32a Geoinquiets - Integración de inteligencia colectiva y artificial en un sistema geoespacial
1. 32a Geoinquiets, 20 de febrer de 2014
INTEGRACIÓN DE INTELIGENCIA COLECTIVA Y
ARTIFICIAL EN UN SISTEMA GEOESPACIAL
BarcelonaTech
Juan Daniel Castillo Rosas
2. Introducción
Más del 80% de la información que maneja el sector público y
privado es de carácter espacial (De Moya Amaris, 2003;
Williams, 1987).
Para justificar la importancia de los SIG y el papel que estos
juegan hoy en día, es habitual citar el hecho de que
aproximadamente un 70% de la información que manejamos en
cualquier tipo de disciplina está georreferenciada (Olaya, 2012).
En la Wikipedia alemana el 78 % de todos los artículos tienen,
están directamente o indirectamente relacionados con
coordenadas geoespaciales. El 80 % no se puede confirmar,
tendría que ser reformulado como un 60 %. (Hahmanna &
Burghardta, 2013).
3. Introducción
1ª Ley de la Geografía:
Todo está relacionado entre sí,
pero los cosas mas cercanas están
más
relacionadas
que
las
distantes, (W. Tobler).
Toda entidad y ocurrencia con
existencia en el mundo real;
tiene, tuvo o tendrá lugar en
algún sitio. Por lo tanto puede
ser localizada.
Espacio y tiempo son dos conceptos que enmarcan todos los
aspectos de la disciplina geográfica, (Goodchild, 2013).
4. Introducción
Generalmente una sola postura cognitiva interviene en el
análisis geoespacial para el soporte a las decisiones.
Las opciones posibles derivan de un único razonamiento
especializado.
6. Introducción
Inteligencia Colectiva (IC): “capacidad de los
colectivos humanos para participar en la
cooperación intelectual con el fin de crear, innovar
e inventar. Se puede aplicar a cualquier escala,
desde equipos de trabajo a las grandes redes o
incluso a nuestra especie completa”, (Lévy, 2010).
Inteligencia Artificial (IA): “ciencia e ingenio de
hacer
máquinas
inteligentes,
especialmente
programas de cómputo inteligentes”.
9. Objetivos
Diseñar, desarrollar y ensayar un sistema espacial
inteligente para el soporte a las decisiones en
escenarios geográficos complejos, articulando las
inteligencias colectiva y artificial.
Obtener patrones geoespaciales actuales y prospectivos.
Establecer patrones geoespaciales actuales y prospectivos a partir
de los anteriores.
Comprobar la pertinencia y/o veracidad de los anteriores.
Proponer un prototipo de sistema espacial inteligente para el
soporte a las decisiones en sistemas complejos.
10. Metodología general
Datos Geoespaciales
SSDG + SIG
Lógica Fuzzy
Grupo de expertos
Patrones
iniciales
Redes neuronales
Spatial Delphi + Vectorconcensus
IC
Consenso
IA
Correspondencia
de patrones
11. Métodología IC
Vector Consensus, (Monguet et al., 2012).
Versiones espaciales de los métodos Delphi y Shang (Di Zio & Pacinelli,
2011; Di Zio & Staniscia, 2013).
L’Aquila, Italia
2009
12. Metodología IC
Búsqueda del patrón inicial a través de las opiniones de expertos (Spatial
Delphi + Vectorconsensus)
13. Metodología IC + IA
Para el establecimiento del patrón geoespacial inicial a través de un
enfoque Fuzzy aplicado a Spatial Delphi y Vectorconsensus.
Consenso, intersección de opinión de expertos.
(Barrera & Escobar, 2003)
15. Metodología IA
Red Neuronal Artificial de Tipo Multicapa: capas en
cascada.
Con aprendizaje tipo Backpropagation, (Werbos, P.,
1974) con algoritmo supervisado (Conocemos los
datos de entrada y la salida deseada).
16. Resultados esperados
Datos y resultados hipotéticos,
utilizados exclusivamente con
fines demostrativos
Patrón geoespacial inicial derivado del consenso (actual y prospectivo).
17. Resultados esperados
Datos y resultados hipotéticos,
utilizados exclusivamente con
fines demostrativos
Correspondencia de patrones en base al inicial, clasificados y
ponderados (actuales y prospectivos).
18. Principales contribuciones
Que la toma de decisiones se efectúe en
base a las alternativas presentadas por un
grupo de expertos y no por una sola
perspectiva cognitiva.
El modelado de alternativas adicionales a
las anteriores, ordenadas por su mayor o
menor correspondencia con las presentadas
por los expertos como la solución al
problema.
Un instrumento inteligente de opinión colectiva en ambiente
espacial para el estudio de situaciones complejas, que permitirá
obtener modelos geoespaciales actuales y prospectivos.
19. La inteligencia, como las herramientas con filo, mejora
enfrentándolas con otras de mayor dureza.
Mario Sarmiento.
20. 32a Geoinquiets, 20 de febrer de 2014
Juan Daniel Castillo Rosas
juan.daniel.castillo@estudiant.upc.edu
@jdcastillor
21. Referencias
Barrera Guarín, E., & Escobar, J. E. (2003). Un enfoque fuzzy para la prospectiva Delphi. Ingeniería y Desarrollo,
14, 1–23. Retrieved from http://www.redalyc.org/articulo.oa?id=85201401
De Moya Amaris, M. E. (2003). Representación y clasificación de datos geoespaciales: comparación entre mapas
autoorganizativos de Kohonen y el método Gas Neuronal. Revista Ingeniería e Investigación, 53, 12–22.
Di Zio, S., & Pacinelli, A. (2011). Opinion convergence in location: a spatial version of the delphi method.
Technological Forecasting and Social Change, 78(9), 1565–1578. doi:10.1016/j.techfore.2010.09.010.
Di Zio, S., & Staniscia, B. (2013). A Spatial version of the Shang method. Technological Forecasting and Social
Change. doi:10.1016/j.techfore.2013.09.011
Goodchild, M. F. (2013). Prospects for a Space–Time GIS. Annals of the Association of American Geographers,
103(5), 1072–1077. doi:10.1080/00045608.2013.792175.
Hahmanna, S., & Burghardta, D. (2013). How much information is geospatially referenced? Networks and
cognition.
International
Journal
of
Geographical
Information
Science,
27(6),
1171–1189.
doi:10.1080/13658816.2012.743664.
Lévy, P. (2010). From social computing to reflexive collective intelligence: the IEML research program. Information
Sciences, 180(1), 71–94. doi:10.1016/j.ins.2009.08.001.
Monguet, J. M., Gutiérrez, A., Ferruzca, M., Alatriste, Y., Martínez, C., Córdoba, C., … Ramírez, M. (2012). Vector
Consensus Model. In Organizational Integration of Enterprise Systems and Resources: Advancements and
Applications (pp. 303–317). U.S.A.: Business Science Reference (an imprint of IGI Global).
Olaya, V. (2012). Sistemas de información geográfica (p. 877). OsGeo. Retrieved from
http://wiki.osgeo.org/wiki/Libro_SIG.
Tobler, W. (2004). On the first law of Geography: A Reply. Annals of the Association of American Geographers,
94(2), 304–310.
Werbos, P. (1974). Beyond regression: New tools for prediction and analysis in the behavioral sciences.
Williams, R. (1987). Selling a geographical information system to government policy makers. In P. Van Demark
(Ed.), Annual Conference of the Urban and Regional Information Systems Association (pp. 150–156). Fort
Lauderdale, Florida: URISA.