Descubre cómo la inteligencia artificial salva vidas prediciendo terremotos, inundaciones o huracanes, y mejorando la gestión de emergencias climáticas.
BEATRIZ DE VERA | HABLANDO EN VIDRIO
La inteligencia artificial y la detección de desastres naturales están avanzando de forma paralela gracias al uso de datos masivos y modelos predictivos. Desde terremotos e incendios hasta inundaciones y huracanes, la IA permite anticipar fenómenos extremos, coordinar respuestas y reducir el impacto en vidas humanas y bienes materiales.
Gracias al análisis de grandes volúmenes de datos, la inteligencia artificial detecta patrones complejos que ayudan a anticipar eventos extremos relacionados con desastres naturales, mejorando la capacidad de respuesta y prevención.
En este post podrás leer:
¿Cómo se aplica la inteligencia artificial en la detección de desastres naturales?
La combinación del análisis masivo de datos y algoritmos de aprendizaje automático permite a la IA transformar la detección temprana de desastres naturales. Su aplicación ya está cambiando cómo nos preparamos ante emergencias como huracanes, terremotos o incendios forestales. Este avance ha hecho que el binomio inteligencia artificial y detección desastres naturales cobre cada vez más importancia en la gestión del riesgo climático.
La IA presenta la oportunidad de analizar datos históricos y otros en tiempo real, tomados de imágenes satelitales, registros sísmicos o sistemas de predicción meteorológica, y mediante algoritmos de aprendizaje automático, detectar señales tempranas de eventos extremos. Estos son algunos de los ejemplos de inteligencia artificial aplicada a la detección temprana de fenómenos naturales.
Inundaciones
Entre las tecnologías de predicción está el ejemplo de Google, que ha desarrollado Flood Forecasting, un modelo de IA para anticipar inundaciones y alertar a comunidades vulnerables hasta con 7 días de antelación. En 2023, este sistema logró alertar con cinco días de anticipación las inundaciones en India y Bangladés, permitiendo a miles de personas evacuar a tiempo.
“Al advertir a las organizaciones y a las personas, esperamos empoderarlas para que actúen, limitando los daños y la pérdida de vidas. Trabajamos en estrecha colaboración con los gobiernos, la ONU y las ONGs para implementar y distribuir alertas de inundaciones”, dicen en su web. El hub cubre actualmente cuencas fluviales en más de 80 países de todo el mundo.
Terremotos y tsunamis
Predecir terremotos sigue siendo una tarea especialmente compleja. DeepShake es una red neuronal profunda que ofrece alertas tempranas de sismos. Predice su intensidad futura basándose en las observaciones actuales del movimiento del suelo, y al aprender de los datos de entrenamiento, puede pronosticar la intensidad futura de los temblores sin información previa sobre la ubicación.
Fue entrenado con los terremotos de Ridgecrest de 2019, que se produjeron en California (EE.UU) , y alertó sobre temblores con al menos cinco segundos de anticipación, logrando una tasa de error equivalente del 11,4%.
Incendios
El dron Prometheus, desarrollado por Prometheus S.A., una empresa polaca especializada en vehículos aéreos no tripulados de nueva generación está entrenado para la detección temprana de incendios forestales, lo que permite una respuesta más rápida y efectiva en la lucha contra estos siniestros.
La capacidad del dron para recopilar datos precisos y en tiempo real es fundamental para su eficacia en estas aplicaciones, ya que proporciona información detallada que facilita la toma de decisiones informadas y oportunas.
Huracanes
Existen también modelos que utilizan imágenes satelitales para anticipar la intensidad y trayectoria de huracanes. Los desarrollados por ejemplo por empresas como Nvidia, Huawei o Google DeepMind, pueden generar predicciones meteorológicas en minutos.
Durante la formación del huracán Lee en septiembre de 2023, en las Bermudas (Estados Unidos), estos modelos de IA predijeron trayectorias similares a las de los modelos tradicionales, demostrando su eficacia. Estos avances son una muestra más de cómo la inteligencia artificial y la detección desastres naturales están convergiendo para ofrecer soluciones más rápidas y precisas.
Ejemplos en España
España ha adoptado la IA en la gestión de desastres naturales. En Aragón, por ejemplo, Amazon Web Services invertirá 17,2 millones de euros en tecnología de IA para reducir riesgos de inundaciones, modernizando infraestructuras y optimizando el uso agrícola del agua.
En La Rioja, por su parte, la startup SpectralGeo utiliza IA y datos satelitales para prever plagas y calcular la productividad de viñedos; y en Castilla y León, la Universidad de León y la Unidad Militar de Emergencias (UME) han establecido una cátedra para desarrollar sistemas inteligentes que mejoren la respuesta ante catástrofes naturales.
La respuesta ante desastres
Además de la predicción, la inteligencia artificial aplicada a la detección de desastres naturales también desempeña un papel clave en la respuesta y gestión de emergencias. En contextos críticos, puede analizar redes sociales, datos satelitales, imágenes de drones y sensores para identificar zonas afectadas y optimizar la logística del rescate.
A pesar de sus avances, las inundaciones en Valencia en octubre de 2024 fueron un claro ejemplo de que aunque se hayan mejorado los sistemas de alerta, no puede eliminar completamente el riesgo de desastres. La IA en la predicción de desastres enfrenta desafíos como la disponibilidad y calidad de los datos, ya que en algunas regiones no existen suficientes sensores o infraestructura para recopilar información precisa. Además, los modelos de IA pueden cometer errores si los datos son insuficientes o están sesgados.
Aunque aún enfrenta desafíos, como la escasez de datos en ciertas regiones o el sesgo de los modelos, la inteligencia artificial y la detección de desastres naturales están marcando un antes y un después en la forma de enfrentar el riesgo climático. Su desarrollo será clave para construir sociedades más resilientes, informadas y protegidas.