A veces no nos percatamos de todo el trabajo que hay detrás de una aplicación en nuestro móvil, tampoco somos conscientes en ocasiones de lo mucho que puede evolucionar un servicio. Google Maps podría ser un buen ejemplo: todo el mundo se acuerda de lo útil que era cuando se estrenó y lo bien que sigue funcionando ahora pero desde su estreno a 2017 han pasado 12 años, que se dice pronto y sí, tiene sus pequeños fallos pero sigue siendo el mejor servicio de todos los que hay disponibles.
Decir que es el mejor sin más no tiene mucho valor y para demostrar lo increíble que es Google Maps, Justin O'Beirne lleva un tiempo trabajando en una comparativa a fondo entre los mapas de Google y los de otras empresas, especialmente Apple. Justin, para presentarle rápidamente, ha trabajado durante muchos años en Cupertino ayudando a la empresa liderada por Tim Cook a mejorar su plataforma de móviles. ambién ha dado charlas públicas sobre digitalización de mapas y usabilidad... Una autoridad en la materia y que gracias a su trabajo de campo podemos ver lo inmenso que la cartografía de Google.
Si hacemos una búsqueda en cualquier núcleo urbano grande vemos que en casi cualquier plataforma hay un nivel de información y datos importante. El problema viene cuando salimos de las ciudades y nos toca investigar en zonas poco pobladas. Es aquí donde Justin comienza su primera parada en la comparativa y donde nos demuestra que incluso en regiones rurales donde viven poco más de 1000 personas ofrece datos relevantes más allá de mostrar las calles.
Lo interesante de la investigación de Justin está en cómo explica la evolución de Google Maps y toda la tecnología que hay detrás para enriquecer los mapas con información relevante, generar los volúmenes 3D de los edificios a raíz de fotografías satelitales y lo que van capturando los coches de Street View... Google lleva diez años trabajando en crear edificios en los mapas y como podemos ver en las imágenes la precisión es tal que incluso en los chalets reconoce como volúmenes trasteros o cuartos de herramientas que se encuentran fuera de la casa.
Unos años más tarde, en 2012, Google empezó a trabajar en mejorar el modelado de edificios históricos y monumentos varios. Justin en su trabajo compara siempre con Apple Maps demostrando no sólo que Google está haciendo un gran trabajo, en el que ha invertido doce años y probablemente muchos millones teniendo en cuenta lo que invierte su competencia, sino que su competencia más directa está todavía lejos de ofrecer una cartografía tan rica y detallada.
Otro ejemplo de lo perfeccionista que es la tecnología de Google en sus mapas es la generación de areas de interés o AOI por sus siglas en inglés. ¿Alguna vez os habéis fijado que en los mapas de Google hay zonas que tienen diferentes colores? Eso son áreas de interés: barrios residenciales con mucha gente o zonas comerciales donde la gente se suele mover. La generación de estas AOI se hace con algoritmos y gracias toda la información que los de Mountain View recopilan son capaces de marcar esas áreas. Si vivís en una ciudad medianamente grande, os invito a que hagáis una búsqueda de vuestra zona para ver si hay AOI y si coinciden con los barrios y calles donde créeis que hay más bullicio.
Como explica Justin, toda la tecnología que hay ahora mismo detrás de Google no gira alrededor de recolectar contenido sino de dar forma a todo lo que ya ha visto y registrado para comenzar a generar datos como las áreas de interés. De hecho de las imágenes de los satélites y de las de los coches de Street View se han generado datos combinados de edificios y lugares que, combinados, crean información de la nada y lo más importante para el usuario: relevante.
La investigación de este cartógrafo y su comparación con Apple Maps se puede entender como una crítica al servicio de Cupertino pero en realidad el foco está más en cómo Google ha usado toda esa experiencia de más para generar un proyecto tan monstruosamente grande que a día de hoy es imposible que cualquier compañía se le acerque. A mediados de 2017 la propia Google explicaba que habían recolectado más de 80.000 millones de imágenes con Street View y ahora las estaban utilizando para hacer deep learning y mejorar, como hemos visto con el ejemplo de las AOI, sus mapas. Hay seis años de diferencia entre un servicio y otro por lo que la comparativa, dejando los sesgos de cada uno de lado, no es del todo justa.
¿Cuáles son los siguientes pasos? Seguir generando datos de toda la información que ha ido recolectando Google** en los últimos años. Es decir, partir de lo aprendido con los AOI para sacar más información de las fotografías como leer señales y saber el nombre de las calles, detectar números de teléfono impresos en carteles... Hacer todo ese proceso de machine learning va a llevar tiempo y lo más importante: consumo de energía. Por eso mismo cuando los de Mountain View presentaron su primera TPU, una máquina hecha a medida para impulsar el marchine learning, decidieron que parte del trabajo que iba a hacer esa máquina era búsqueda de imágenes y Google Cloud Vision.
Vía | Android Police
En Xataka | Google Maps: 17 trucos (y algún huevo de Pascua) para ser un completo maestro
Ver 1 comentarios