Artículo de Álvaro Ibáñez (Alvy), Microsiervos

 

Cuando elegimos una casa para vivir solemos sopesar diversos factores. En el caso de las viviendas podemos valorar la cercanía, las tiendas cercanas, parques… Pero esto no siempre es fácil: muchas de las opiniones son subjetivas y muchos de los datos imposibles o muy difíciles de conocer.

El equipo de Teleport (un servicio que compara los índices de calidad de vida entre cientos de ciudades) compartió en un artículo de Hacker Noon cómo utilizan algunas técnicas de inteligencia artificial para obtener esa información. Están inspiradas en parte por el proyecto StreetScore del Instituto de Tecnología de Massachusetts –que básicamente enseñaba a los ordenadores a asignar una nota “de 0 a 10” a fotografías de las calles según factores subjetivos. Su propuesta es obtener una visión más objetiva de las ciudades y la forma de hacerlo es realmente ingeniosa.

Teleport2

¿Qué haría una persona para conocer mejor los diferentes lugares de una ciudad? Sencillamente ir allí y mirar. El equivalente “automático” consiste en utilizar las conocidas fotografías de Street View de Google para extraer miles de imágenes de la ciudad y analizarlas mediante algoritmos de reconocimiento de imágenes. Muchos de estos algoritmos son públicos y provienen de laboratorios de Microsoft, IBM y Google; básicamente funcionan examinando las imágenes y permitiendo que mediante el entrenamiento manual se llegue a un punto en el que la máquina es capaz de reconocer ciertos objetos y características en las imágenes.

Teleport1
Entre los detalles que estos algoritmos pueden reconocer hay calles, coches, árboles (y la diferencia entre “árboles en un parque”, “árboles en un bosque” y “fila de árboles”), motocicletas, bicicletas y muchos más objetos. El resto del trabajo es cuestión de preguntar a los usuarios y cruzar los datos.

Te puede interesar también:
Revitalización tecno para lugares de trabajo

En Teleport imaginan que alguien que sea –por ejemplo– aficionado a las motos puede estar más interesado en una vivienda en un barrio en el que haya muchas motos que en otro donde apenas haya ninguna. Y lo mismo podría decirse de las zonas verdes o de la (habitualmente) ausencia de coches y presencia de bicicletas. Sus algoritmos, aún siendo un tanto rústicos, aciertan recomendando –y por mucha diferencia– casi cualquier barrio de la ciudad de Amsterdam frente a Tartu (segunda más poblada de Estonia) simplemente por la presencia de bicicletas.

Otros ejemplos incluyen las viviendas cerca de playas o campos de golf (que pueden examinarse con las fotos satélite de Google Maps y otros servicios). Todos estos son detalles que pueden llegar más allá de la información básica que se puede obtener consultando las bases de datos tradicionales de los diferentes barrios (demografía, precios del suelo, número de restaurantes o tiendas) y pueden suponer un “factor extra” muy interesante a la hora de decidirse por una vivienda u otra.

Foto | Scott WebbUnsplash

 

Otras entradas de Microsiervos

El uso de drones en el sector inmobiliario
La transformación tecnológica de los nuevos edificios sostenibles de Madrid
La impresión 3D facilita y abarata la construcción de edificios

 

Valora este post