El Fin Del Conocimiento - Bóveda 4/80 - IA Para El Bien - 2023 - Construyendo una base para la IA geoespacial

graph LR classDef workshop fill:#f9d4d4, font-weight:bold, font-size:14px classDef goals fill:#d4f9d4, font-weight:bold, font-size:14px classDef needs fill:#d4d4f9, font-weight:bold, font-size:14px classDef challenges fill:#f9f9d4, font-weight:bold, font-size:14px classDef education fill:#f9d4f9, font-weight:bold, font-size:14px classDef future fill:#d4f9f9, font-weight:bold, font-size:14px A["Construyendo una base
para la IA geoespacial"] --> B["Taller: base de
IA geoespacial. 1"] A --> C["ITU comenzó la IA geoespacial
en 2022. 2"] A --> D["Objetivo: lenguaje común,
entendimiento. 3"] A --> E["Datos crecientes, nueva
IA necesaria. 4"] A --> F["Desarrollo rápido de
IA geoespacial. 5"] A --> G["México aplica IA
para estadísticas. 6"] B --> H["Proyectos en México: estadísticas
experimentales. 7"] B --> I["Necesidad de personas capacitadas
en IA geoespacial. 8"] B --> J["Enfoque multidisciplinario para
nuevos planes de estudio. 9"] B --> K["Preocupaciones: calidad, fiabilidad,
verificación. 10"] B --> L["Encuesta universitaria: importancia de
IA geoespacial. 11"] C --> M["Respondientes de nivel de posgrado:
horas significativas. 12"] C --> N["Importancia: calidad de datos,
aprendizaje, confianza. 13"] C --> O["Programas de geoinformática: informática,
geoespacial. 14"] C --> P["Encuesta del sector privado:
habilidades, expectativas de experiencia. 15"] C --> Q["31% confiado, 69%
falta talento. 16"] D --> R["62% mejorando
empleados. 17"] D --> S["Graduados carecen de habilidades
requeridas. 18"] D --> T["Informática vs
antecedentes de geomática. 19"] D --> U["Habilidades clave: programación, datos geoespaciales
ML, DL. 20"] D --> V["Deseo de un centro de investigación
curado. 21"] E --> W["Desafíos: autocorrelación espacial,
heterogeneidad. 22"] E --> X["Modelos de base multimodal
siguiente fase. 23"] E --> Y["IA geoespacial para todos,
como motores de búsqueda. 24"] E --> Z["UN GGIM coordina
gestión geoespacial. 25"] E --> AA["Un centro de datos de la ONU
lanzado. 26"] F --> AB["Perspectivas de IA del centro de
datos de la ONU. 27"] F --> AC["Empresas más pequeñas enfrentan
desafíos de PI. 28"] F --> AD["Habilidades básicas necesarias
en nuevas contrataciones. 29"] F --> AE["Era de la ciencia de la biblioteca
terminando. 30"] F --> AF["Avanzar en el trabajo
multidisciplinario. 31"] G --> AG["Codificar flexibilidad en
sistemas. 32"] G --> AH["Desafíos de definición
común. 33"] G --> AI["Sesgo: más datos de
regiones desarrolladas. 34"] G --> AJ["Mejorar la capacidad en
regiones en desarrollo. 35"] G --> AK["Interpretabilidad, calidad de datos,
validación. 36"] H --> AL["Construir sobre el trabajo de
ontología existente. 37"] H --> AM["Habilidades de IA geoespacial
cruzan dominios. 38"] H --> AN["El Consejo Atlántico conecta
políticos, tecnólogos. 39"] H --> AO["Audiencias clave: tomadores de decisiones,
desarrolladores, practicantes. 40"] H --> AP["Diseñar planes de estudio
equilibrados. 41"] I --> AQ["Contenido curricular modular
para flexibilidad. 42"] I --> AR["Colaboración, compartición de contenido
existente. 43"] I --> AS["Grupos de trabajo para el desarrollo
curricular. 44"] I --> AT["Desafíos del mundo real
en los planes de estudio. 45"] I --> AU["Modernizar los estándares geoespaciales
existentes. 46"] J --> AV["Componentes curriculares
apilables. 47"] J --> AW["Enseñar limitaciones, incertidumbres
de modelos. 48"] J --> AX["Fomentar colaboraciones para
educación. 49"] J --> AY["Capacitar a científicos de datos
geoespaciales. 50"] J --> AZ["Modelos preentrenados para
ajuste fino. 51"] K --> BA["Necesidad de centros de modelos
con documentación. 52"] K --> BB["Estándares para calidad de datos,
rendimiento. 53"] K --> BC["Integrar conocimiento de dominio
en IA. 54"] K --> BD["Asegurar que la IA no sea
una caja negra. 55"] K --> BE["Democratizar el acceso con
interfaces fáciles. 56"] L --> BF["Consideraciones éticas en
educación. 57"] L --> BG["Mejorar, no reemplazar,
experiencia tradicional. 58"] L --> BH["Cambiar el esfuerzo a aplicaciones de
mayor valor. 59"] L --> BI["Aprendizaje continuo para
campo en evolución. 60"] class A goals class B,C,D,E,F,G needs class H,I,J,K,L,M,N,O,P,Q challenges class R,S,T,U,V education class W,X,Y,Z,AA framework class AB,AC,AD,AE,AF future class AG,AH,AI,AJ,AK future class AL,AM,AN,AO,AP future class AQ,AR,AS,AT,AU future class AV,AW,AX,AY,AZ future class BA,BB,BC,BD,BE future class BF,BG,BH,BI future

Resumen:

1.- Taller organizado por ITU y partes interesadas para discutir la construcción de una base para la IA geoespacial.

2.- ITU comenzó actividades de IA geoespacial en 2022, incluyendo seminarios web y desafíos.

3.- El objetivo es definir un lenguaje común y comprensión de los conceptos, principios y técnicas de IA geoespacial.

4.- Los repositorios de datos geoespaciales están creciendo, poniendo presión sobre las herramientas de análisis. Se necesitan nuevos métodos de IA.

5.- El rápido desarrollo de la ciencia geoespacial y la IA ha hecho de la IA geoespacial una técnica importante para el análisis de grandes datos geoespaciales.

6.- El sector público en México está aplicando cada vez más IA y aprendizaje automático para generar datos estadísticos y geoespaciales oficiales.

7.- Proyectos en México están desarrollando fuentes alternativas de IA para generar estadísticas experimentales, como el cubo de datos geoespaciales.

8.- La creciente adopción de la IA geoespacial en agencias nacionales crea la necesidad de personas capacitadas en fundamentos y estado del arte.

9.- Los nuevos planes de estudio de IA geoespacial deben adoptar un enfoque multidisciplinario para comprender los fundamentos, el estado del arte y las aplicaciones.

10.- Las principales preocupaciones para los datos oficiales producidos por IA son el aseguramiento de la calidad, la fiabilidad y los procesos de verificación/validación.

11.- Encuesta enviada a universidades sobre las ofertas actuales de IA geoespacial y su importancia.

12.- La mayoría de los encuestados eran de nivel de posgrado, dedicando horas significativas, creyendo que la IA geoespacial es muy relevante para introducir.

13.- Fuerte acuerdo sobre la importancia de la calidad de los datos, metadatos, aprendizaje supervisado/no supervisado, aplicaciones, rendimiento, incertidumbre, confiabilidad.

14.- Algunas universidades tienen programas dedicados de geoinformática que combinan informática y componentes geoespaciales.

15.- Encuesta enviada al sector privado sobre habilidades de IA geoespacial y expectativas de experiencia.

16.- El 31% de las empresas confían en las capacidades de IA, el 69% carece de talento en IA geoespacial y les resulta difícil contratar.

17.- El 62% se enfoca en mejorar las habilidades de los empleados en IA geoespacial en lugar de contratar.

18.- Dos tercios creen que los graduados recientes no tienen las habilidades requeridas de IA geoespacial para los trabajos.

19.- Opinión dividida sobre preferir antecedentes educativos en informática vs geomática.

20.- Habilidades clave: programación, manejo de datos geoespaciales/bases de datos/teledetección, aprendizaje automático, aprendizaje profundo, conocimiento del dominio.

21.- Deseo de un centro de investigación de IA geoespacial curado para mantenerse al día con los avances en lugar de fuentes dispersas.

22.- Desafíos en la aplicación de IA/ML tradicional a datos geoespaciales debido a la autocorrelación espacial y la heterogeneidad.

23.- La próxima fase de la IA geoespacial son los modelos de base multimodal para consultas y predicciones.

24.- Transición de expertos geoespaciales a IA geoespacial que permite a cualquiera acceder a conocimientos tan fácilmente como usar un motor de búsqueda.

25.- UN GGIM apoya la coordinación de la gestión geoespacial en todo el sistema de la ONU a través de la Red Geoespacial de la ONU.

26.- Se lanzó el centro de datos "One UN" para compilar activos geoespaciales de 40 agencias de la ONU.

27.- Oportunidad de aplicar IA sobre el centro de datos geoespaciales de la ONU para nuevos conocimientos y aplicaciones.

28.- Las empresas más pequeñas de IA geoespacial enfrentan desafíos de PI al colaborar con la academia debido a los requisitos de publicación.

29.- Necesidad de habilidades básicas de programación y geoespaciales en nuevas contrataciones para contribuir rápidamente en startups de ritmo rápido.

30.- La era de la ciencia de la biblioteca geoespacial está terminando, dando paso a conocimientos impulsados por IA sin necesidad de entender datos/píxeles en bruto.

31.- Los esfuerzos de IA geoespacial deben avanzar en el trabajo multidisciplinario en la intersección del aprendizaje automático, datos geoespaciales y aplicaciones de dominio.

32.- Los sistemas de IA geoespacial deben codificar flexibilidad para diferentes interpretaciones culturales/políticas/sociales, no solo consideraciones técnicas.

33.- La falta de una definición común para dominios como bosques o tierras de cultivo a nivel mundial plantea un desafío para entrenar IA geoespacial.

34.- El sesgo en los datos geográficos, con más datos de regiones desarrolladas, es un factor importante para el desarrollo de IA geoespacial.

35.- Mejorar la capacidad de IA geoespacial en regiones en desarrollo como África es crucial para aplicaciones globalmente representativas e impactantes.

36.- La interpretabilidad y explicabilidad de los modelos de IA, la calidad de los datos y la validación son clave para la IA geoespacial.

37.- El trabajo de ontología tradicionalmente realizado en el campo geoespacial es relevante para la IA geoespacial, no debe reinventarse sino construirse sobre él.

38.- Las habilidades de IA geoespacial son aplicables en muchos dominios más allá de la geografía/GIS, ya que los datos geoespaciales son omnipresentes.

39.- El programa del Consejo Atlántico conecta a políticos y tecnólogos a nivel mundial para desarrollar prácticas de IA responsables.

40.- Se identificaron tres audiencias clave para los planes de estudio de IA geoespacial: tomadores de decisiones, desarrolladores/ingenieros y practicantes/analistas.

41.- Desafíos en el diseño de planes de estudio de IA geoespacial equilibrados que incorporen nuevos temas mientras se mantienen los principios geoespaciales tradicionales necesarios.

42.- Algunas universidades están desarrollando contenido curricular modular a diferentes profundidades para satisfacer de manera flexible las necesidades de los estudiantes.

43.- La colaboración y el intercambio de contenido educativo existente, no reinventar desde cero, es una forma eficiente de avanzar.

44.- Se pueden formar grupos de trabajo con experiencia diversa para desarrollar colaborativamente componentes curriculares de IA geoespacial.

45.- Los planes de estudio de IA geoespacial deben exponer a los estudiantes a desafíos del mundo real como datos ruidosos/incompletos, no solo ejemplos preprocesados ordenados.

46.- Considerar la modernización de los estándares geoespaciales existentes (por ejemplo, de OGC, ISO) para incorporar consideraciones de IA geoespacial.

47.- Construir planes de estudio de IA geoespacial como componentes apilables desde descripciones generales de alto nivel hasta capacitación técnica en profundidad.

48.- Es importante impartir las limitaciones e incertidumbres de los modelos de IA geoespacial, no solo las técnicas en sí.

49.- Fomentar colaboraciones entre universidades, sector público, sector privado y organizaciones internacionales para avanzar en la educación de IA geoespacial.

50.- Capacitar a los estudiantes para que sean "científicos de datos geoespaciales" con habilidades combinadas de programación, big data, aprendizaje automático y geoespaciales.

51.- Creciente disponibilidad de modelos de IA geoespacial preentrenados que pueden ajustarse, además de entrenar nuevos modelos desde cero.

52.- Necesidad de centros de modelos de IA geoespacial similares a repositorios de paquetes de software, con documentación, validación, casos de uso.

53.- Estándares y mejores prácticas para evaluar e informar la calidad de los datos de entrenamiento, el rendimiento del modelo, las incertidumbres, la idoneidad para el propósito.

54.- Integrar el conocimiento del dominio de los sectores de aplicación en la IA geoespacial a través de colaboraciones y educación.

55.- La IA geoespacial no debería ser solo una "caja negra" para los usuarios finales, sino que deberían tener suficiente alfabetización para usarla adecuadamente.

56.- Democratizar el acceso a la IA geoespacial a través de interfaces fáciles de usar, no solo atendiendo a expertos técnicos.

57.- Consideraciones éticas, potencial de sesgo, equidad, transparencia, responsabilidad crucial para integrar en la educación de IA geoespacial.

58.- La IA geoespacial mejorará pero no reemplazará la experiencia geoespacial y de dominio tradicional; es necesario capacitar a expertos en su intersección.

59.- El progreso en las infraestructuras y plataformas de datos geoespaciales cambiará el esfuerzo de la manipulación de datos a aplicaciones de IA geoespacial de mayor valor.

60.- La IA geoespacial es un campo en rápida evolución que requerirá aprendizaje continuo, actualizaciones del plan de estudios educativo y mejora de habilidades de la fuerza laboral.

Bóveda del Conocimiento construida por David Vivancos 2024