Cómo el público resuelve un misterio de 800 años

Indiana Jones, el gran arqueólogo (ficticio), utilizó su propio cerebro y creatividad para abordar los acertijos intelectuales más difíciles en su búsqueda del Santo Grial. La autosuficiencia de Indy representa el enfoque dominante para los problemas difíciles, es decir, las personas y las organizaciones buscan la solución por sí mismas. Hoy en día, esta autosuficiencia está dando paso a un nuevo enfoque: multitudes dispersas por todo el mundo, que a menudo se cuentan por miles, participan para ayudar a resolver los problemas a una escala, velocidad y alcance que empequeñecen los esfuerzos tradicionales. (Nuestro reciente artículo sobre el tema examina cómo se puede utilizar a las multitudes como socios de innovación.)

Pensemos en el caso del Dr. Albert Yu-Min Lin, científico investigador de la Universidad de California en San Diego y explorador emergente de la National Geographic Society. Cambió el campo de la arqueología al involucrar a más de 28 000 personas de todo el mundo para que lo ayudaran a resolver uno de los problemas más enigmáticos de la historia: localizar la tumba de Genghis Kan.

A principios del siglo XIII, Khan y su ejército cruzaron las estepas de Mongolia para conquistar el norte de China y Asia Central, y formaron el Imperio mongol, que, tras su muerte, continuó convirtiéndose en el mayor imperio contiguo de la historia de la humanidad, que se extendía desde el este hasta el Mar de Japón y hasta el oeste como partes de Europa.

Sin embargo, la muerte del Kan está envuelta en un misterio y solicitó que lo enterraran en una tumba sin nombre. Cuenta la leyenda que lo enterraron en un lugar tan secreto que la fiesta fúnebre mató a todos los que encontraron cuando se dirigían al lugar y, a su vez, fueron masacrados por otro ejército para mantener su cementerio en secreto. A lo largo de los siglos, innumerables arqueólogos de todo el mundo han intentado (y no han logrado) encontrar la tumba de Khan.

La Dra. Lin, cautivada por el misterio, aceptó el desafío. Doctor en ingeniería, teorizó que se podrían utilizar algoritmos de aprendizaje automático en imágenes satelitales de alta resolución de Mongolia para ayudar a identificar el cementerio de Khan. Sin embargo, rápidamente se encontró con un problema. Mongolia es un país grande, con un terreno diverso y mapas deficientes; para obtener los datos de sus algoritmos, tendría que procesar cientos de miles de imágenes y asegurarse de que estaban etiquetadas con precisión. Pero había un problema aún mayor: sin un consenso sobre el aspecto real del cementerio de Khan, las máquinas de Lin se limitaban a adivinar, sin importar lo inteligente que fuera el algoritmo que utilizaran. Necesitaría la ayuda de un experto para identificar sitios prometedores.

Frustrado, Lin le dio la vuelta al problema. Como científico informático, había experimentado el poder de las comunidades de código abierto no solo para resolver problemas mundanos de ayuda técnica, sino también para crear sistemas de software complejos, una microtarea a la vez. Lin se dio cuenta de que si podía reunir a la multitud para que revisara toda la base de datos de imágenes, un kilómetro cuadrado a la vez, etiquetara cada imagen y también anotara cualquier sitio antiguo de interés, podría centrarse en el cementerio. En lugar de contratar al único experto que podría ayudar a etiquetar e identificar, él añadiría las respuestas del público para que las áreas de convergencia entre los participantes independientes condujeran a evaluaciones precisas. Por lo tanto, utilizó a la multitud tanto para distribuir de forma rentable la mano de obra necesaria para etiquetar todas las imágenes como para distribuir la tarea cognitiva de identificar los sitios antiguos.

En colaboración con la National Geographic Society, la Dra. Lin creó la iniciativa de cartografía de Mongolia. A los participantes se les proporcionó uno de los 84 183 mosaicos de imágenes en alta resolución (que cubren 6 000 kilómetros cuadrados) y se les pidió que etiquetaran la imagen para las siguientes características: «carreteras». «ríos», «estructura moderna», «estructura antigua» y «otros». Cuando completaron el etiquetado, se les mostraron las etiquetas de los demás participantes y tuvieron la opción de reajustar su imagen mental de la tumba para el siguiente mosaico de imágenes presentado al azar. El iniciativa se lanzó en junio de 2010 y, en seis meses, más de 10 000 personas habían creado más de 2,3 millones de etiquetas de imagen. Al observar un área de alta densidad de etiquetas, Lin observó la convergencia de la concordancia paralela entre cientos de participantes seleccionados al azar. Así es como pudo, como él dice, «unir la percepción humana» a gran escala. El proyecto sigue en marcha y más de 28 000 personas han contribuido con datos de análisis de imágenes.

Luego, el equipo del Dr. Lin utilizó estas imágenes para identificar 100 estructuras antiguas plausibles y, a continuación, viajó a los sitios, tal como lo habría hecho Indy Jones, por terrenos accidentados a pie y a caballo para observarlos más de cerca. De los lugares encuestados, se identificaron positivamente cincuenta y cinco sitios de importancia arqueológica y cultural, incluidos los túmulos funerarios «khirigsuur» de la Edad del Bronce, los megalitos de «piedra de ciervo» y las fortificaciones de las ciudades antiguas. Actualmente, el equipo del Dr. Lin está realizando estudios arqueológicos avanzados en estos sitios para determinar la probabilidad de que alguna de ellas sea la tumba del gran Khan. Los resultados preliminares parecen muy prometedores.