido financiación de la Barcelona Graduate School of Economics (BGSE) en cooperación con la Fundación "la Caixa"; del programa Severo Ochoa para Centros de Excelencia en I+D; del Ministerio de Ciencia e Innovación, y de la Chapman University (EEUU).
Referencia: Hannes Mueller, Andre Groeger, Jonathan Hersh, Andrea Matranga, Joan Serrat. Monitoring war destruction from space using machine learning. PNAS June 8, 2021 118 (23) e2025400118; https://doi.org/10.1073/pnas.2025400118