IA en la gestión de desastres naturales

Los huracanes, los terremotos, los incendios forestales y las inundaciones forman parte de la naturaleza. Sin embargo, en los últimos años hemos observado un aumento de este tipo de desastres naturales. Muchas personas han perdido sus hogares, sus medios de vida e incluso la vida debido a desastres naturales cada vez más graves y frecuentes. El número de desastres relacionados con el clima se ha triplicado en los últimos 30 años. Según informes de la ONU, adaptarse a estos desastres y hacerles frente costará a los países en desarrollo entre 140 000 y 300 000 millones de dólares al año de aquí a 2030.

Sin embargo, gracias a los avances tecnológicos recientes, como la IA, la gestión de desastres naturales se está agilizando y mejora desde la predicción de desastres hasta la asistencia en las tareas de recuperación. En este artículo profundizaremos en la gestión de desastres naturales, veremos cómo la IA mejora cada etapa del proceso y exploraremos aplicaciones de IA que nos protegen.

Fig. 1. Gráfico que muestra el aumento de los desastres naturales entre 1900 y 2019.

Uso de la IA para predecir desastres y gestionar los riesgos de forma proactiva#

Los sistemas de IA para predecir y detectar desastres con antelación pueden ayudar a reducir los daños causados por los desastres naturales. Estos sistemas permiten avisar con antelación a los residentes locales y a los equipos de primera respuesta para mitigar los efectos del desastre. Las herramientas de IA pueden analizar grandes volúmenes de datos y realizar predicciones precisas para anticipar desastres naturales como huracanes e incendios forestales antes de que ocurran.

Las técnicas de IA, como el aprendizaje automático y la visión artificial, utilizan redes neuronales profundas para analizar grandes conjuntos de datos procedentes de distintas fuentes, como imágenes de satélite, datos meteorológicos y registros históricos. Estas redes contienen neuronas artificiales interconectadas que pueden identificar patrones y anomalías que indican la posibilidad de un desastre. Al procesar y analizar la enorme cantidad de datos recopilados mediante herramientas como el análisis de macrodatos, se pueden entrenar modelos de IA para proporcionar sistemas de alerta temprana y ayudar a reducir el impacto de los desastres naturales.

Por ejemplo, se puede utilizar la IA para predecir las réplicas de terremotos mediante el procesamiento de datos sísmicos. Google y Harvard desarrollaron un sistema de IA que analizó datos de 131 000 terremotos y réplicas. Al probarlo con 30 000 eventos sísmicos, este sistema de IA predijo la ubicación de las réplicas con mayor precisión que los métodos tradicionales. En el ejemplo de predicción de réplicas que se muestra a continuación, las zonas en las que se prevén réplicas aparecen marcadas en rojo. Los puntos negros indican la ubicación de las réplicas observadas y la línea amarilla muestra las fallas que se rompieron durante el terremoto principal.

Fig. 2. Imagen que muestra el resultado de la predicción de réplicas.

Sistemas de preparación ante desastres basados en IA#

Una vez previsto un desastre, el siguiente paso en la gestión de desastres naturales es prepararse. Los sistemas de IA que proporcionan información oportuna y precisa sobre los riesgos pueden evitar pérdidas humanas y económicas. Estos datos ayudan a las autoridades a estar preparadas para las emergencias y actuar con rapidez para salvar vidas. Por ejemplo, los agricultores, los pescadores y los trabajadores forestales son algunas de las comunidades más expuestas a los desastres naturales, y las soluciones de IA pueden ayudarles a evitar pérdidas.

Las soluciones de visión artificial y análisis de imágenes también pueden ayudar a supervisar y seguir los patrones meteorológicos mediante el procesamiento de imágenes de satélite en tiempo real. El seguimiento de la trayectoria de estos desastres, como los ciclones, permite que las zonas potencialmente afectadas se preparen mejor. Por ejemplo, la NASA ha utilizado la computación en la nube y técnicas de aprendizaje profundo con fotografías de satélite para seguir huracanes como Harvey y Florence. Su sistema superó en seis veces a los métodos estándar, lo que permitió seguir el huracán cada hora en lugar de cada seis horas, como con los métodos tradicionales.

Fig. 3. Supervisión y seguimiento del huracán Florence mediante aprendizaje profundo (fuente).

IA en la respuesta ante desastres: más datos en tiempo real para los equipos de rescate#

Otra aplicación importante de la IA en la gestión de desastres naturales es la asistencia a los equipos de respuesta. Los sistemas de IA pueden proporcionar a estos equipos datos valiosos en tiempo real, como evaluaciones de daños y la ubicación de personas en peligro, y ayudarles a distribuir los recursos de socorro con mayor eficiencia. También pueden agilizar la entrega de ayuda a las personas de las zonas afectadas y mejorar las decisiones y actuaciones de los trabajadores de ayuda de primera línea.

Por ejemplo, durante cualquier desastre natural, las líneas telefónicas de emergencia, como el 911, se saturan de llamadas de personas en peligro. Si todas las llamadas se derivan a operadores humanos, los equipos de respuesta podrían pasar por alto detalles importantes. La IA puede gestionar grandes volúmenes de llamadas y mensajes en muy poco tiempo y realizar varias funciones mediante herramientas como la conversión de voz a texto y el procesamiento del lenguaje natural (NLP). Estas herramientas pueden extraer el contexto de cada llamada de emergencia para obtener información precisa sobre la naturaleza exacta de la emergencia y la ubicación de quien llama.

Estos datos reducen la duración de las llamadas y agilizan la respuesta ante emergencias. El mismo sistema se puede aplicar a las redes sociales con herramientas de IA como la visión artificial y el NLP.

¿Cómo pueden ayudar las plataformas de redes sociales a responder ante desastres naturales? Durante un desastre natural, las redes sociales pueden contener información práctica crucial justo después del suceso. Por ejemplo, las personas de las zonas afectadas pueden publicar texto, audio, imágenes y vídeos en las redes sociales. Gestionar y procesar manualmente toda esta información no es fácil, sobre todo cuando cada segundo cuenta. Herramientas como la plataforma AIDR (Respuesta digital mediante inteligencia artificial) pueden reducir los retrasos en la respuesta al procesar automáticamente las publicaciones en redes sociales. La plataforma analiza texto e imágenes de tuits (o de otras redes sociales) para obtener información humanitaria pertinente. Las organizaciones de respuesta ante desastres pueden utilizar los datos extraídos en tiempo real para orientar sus actuaciones y mejorar la eficiencia de sus esfuerzos.

Las innovaciones en IA también pueden ayudar directamente a los equipos de rescate sobre el terreno. Los modelos de visión artificial como Ultralytics YOLOv8 pueden ayudar a evaluar los daños en las zonas afectadas mediante imágenes de satélite y métodos como la segmentación semántica, que clasifica cada píxel de una imagen en categorías específicas. Por ejemplo, tras el terremoto de Turquía, el Departamento de Defensa de EE. UU. utilizó la segmentación semántica y las imágenes de satélite para identificar y clasificar la gravedad de los daños en las infraestructuras y los edificios de las zonas afectadas, a una velocidad muy superior a la de los métodos tradicionales de detección. El uso de estos métodos redujo el proceso a horas o minutos, lo que permitió al centro de control y a los equipos de rescate responder con mayor rapidez en las zonas afectadas y facilitar la recuperación.

Fig. 4. Evaluación de daños mediante segmentación semántica.

IA para la recuperación tras desastres naturales mediante apoyo psicológico#

La fase de recuperación tras un desastre natural tiene como objetivo reconstruir las comunidades y hacerlas más fuertes. Una de las mejores formas de lograrlo es proporcionar apoyo de salud mental a las personas de las zonas afectadas. Tras un desastre de este tipo, los supervivientes pueden sufrir problemas de salud mental, como trastorno de estrés postraumático (PTSD). La tasa de PTSD tras un desastre puede alcanzar el 40 %. Las herramientas de IA pueden ayudar a las personas afectadas. Por ejemplo, Omdena es una empresa que proporciona apoyo psicológico mediante chatbots con IA.

Fig. 5. Chatbot de IA para ayudar a pacientes con PTSD.

La IA también puede contribuir a la investigación sobre salud mental y al apoyo psicológico. Los sistemas de IA pueden predecir problemas de salud mental analizando historias clínicas electrónicas con la misma precisión que los expertos humanos. Por ejemplo, algunos investigadores han utilizado la IA para analizar datos de redes sociales y evaluar los niveles de estrés de adultos jóvenes tras una experiencia traumática. Según sus estudios, la misma técnica también podría aplicarse para comprender el impacto de las crisis climáticas y los desastres naturales en la salud mental, tanto a corto como a largo plazo.

Ventajas e inconvenientes del uso de la IA en la gestión de desastres#

Ahora que hemos explicado cómo puede influir la IA en los distintos procesos de gestión de desastres naturales, veamos algunas de sus ventajas e inconvenientes. Estas son algunas de las ventajas de utilizar la IA para gestionar desastres:

• Mejorar la coordinación: Los sistemas de IA pueden mejorar la coordinación entre las distintas agencias y organizaciones que participan en la respuesta ante desastres, y reducir los retrasos y las ineficiencias.

• Automatizar tareas: La IA puede automatizar tareas repetitivas, como la introducción y el análisis de datos, y liberar recursos humanos para actividades más importantes durante un desastre natural, cuando cada segundo cuenta.

• Adaptación al cambio climático a largo plazo: La IA puede ayudar a identificar y evaluar los efectos del cambio climático, lo que permite a las comunidades de todo el mundo desarrollar estrategias de adaptación a largo plazo.

A pesar de sus numerosas ventajas, también hay limitaciones de la IA en la gestión de desastres naturales que conviene tener en cuenta. Estos son algunos de los principales retos de la IA en este ámbito:

• Altos costes de implementación: Desarrollar e implementar sistemas de IA para gestionar desastres puede ser caro, ya que suele requerir importantes inversiones en hardware, software y conocimientos especializados en IA.

• Problemas de privacidad de los datos: Los sistemas de IA utilizan datos geoespaciales de satélite, datos de redes sociales y comunicaciones de líneas de ayuda, entre otras fuentes, para evaluar los daños y localizar a las personas durante un desastre. Esto plantea problemas de privacidad relacionados con el uso de información personal sin consentimiento y la posible vigilancia.

• Dependencia de la calidad de los datos: Las predicciones de un modelo de IA solo pueden ser tan buenas como la calidad y la cantidad de los datos con los que se entrena. Si los modelos de IA se entrenan con datos inexactos, los resultados pueden ser menos eficaces, especialmente en situaciones críticas.

Reflexiones finales sobre la IA en la gestión de desastres naturales#

Hemos visto cómo la IA puede ayudar a salvar vidas durante un desastre natural. Nos permite predecir, prepararnos, responder y recuperarnos de forma más eficaz. Las herramientas de IA pueden predecir terremotos, seguir huracanes y mejorar las labores de respuesta y recuperación ante desastres. Esto ayuda a reducir al mínimo el impacto de los desastres tanto en las personas como en las infraestructuras. Aunque la IA ofrece muchas ventajas, como respuestas más rápidas y una mejor coordinación, también plantea algunos retos. Entre ellos se encuentran los costes elevados, los problemas de privacidad de los datos y la necesidad de contar con datos precisos. Si abordamos y tenemos en cuenta estos retos, podremos maximizar el impacto de la IA para gestionar eficazmente los desastres naturales.

Para obtener más información, visita nuestro repositorio de GitHub y participa en nuestra comunidad. Descubre aplicaciones de IA en la fabricación y la agricultura en nuestras páginas de soluciones. 🚀