Fuente: Mari Navas/mari_navas@efeverde.com
Madrid.- La inteligencia artificial (IA), especialmente el aprendizaje automático, se ha convertido en un recurso valioso para los humanos frente a catástrofes naturales, desde evaluar la probabilidad de incendios hasta anticipar inundaciones súbitas en zonas urbanas.
La última empresa en aplicar la IA en este campo ha sido Google. Recientemente, la compañía tecnológica lanzó una nueva técnica llamada Groundsource, basada en inteligencia artificial, que convierte datos públicos en un archivo de alta calidad con registros históricos sobre desastres.
Desastres naturales y turismo: factores clave en vulnerabilidad y resiliencia
Google ha entrenado un modelo utilizando conjuntos de datos extraídos de informes públicos y sus localizaciones, logrando avances importantes en la predicción de inundaciones repentinas en entornos urbanos con hasta 24 horas de antelación.
Asimismo, la empresa ha señalado que esta metodología “puede utilizarse para otros desastres naturales, como deslizamientos o olas de calor, transformando reportes verificados de todo el mundo en bases de datos que favorecen una mayor resiliencia global”.
La solución de Google abre nuevas vías para aplicar tecnología en desastres naturales, aunque no es la única iniciativa.
En España, investigadores de la Universidad de Murcia (UMU) han creado un prototipo capaz de anticipar a nivel mundial anomalías en las zonas quemadas hasta cuatro meses antes del inicio de la temporada de incendios, gracias a la combinación de datos climáticos y aprendizaje automático, alcanzando un 70 % de eficacia en áreas vulnerables.
“Este modelo básicamente busca predecir anomalías, ya sean positivas o negativas; es decir, si la temporada tendrá más o menos incendios de lo habitual”, explicó a EFEverde Miguel Ángel Torres, investigador del prototipo y docente en la Universidad de Alcalá de Henares (UAH).
El prototipo fue desarrollado dentro del proyecto ONFIRE, concluido en diciembre pasado, y nunca se pensó que fuera operativo; sin embargo, Torres considera que podría implementarse en tiempo real tanto a nivel global como regional, aunque reconoció que esto requeriría recursos adicionales.
El modelo muestra mayor precisión en regiones con alta incidencia de incendios, como España, Australia o California. Por ejemplo, en mayo del año pasado anticipó una probabilidad entre el 90 y 100 % de anormalidad en incendios para agosto en España.
“Si hubiésemos contado con más detalles, quizá habríamos sabido qué áreas específicas serían afectadas, ya que finalmente los incendios se concentraron principalmente en el noroeste español”, añadió.
Además de contribuir al avance científico, Torres destacó que estos modelos ayudan a anticiparse y gestionar recursos con suficiente tiempo para evitar catástrofes como las ocurridas este verano.
“Nosotros calculamos la probabilidad de que una región o punto específico experimente una anomalía en la extensión de incendios”, afirmó antes de señalar que ello permite prever si un fuego tendrá una propagación superior a lo normal.
Este contenido fue hecho con la asistencia de una inteligencia artificial y contó con la revisión del editor/periodista.
Agregar Comentario