El proyecto aborda el proceso de «realizar mapas mediante imaginería satélite» y cuestiona al productor de estos dos medios y su habilidad para la limitación/interpretación e influencia/transmisión/aceptación de los datos y el poder. Su intención es mostrar la paradoja del «reconocimiento de patrones» en la cual «la imaginería satélite es productora de mapas» y «los mapas son productores de la imaginería satélite» en una circulación con diferentes procesos transformacionales, donde el machine learning es empleado para analizar un enorme set de datos provenientes de imágenes satelitales.

El mapa no es el territorio… sino otra versión de la realidad. (Korzybski 1933).

Los mapas son como mucho una realidad del mundo en una forma particular y codificada, que también tiene su propia realidad como un objeto con materialidad, temporalidad y como una cosa con significado que es tan evidente como la realidad visceral del mundo mismo. Los mapas representan el conocimiento espacial, mostrado a vista de pájaro. Visualizan lo invisible al homogeneizar radicalmente algo que no es homogéneo mediante un medio basado en la linea, el punto y la superficie. Los mapas tienen el potencial como instrumento de poder para ciertas intenciones. Sustituyen al poder político y militar con una manera de representar las fronteras entre territorios y pueden repetir, legitimar y construir las diferencias entre clases y autocomprensiones sociales.

Como mapas no pueden ser realizados sin la interpretación, generalización y simplificación como el símbolo «árbol» para un bosque o un «círculo rojo» para una ciudad. Ocurre lo mismo con los datos que son usados en la «teledetección». Los datos siempre se traducen en aquello que deberían representar. Las imágenes, listas, gráficos y mapas que representan aquellos datos son todos interpretaciones, y existe nada como dato neutral. Los datos siempre son recogidos con una intención específica mediante una combinación de gente, tecnología, dinero, comercio y gobierno. La fase «visualización de datos», en ese sentido, es un poco redundante, porque los datos son ya una visualización.

Hoy en día el machine learning se emplea en el proceso de mapeado en los sistemas informáticos geográficos, abreviados como «GIS» para observar la superficie de la tierra y detectar anomalías a tiempo real e identificar cambios en cortos periodos de tiempo, por ejemplo; desarrollo industrial, actividades mineras, áreas de extracción de gas y petróleo, transformaciones urbanísticas, desarrollo de parcelas de tierra cultivable y demás. Estos sistemas están basados en un modelo donde se utiliza un conocimiento predefinido para generar conocimiento nuevo que representa el tópico de la «paradoja del reconocimiento de patrones». Identificar patrones acarrea que el patrón mismo debe ser predefinido de alguna manera para ser identificado. Por ejemplo, para identificar formaciones nubosas con fines meteorológicos es necesario clasificar miles de nubes.

La instalación muestra una red neuronal que está basada en un circuito retroalimentado, donde conocimiento predefinido como «datos de entrenamiento» es empleado en el proceso de mapeo. Cada nuevo dato que se genera se escribe directamente como «dato de entrenamiento» de donde la red recoge información, lo que significa que cada decisión de la red está basada en una decisión que ya fue tomada antes. La máquina dibuja un mapa y genera una imagen de satélite a través de este, luego vuelve a crear un nuevo mapa del que se vuelve a generar otra imagen de satélite en un loop eterno. En este proceso se remarca el hecho de que estamos altamente centrados en los números y tendemos a verlos como objetivos, inequívocos y de libre interpretación. Al hacerlo, surge una ceguera frente a los procesos que generan los datos y la suposición de que los números hablan por sí mismos. No solo la colección de datos provee una visión interpretativa, sino que también los procesos computacionales permiten otras interpretaciones. Así, los números son vistos como el mundo en sí mismo, olvidando que los números solo representan un modelo del mundo. Este modelo, sin embargo, quiere decir que las personas adaptan su conocimiento a partir de las expectativas del modelo y se concentran en manejar los números adecuados.

Traducido desde la fuente: Pablo M. Garrido

Link al proyecto: http://simonweckert.com/mapsfromspace.html