Georeferencing Non-Gazetteered Place Names using Biological Specimen Records

Imagina que eres un detective tratando de resolver un misterio, pero en lugar de buscar a una persona desaparecida, estás tratando de encontrar un lugar que no existe en ningún mapa. Este es el mundo de la georreferenciación, una rama de la ciencia que convierte palabras que describen una ubicación en coordenadas reales (como latitud y longitud) que las computadoras pueden usar. Usualmente, esto es fácil: si un texto dice "París", una computadora lo busca en un diccionario digital de lugares llamado gazetteer (gazetteer) y encuentra el punto exacto. Pero, ¿qué sucede cuando un texto menciona un lugar que no está en el diccionario? Tal vez sea un nombre antiguo de hace 100 años, un apodo local que solo los vecinos conocen, o un punto específico como "el gran roble cerca del arroyo" que nunca recibió un nombre oficial. Estos son llamados nombres de lugares no incluidos en el gazetteer. Son como fantasmas en la máquina: lugares reales que la computadora simplemente no puede ver porque faltan en sus libros de referencia. Esto es importante porque millones de registros históricos, desde cartas antiguas hasta diarios científicos, están llenos de estos nombres invisibles, bloqueando el conocimiento geográfico valioso que no podemos acceder ni utilizar.

Este artículo se sumerge en un tesoro de tales ubicaciones ocultas: registros de especímenes biológicos. Piensa en ellos como las notas de campo de científicos que han pasado más de un siglo recolectando plantas, insectos y hongos. Cuando encontraban una nueva especie, anotaban exactamente dónde la encontraban, a menudo usando nombres locales y no oficiales para los puntos de referencia. Los investigadores en este estudio se hicieron una gran pregunta: ¿Podemos usar las pistas esparcidas a través de miles de estas notas antiguas para descubrir dónde están realmente estos lugares "fantasma"? Trataron los registros de especímenes como un rompecabezas gigante. Si una nota dice que una planta fue encontrada "al norte de Cabstand" y otra dice que fue encontrada "al sur de Cabstand", y sabemos las coordenadas exactas de donde se recogieron esas plantas, podemos trabajar hacia atrás para encontrar dónde debe estar "Cabstand". Al combinar estas pistas, el equipo intentó fijar las ubicaciones de estos lugares faltantes utilizando tres estrategias de detective diferentes: un método de seguimiento estricto de reglas, un método de probabilidad basado en matemáticas y un método moderno de Inteligencia Artificial (IA).

El misterio de los lugares perdidos

La historia comienza con una colección masiva de datos del Allan Herbarium en Nueva Zelanda. Los investigadores examinaron más de 13,000 registros digitales de especímenes de plantas. Escanearon el texto en busca de nombres de lugares y luego los cotejaron con las bases de datos de mapas gubernamentales oficiales. Como sospechaban, encontraron cientos de nombres que no existían en ningún gazetteer oficial. Estos eran los Nombres de Lugares No Incluidos en el Gazetteer (NGP por sus siglas en inglés). Algunos eran antiguas estaciones de granjas, otros eran antiguos puntos trigonométricos (marcadores de agrimensura), y otros eran simplemente puntos de la comunidad local, como una escuela específica o una casa de té.

El problema era que estos nombres no tenían coordenadas. Para resolverlo, el equipo se dio cuenta de que tenían un arma secreta: la redundancia. En el mundo de la biología de campo, los científicos suelen recolectar muchas muestras en la misma área general. Esto significa que el mismo nombre de lugar oculto puede aparecer en docenas de notas diferentes, cada vez con una descripción distinta. Una nota podría decir "Cerca de Cabstand", mientras que otra dice "A 1 milla al norte de Cabstand". Aunque "Cabstand" no esté en un mapa, los especímenes a su alrededor sí lo están. Al saber exactamente dónde se encontraron los especímenes, los investigadores pudieron realizar ingeniería inversa para encontrar la ubicación del nombre de lugar faltante.

Tres formas de resolver el rompecabezas

Para descifrar el código, el equipo probó tres enfoques, cada uno con su propia personalidad.

1. El seguidor estricto de reglas (Método Determinista)
Imagina a un robot que sigue instrucciones perfectamente pero se confunde si las instrucciones son ligeramente vagas. Este método intentaba dibujar un "recuadro" estricto alrededor de la posible ubicación del lugar faltante. Si una nota decía "al norte de", el robot dibujaba una línea y decía: "El lugar debe estar arriba de esta línea". Si otra nota decía "al sur de", dibujaba otra línea. La respuesta tenía que ser donde todas las líneas se cruzaban.

• El Resultado: Este método era muy exigente. Si las pistas no coincidían perfectamente (lo cual ocurría a menudo porque las notas antiguas pueden ser vagas), el robot se rendía y decía: "No puedo resolver esto". Falló en encontrar una ubicación para 108 de los 365 lugares que intentó resolver. Cuando sí funcionaba, no era muy preciso.

2. El mago de las matemáticas (Método Probabilístico)
Este enfoque era más parecido a un pronosticador del clima. En lugar de dibujar líneas duras, utilizaba las matemáticas para calcular la probabilidad de que un lugar estuviera en un cierto punto. Trataba cada pista como un "voto". Una nota que decía "1 km al este" emitía un voto fuerte por un punto a 1 km al este. Una nota que decía "cerca" emitía un voto más suave y amplio. La computadora sumaba todos los votos para encontrar el punto con la puntuación total más alta.

• El Resultado: Este fue el campeón. Logró encontrar la ubicación de cada uno de los lugares. Fue el más preciso, con una mediana de error de 1.43 km. Esto significa que la mitad de las veces, la ubicación adivinada estaba dentro de 1.43 km del lugar real. También logró situarse dentro de 1 km de la verdad el 36% de las veces.

3. El detective de IA (Método LLM)
Este método utilizó un Modelo de Lenguaje Grande (un modelo de IA avanzado) y le entregó el texto bruto de las notas y las coordenadas, pidiéndole que "lo descifrara". La IA tenía que leer las pistas, entender las relaciones (como "al norte de" o "cerca") y hacer el cálculo mental para adivinar el punto. Los investigadores incluso le pidieron a la IA que explicara su razonamiento, lo que sorprendentemente ayudó a que mejorara.

• El Resultado: La IA fue una fuerte contendiente. Encontró ubicaciones para todos los lugares y tuvo un error promedio muy bajo, lo que sugiere que rara vez cometía errores enormes o disparatados. Sin embargo, no fue tan precisa como el Mago de las Matemáticas. Su mediana de error fue de 1.80 km, y solo logró situarse dentro de 1 km de la verdad el 31% de las veces.

Lo que las pistas nos dicen

El estudio encontró algunos patrones interesantes sobre cómo estos métodos manejan diferentes tipos de pistas.

• La distancia importa: Cuando una nota decía "1 km al norte", todos los métodos funcionaban mejor. La distancia proporcionaba un anclaje sólido.
• La dirección sola es complicada: Si una nota solo decía "norte" sin una distancia, el Mago de las Matemáticas tenía un poco más de dificultad porque "norte" podía significar cualquier cosa desde unos pocos metros hasta cientos de kilómetros de distancia. La IA, sin embargo, fue sorprendentemente buena para adivinar la distancia correcta incluso sin un número, probablemente utilizando su entrenamiento sobre cómo la gente suele describir las cosas.
• El problema del "cerca": La pista más común era simplemente "cerca". Esto es vago. El Mago de las Matemáticas manejó esto bien al tratar "cerca" como un círculo difuso alrededor del espécimen. La IA también lo hizo bien, pero a veces dependía de su propio conocimiento interno de cómo funciona el mundo, lo cual es un arma de doble filo (podría adivinar correctamente por suerte, o equivocarse basándose en una suposición errónea).

El veredicto

El artículo concluye que, si bien la IA es increíblemente inteligente y flexible, el modelado matemático tradicional (el Método Probabilístico) sigue siendo el rey de la precisión cuando se necesita encontrar un punto específico en el terreno. La IA es excelente para hacer una buena conjetura y explicar su pensamiento, pero si se necesita la ubicación más precisa posible, el enfoque basado en matemáticas gana.

Los investigadores advierten cuidadosamente que esto no es una solución mágica que lo arregla todo. Los métodos funcionan mejor cuando hay múltiples pistas (al menos tres notas que mencionan el mismo lugar) y cuando las coordenadas de los especímenes son precisas. También señalan que su prueba se realizó en un conjunto de datos "pseudo" donde ya conocían las respuestas de antemano para verificar su trabajo, por lo que la aplicación en el mundo real podría presentar desafíos diferentes.

En última instancia, este estudio demuestra que no tenemos que desechar las notas de campo viejas y desordenadas solo porque mencionan lugares que no están en los mapas modernos. Al tratar estos registros como una red de pistas, podemos devolver la vida a estos lugares "fantasma", llenando los vacíos en nuestros mapas digitales y preservando la historia geográfica de nuestro mundo. La próxima vez que veas una nota que dice "encontrado cerca del viejo molino", sabrás que, con suficientes otras notas, probablemente podamos encontrar exactamente dónde se encontraba ese molino.