PATRIMONIO
Inteligencia Artificial para cartografiar los canales de Las Médulas sin errores humanos
La ULE combina redes neuronales artificiales con imágenes de drones en un estudio pionero que evita fallos de precisión
Una de las imágenes del estudio que ha combinado el uso de drones y de redes neuronales de la Inteligencia Artificial para cartografiar los canales de Las Médulas. ULE
La Inteligencia Artificial (IA) también ha llegado a los picachos de arcilla y los canales romanos de Las Médulas . Si hasta ahora ya se habían empleado nuevas tecnologías como el vuelo de drones y los sensores LiDAR aerotransportados en el estudio de las antiguas minas de oro romanas y toda la infraestructura hidráulica que abastecía de agua al yacimiento para derrumbar las galerías y extraer el oro, investigadores de la Universidad de León (ULE) acaban de incorporar la herramienta digital que amenaza con cambiar el mundo para reconocer y cartografiar los restos que emergen en el paisaje.
Según explicó este jueves la ULE, en el estudio de la red de canales excavados en la roca, que suman más de 700 kilómetros se ha combinado el uso de IA y los drones. «Es un desarrollo sin precedentes en el campo de la geoarqueología», «un gran salto para el estudio de la minería aurífera romana y sus red hidráulica en la provincia de León», enfatizó la ULE en una nota.
El trabajo de los grupos de investigación Secomuci y Geoinca ha sido publicado en la revista internacional ‘Applied Intelligence’ y según la ULE «introduce un enfoque revolucionario»: la utilización de algoritmos de aprendizaje automático (‘Deep Learning’) y fotografías georreferenciadas obtenidas con drones. «Hemos entrenado a la Inteligencia Artificial (IA) para identificar restos mineros, diferenciándolos de otros elementos del paisaje con una precisión del 95%», explicó en la misma nota el autor principal del estudio, Daniel Fernández Alonso.
El ‘Deep Learning’ es capaz de sustituir a los científicos en las labores de identificación y cartografía de restos mineros y evita los errores de precisión y la subjetividad del trabajo humano en este tipo de tareas. Se trata de «redes neuronales convolucionales» que aprenden a realizar determinadas características de las imágenes. Una tecnología que abre caminos para investigar zonas montañosas y evitar accidentes al identificar restos.