El hallazgo lo conforman una colección de gigantescas tallas antiguas que representan un par de patas que miden 78 metros, un pez que mide 19 metros y un pájaro de 17 metros. Imagen: The Yamagata University Institute of Nasca.
El Instituto de la Universidad Yamagata de Nasca e IBM Japón han realizado un estudio de viabilidad utilizando técnicas de detección de objetos basadas en el aprendizaje profundo para descubrir geoglifos figurativos a partir de fotografías aéreas de alta resolución. Las fotografías aéreas cubren un área extensa, y el método tradicional de buscar nuevos geoglifos candidatos a simple vista a partir de fotografías requiere una cantidad considerable de tiempo, lo que representa un desafío en cuanto a eficiencia y escalabilidad. Para abordar el desafío, el equipo llevó a cabo un estudio de viabilidad utilizando el aprendizaje profundo para acelerar posibles descubrimientos. El área objetivo fue la parte norte de la Pampa de Nasca, donde se concentran los geoglifos figurativos de tipo lineal.
La cantidad de geoglifos figurativos de tipo línea en la parte norte de la Pampa de Nasca que podrían usarse como datos de entrenamiento en el estudio se limitó a 21. Idealmente, el aprendizaje profundo requiere muchísimos datos para el entrenamiento, por lo tanto, usar estos geoglifos como datos de entrenamiento tiene como base un problema en cuanto a la escasez de esos datos. Para abordar este problema, los investigadores aumentaron la cantidad de datos de entrenamiento a 307 geoglifos al dividir los geoglifos en elementos y recortar imágenes en diferentes escalas.
Cuenta el equipo que se utilizaron algoritmos de aprendizaje profundo con los que escanear una gran cantidad de fotografías aéreas que capturan partes del desierto de Nazca, el desierto costero en el sur de Perú conocido por sus antiguas obras de arte grabadas en sus paisajes. Así, los científicos explican que pudieron dar con geoglifos potenciales alrededor de 21 veces más rápido que a simple vista.
¿Cómo? Al parecer, el modelo utilizado fue capaz de analizar a gran velocidad conjuntos de bancos de datos visuales, mientras aprendía a comprender qué características están asociadas con ciertas categorías. Según ha explicado en un comunicado la Universidad de Yamagata:
“El aprendizaje profundo es un método de aprendizaje automático que construye y entrena redes neuronales, que se inspiran en la interconexión de las células nerviosas en el cerebro, para permitir que las computadoras aprendan las características de grandes cantidades de datos y, posteriormente, hagan predicciones o decisiones. Demuestra un alto rendimiento en tareas como el reconocimiento de imágenes, el procesamiento del habla y el procesamiento del lenguaje natural.
La detección de objetos a través del aprendizaje profundo identifica automáticamente clases específicas de objetos a partir de imágenes y determina su ubicación, tamaño y clasificación. Es similar al proceso que usan los humanos cuando detectan cosas como ‘perros’ o ‘gatos’, pero en este caso, la computadora lo hace.”
https://www.sciencedirect.com/science/article/pii/S0305440323000559
