Descubra cómo la IA de Microsoft protege los recursos naturales: una historia de éxito del Departamento de recursos naturales
Anteriormente, hemos analizado las ventajas del uso de soluciones de inteligencia artificial para supervisar las poblaciones de vida silvestre. Es un escenario común de la inteligencia artificial para ayudar a los expertos en sostenibilidad a proteger los ecosistemas. Ahora, vamos a explorar en detalle una historia de éxito concreta.
La organización
El Departamento de Recursos Naturales del Estado de Washington (DNR) se fundó en 1957 para custodiar las tierras en fideicomiso del estado de Washington y otros recursos naturales. Administra estas tierras para garantizar su conservación y productividad. Por lo tanto, su deber es doble: generar ingresos y preservar los ecosistemas para las generaciones actuales y futuras.
El DNR supervisa 5,6 millones de acres de tierras públicas. Además, administra una gran diversidad de tierras, con diferentes biomas y necesidades. Una administración adecuada requiere conocimientos técnicos sobre hábitats específicos, como bosques, costas y zonas acuáticas.
La dificultad
Dentro del DNR, la División de Recursos Acuáticos lleva a cabo varios programas para supervisar 2,6 millones de acres de zonas acuáticas sumergidas. Entre ellos, el Programa de hábitats costeros recopila cientos de horas de vídeo submarino al año para supervisar la vegetación marina. Uno de los objetivos es supervisar la abundancia y distribución de la zostera autóctona, una especie de hierba marina.
Esta tarea implica analizar unas 350 horas de vídeo, identificar, clasificar y localizar la zostera. El proceso requería el trabajo manual de dos científicos y copaba sus cargas de trabajo durante tres meses. Este proceso suponía un desaprovechamiento de recursos muy especializados y valiosos.
La solución
Los expertos del Programa de hábitats costeros decidieron asociarse con Microsoft para resolver este problema mediante inteligencia artificial. Encontraron que el mejor enfoque era la clasificación de vídeo automatizada, mediante modelos de IA para identificar zonas con zostera.
La base técnica del caso de uso son las funcionalidades de los servicios de Azure AI para el reconocimiento de imágenes. El vídeo se carga en Azure, se divide en fotogramas y se analiza según los modelos incluidos en los servicios de Azure AI. Los modelos se administran, crean e implementan en Azure Machine Learning, por lo que cualquier científico puede realizar la tarea en lugar de tener que hacerlo los científicos de datos. Por último, el equipo usa Microsoft Power BI para crear informes de los resultados.
Resultados
La solución ya está ahorrando meses de tiempo de expertos y aumentando su productividad. El proceso ahora solo tarda semanas en lugar de meses y una persona en lugar de dos. A medio plazo, el objetivo es automatizar completamente el proceso y replicarlo para otros proyectos de supervisión.
Para saber más, lea El Departamento de Recursos Naturales del Estado de Washington usa Azure AI para automatizar la supervisión de los recursos acuáticos, ahorrando meses de tiempo a los expertos.
A continuación, vamos a examinar un caso de uso de sostenibilidad en el sector de la movilidad.