tEl número de personas que viven en zonas urbanas ha triplicado en los últimos 50 años, lo que significa que cuando un desastre natural importante, como un terremoto, golpea una ciudad, más vidas corren peligro. Mientras tanto, la intensidad y frecuencia de los fenómenos meteorológicos extremos ha aumentado, una tendencia listo para continuar a medida que el clima se calienta. Esto está estimulando esfuerzos en todo el mundo para desarrollar una nueva generación de sistemas de monitoreo de terremotos y pronóstico climático para hacer que la detección y respuesta a los desastres sea más rápida, más barata y más precisa que nunca.
El 6 de noviembre, en el Centro de Supercomputación de Barcelona, España, se reunirá por primera vez la Iniciativa Global sobre Resiliencia a los Amenazas Naturales a través de Soluciones de IA. Las nuevas Naciones Unidas iniciativa tiene como objetivo guiar a gobiernos, organizaciones y comunidades en el uso de la IA para la gestión de desastres.
La iniciativa se basa en casi cuatro años de trabajo preliminar sentado por la Unión Internacional de Telecomunicaciones, la Organización Meteorológica Mundial (OMM) y el Programa de las Naciones Unidas para el Medio Ambiente, que a principios de 2021 convocaron colectivamente una grupo de enfoque comenzar a desarrollar mejores prácticas para el uso de la IA en la gestión de desastres. Estos incluyen mejorar la recopilación de datos, mejorar los pronósticos y optimizar las comunicaciones.
“Lo que me parece interesante es que, para un tipo de peligro, hay muchas maneras diferentes en que se puede aplicar la IA y esto crea muchas oportunidades”, dice Monique Kuglitsch, quien presidió el grupo focal. Tomemos como ejemplo los huracanes: en 2023, investigadores mostró que la IA podría ayudar a los formuladores de políticas a identificar los mejores lugares para colocar sensores de tráfico para detectar bloqueos de carreteras después de tormentas tropicales en Tallahassee, Florida. Y en octubre, los meteorólogos utilizaron modelos de pronóstico del tiempo de IA para exactamente predecir que El huracán Milton aterrizaría cerca de Cayo Siesta, Florida. La IA también se está utilizando para alertar al público de manera más eficiente. El año pasado, el Servicio Meteorológico Nacional anunciado una asociación con una empresa de traducción de IA Canción rítmica para ayudar a entregar pronósticos en español y chino simplificado, lo que, según dice, puede reducir el tiempo para traducir una advertencia de huracán de una hora a 10 minutos.
Además de ayudar a las comunidades a prepararse para los desastres, la IA también se utiliza para coordinar los esfuerzos de respuesta. Siguiendo a ambos Huracán milton y huracán ianla organización sin fines de lucro GiveDirectly utilizó los modelos de aprendizaje automático de Google para analizar imágenes anteriores y posteriores al satélite para identificar las áreas más afectadas y priorizar las subvenciones en efectivo en consecuencia. El año pasado, se implementó el análisis de imágenes aéreas con IA en ciudades como Quelimane, Mozambique, después del ciclón Freddy y Adıyaman, Turquía, después de un terremoto de magnitud 7,8, para ayudar en los esfuerzos de respuesta.
Leer más: Cómo los meteorólogos utilizan la IA para pronosticar el huracán Milton y otras tormentas
Operar sistemas de alerta temprana es principalmente una responsabilidad gubernamental, pero el modelado climático de IA (y, en menor medida, la detección de terremotos) se ha convertido en una industria privada floreciente. Puesta en marcha SísmicaAI dice que está trabajando con las agencias de protección civil en los estados mexicanos de Guerrero y Jalisco para implementar una red de sensores mejorada con inteligencia artificial, que detectaría terremotos en tiempo real. Gigantes tecnológicos Google, NVIDIAy Huawei se están asociando con pronosticadores europeos y dicen que sus modelos impulsados por inteligencia artificial pueden generar pronósticos precisos a mediano plazo miles de veces más rápido que los modelos tradicionales, y al mismo tiempo son menos intensivos en computación. Y en septiembre, IBM asociado con la NASA para lanzar un modelo de código abierto de propósito general que se puede utilizar para diversos casos de modelado climático y que se ejecuta en una computadora de escritorio.
Avances de la IA
Si bien las técnicas de aprendizaje automático se han incorporado a los modelos de pronóstico del tiempo durante muchos años, los avances recientes han permitido construir muchos modelos nuevos utilizando IA desde cero, mejorando la precisión y la velocidad de los pronósticos. Los modelos tradicionales, que se basan en complejas ecuaciones basadas en la física para simular las interacciones entre el agua y el aire en la atmósfera y requieren supercomputadoras para funcionar, pueden tardar horas en generar un solo pronóstico. Por el contrario, los modelos meteorológicos de IA aprenden a detectar patrones entrenándose con décadas de datos climáticos, la mayoría de los cuales se recopilaron a través de satélites y sensores terrestres y se compartieron a través de la colaboración intergubernamental.
Tanto los pronósticos basados en la IA como en la física funcionan dividiendo el mundo en una cuadrícula tridimensional de cuadros y luego determinando variables como la temperatura y la velocidad del viento. Pero como los modelos de IA son más eficientes desde el punto de vista computacional, pueden crear grillas mucho más finas. Por ejemplo, el modelo de mayor resolución del Centro Europeo para Pronósticos Meteorológicos a Medio Plazo divide el mundo en cuadros de 5,5 millas, mientras que los pronósticos iniciales atmósfera ofrece modelos de menos de una milla cuadrada. Este aumento en la resolución puede permitir una asignación más eficiente de recursos durante eventos climáticos extremos, lo cual es particularmente importante para las ciudades, dice Johan Mathe, cofundador y CTO de la compañía, que a principios de este año firmó ofertas con Filipinas y la nación insular de Tuvalu.
Limitaciones
Los modelos impulsados por IA suelen ser tan buenos como los datos con los que se entrenan, lo que puede ser un factor limitante en algunos lugares. “Cuando estás en una situación de mucho riesgo, como un desastre, necesitas poder confiar en el resultado del modelo”, dice Kuglitsch. Las regiones más pobres, a menudo en la primera línea de desastres relacionados con el clima—normalmente tienen menos sensores meteorológicos y peor mantenidos, por ejemplo, creando lagunas en los datos meteorológicos. Los sistemas de inteligencia artificial entrenados con estos datos sesgados pueden ser menos precisos en los lugares más vulnerables a los desastres. Y a diferencia de los modelos basados en la física, que siguen reglas establecidas, a medida que los modelos de IA se vuelven más complejos, operan cada vez más como “cajas negras” sofisticadas, donde el camino desde la entrada hasta la salida se vuelve menos transparente. El objetivo de la iniciativa de la ONU es desarrollar directrices para el uso responsable de la IA. Kuglitsch dice que los estándares podrían, por ejemplo, alentar a los desarrolladores a revelar las limitaciones de un modelo o garantizar que los sistemas funcionen a través de fronteras regionales.
La iniciativa pondrá a prueba sus recomendaciones sobre el terreno colaborando con los organismos de previsión y pronóstico mediterráneos y paneuropeos. Sistema de Alerta Temprana Contra amenazas naturales (MedEWSa), un proyecto que surgió del grupo focal. “Vamos a aplicar las mejores prácticas del grupo focal y generar un ciclo de retroalimentación para determinar cuáles de las mejores prácticas son más fáciles de seguir”, dice Kuglitsch. Un proyecto piloto de MedEWSa explorará el aprendizaje automático para predecir la aparición de incendios forestales en un área alrededor de Atenas, Grecia. Otro utilizará la IA para mejorar las advertencias de inundaciones y deslizamientos de tierra en los alrededores de la ciudad de Tbilisi, Georgia.
Mientras tanto, empresas privadas como Mañana.io están tratando de colmar estas lagunas recopilando sus propios datos. La startup de pronóstico del tiempo con IA ha lanzado satélites con radar y otros sensores meteorológicos para recopilar datos de regiones que carecen de sensores terrestres, que combina con datos históricos para entrenar sus modelos. La tecnología de Tomorrow.io está siendo utilizada por ciudades de Nueva Inglaterra, incluida Boston, para ayudar a los funcionarios de la ciudad a decidir cuándo poner sal en las carreteras antes de las nevadas. También lo utilizan Uber y Delta Airlines.
Otra iniciativa de la ONU, la Facilidad de Financiamiento de Observaciones Sistemáticas (SOFF), también pretende cerrar la brecha de datos meteorológicos proporcionando financiación y asistencia técnica en los países más pobres. Johan Stander, director de servicios de la OMM, uno de los socios de SOFF, dice que la OMM está trabajando con desarrolladores privados de IA, incluidos Google y Microsoft, pero destaca la importancia de no traspasar demasiada responsabilidad a los sistemas de IA.
“No puedes acercarte a una máquina y decir: 'Está bien, te equivocaste'. Contéstame, ¿qué está pasando?' Todavía necesitas que alguien se haga cargo de esa responsabilidad”, afirma. Considera que el papel de las empresas privadas es el de “apoyar los servicios meteorológicos nacionales, en lugar de intentar apoderarse de ellos”.
