La IA en la gestión de desastres naturales

Los huracanes, terremotos, wildfires e inundaciones forman parte de la naturaleza. Sin embargo, en los últimos años hemos sido testigos de un aumento en la ocurrencia de estos desastres naturales. Muchas personas han perdido sus hogares, medios de subsistencia y vidas debido a catástrofes 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 y coping with these disasters costará a los países en desarrollo entre 140.000 y 300.000 millones de dólares anuales de aquí a 2030.

Sin embargo, gracias a los recientes avances en tecnología como la IA, la gestión de desastres naturales se está volviendo más eficiente, mejorando todo, desde la predicción de desastres hasta la asistencia en las labores de recuperación. En este artículo, profundizaremos en la gestión de desastres naturales, exploraremos cómo la IA mejora cada paso del proceso y veremos aplicaciones de IA que nos mantienen a salvo.

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

Uso de la IA en la predicción de desastres para una gestión proactiva del riesgo#

Los sistemas de predicción de desastres y detección temprana mediante IA pueden ayudar a reducir los daños causados por los desastres naturales. Al utilizar estos sistemas, se puede 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 enormes cantidades 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 computer vision, utilizan neural networks profundas que sirven para analizar vastos datasets procedentes de diversos tipos de fuentes, como satellite imagery, weather data y historical records. Estas redes contienen neuronas artificiales interconectadas capaces de identificar patrones y anomalías que conducen a un posible desastre. Al procesar y analizar la enorme cantidad de datos recopilados mediante herramientas como la analítica de macrodatos, los modelos de IA se pueden entrenar para ofrecer sistemas de alerta temprana y ayudar a reducir los impactos de los desastres naturales.

Por ejemplo, la IA se puede utilizar para predecir réplicas de terremotos procesando datos sísmicos. Google y Harvard desarrollaron un AI system que analizó datos de 131.000 terremotos y réplicas. Al probarse en 30.000 eventos sísmicos, este sistema de IA demostró una mayor precisión en la predicción de las ubicaciones de las réplicas en comparación con los métodos tradicionales. En el ejemplo de predicción de réplicas que se muestra a continuación, las regiones donde se prevé que ocurran réplicas están marcadas con color rojo. Los puntos negros corresponden a las ubicaciones de las réplicas observadas, y la línea amarilla muestra las fallas que se rompieron durante el terremoto principal.

Fig 2. Una imagen que muestra el resultado de la predicción de réplicas.

Sistemas basados en IA para la preparación ante desastres#

Una vez predicho un desastre, el siguiente paso en la gestión de desastres naturales es estar preparados. Se pueden prevenir pérdidas humanas y económicas mediante sistemas de IA que proporcionan información oportuna y precisa sobre los riesgos implicados en una catástrofe. Estos conocimientos ayudan a las autoridades a estar listas para emergencias y actuar con rapidez para salvar vidas. Por ejemplo, los farmers, fishers y foresters se encuentran entre las comunidades más vulnerables ante los desastres naturales, y las AI solutions pueden ayudar a estas comunidades a evitar pérdidas.

Las soluciones de computer vision y análisis de imágenes también pueden ayudar a supervisar y rastrear patrones meteorológicos procesando imágenes de satélite en tiempo real. Al monitorizar la trayectoria de dichos desastres (como los ciclones), las zonas que puedan verse afectadas pueden prepararse mejor para afrontarlos. Por ejemplo, la NASA ha utilizado computación en la nube y técnicas de aprendizaje profundo en fotos de satélite para track huracanes como Harvey y Florence. Su sistema superó a los métodos estándar por un factor de seis, lo que permitió rastrear el huracán cada hora en lugar de cada seis horas como ocurre con los métodos tradicionales.

Fig. 3. Monitorización y seguimiento del huracán Florence mediante aprendizaje profundo (Source).

IA en la respuesta ante desastres: Mejora de los 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 datos valiosos en tiempo real, como la evaluación de daños y el seguimiento de la ubicación de personas en peligro, a los equipos de respuesta ante desastres, ayudándoles a asignar los recursos de ayuda de forma más eficiente. También pueden acelerar la entrega de ayuda a las personas en las zonas afectadas y mejorar las decisiones y acciones de los front-line relief workers.

Por ejemplo, durante cualquier desastre natural, las líneas telefónicas de emergencia (como el 911) se saturan de llamadas de auxilio. Es posible que los equipos de respuesta pasen por alto detalles importantes si todas las llamadas se desvían a operadores humanos. La IA se puede utilizar para gestionar grandes volúmenes de llamadas y mensajes en un tiempo récord y realizar múltiples funciones mediante características como la conversión de speech-to-text y el natural language processing (NLP). Estas características permiten extraer el contexto de cada llamada de emergencia para obtener información precisa sobre la naturaleza exacta de la urgencia y la ubicación de quien llama.

Estos conocimientos reducen los tiempos de llamada y aceleran la respuesta de emergencia. El mismo sistema se puede aplicar a las plataformas de redes sociales con la ayuda de herramientas de IA como la computer vision y el NLP.

¿Cómo pueden ayudar las plataformas de social media en la respuesta ante desastres naturales? Durante un desastre natural, las redes sociales pueden contener información práctica crucial inmediatamente después del suceso. Por ejemplo, las personas de la zona afectada pueden publicar información en formato de text, audio, images y video en las redes sociales. Gestionar y procesar toda esta información manualmente no es tarea fácil, especialmente cuando cada segundo cuenta. Se pueden utilizar herramientas como la plataforma AIDR (Artificial Intelligence Digital Response) para reducir los retrasos en la respuesta procesando automáticamente las publicaciones en redes sociales. La plataforma analiza texto e imágenes de tuits (u otras redes sociales) para obtener información humanitaria relevante. Las organizaciones de respuesta a desastres pueden utilizar los datos extraídos en tiempo real para orientar sus acciones y mejorar la eficiencia de sus esfuerzos.

Las innovaciones de IA también pueden ayudar a los equipos de rescate directamente desde la primera línea. Los modelos de computer vision como Ultralytics YOLOv8 pueden ayudar a evaluar los daños sufridos en la zona afectada utilizando imágenes de satélite y métodos como la semantic segmentation, 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 segmentation semántica e satellite imagery para identificar y categorizar la gravedad de los daños en la infrastructure y en los building damage en las áreas afectadas a un ritmo mucho más rápido que los métodos de detection tradicionales. Utilizando estos métodos, aceleraron el proceso a horas o minutos, y el centro de control y los equipos de rescate pudieron responder con mayor rapidez en las zonas afectadas para las labores de recuperación.

Fig 4. Evaluación de daños mediante segmentación semántica.

IA para la recuperación ante desastres naturales proporcionando apoyo de salud mental#

La fase de recuperación tras un desastre natural tiene como objetivo reconstruir las comunidades y hacerlas más resilientes. Una de las mejores formas de lograrlo es proporcionando apoyo de salud health mental a las personas de las zonas afectadas. Los supervivientes pueden sufrir problemas de salud mental como el Trastorno de Estrés Postraumático (TEPT) tras una catástrofe de este tipo. Las tasas de TEPT después de un desastre pueden alcanzar hasta el 40 %. Las herramientas de IA se pueden utilizar para ayudar a las personas afectadas. Por ejemplo, Omdena es una empresa que proporciona apoyo de salud mental mediante chatbots de IA.

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

La IA también puede ayudar en la investigación y el apoyo en materia de salud health research. Los sistemas de IA se pueden utilizar para predecir problemas de salud mental analizando los electronic health records con la misma precisión que los expertos humanos. Por ejemplo, los investigadores han utilizado AI to analyze social media data and gauge stress levels in young adults tras experimentar un trauma. Según sus estudios, esta misma técnica también podría aplicarse para comprender el impacto en la salud mental de las climate crises y los desastres naturales, tanto a corto como a largo plazo.

Pros y contras del uso de la IA en la gestión de desastres#

Ahora que hemos discutido cómo la IA puede influir en todos los diferentes procesos de la gestión de desastres naturales, exploremos algunos de los pros y contras involucrados. Aquí tienes algunas de las ventajas de usar la IA para la gestión de desastres:

• Mejora la coordinación: Los sistemas de IA pueden utilizarse para mejorar la coordinación entre las diferentes agencias y organizaciones involucradas en la respuesta ante desastres, reduciendo retrasos e ineficiencias.

• Automatizar tareas: la IA puede automate repetitive tasks, como la introducción y el análisis de datos, liberando recursos humanos para actividades más críticas durante un desastre natural en el que cada segundo invertido es crucial.

• Adaptación al cambio climático a largo plazo: La IA puede ayudar a identificar y evaluar los impactos del cambio climático, permitiendo a las comunidades globales desarrollar estrategias de adaptación a largo plazo.

A pesar de los muchos beneficios, también existen limitaciones relacionadas con la IA en la gestión de desastres naturales que conviene tener en cuenta. Estos son algunos de los desafíos clave de la IA en la gestión de desastres naturales:

• Elevados costes de implementación: desarrollar e implementar sistemas de IA para la gestión de desastres puede ser costoso, ya que a menudo implica importantes investments in hardware, software y experiencia en IA.

• Preocupaciones sobre la privacidad de los datos: los sistemas de IA utilizan datos geoespaciales de satélites, datos de comunicaciones de redes sociales y líneas de ayuda, entre otras fuentes, para evaluar los daños y track a las personas durante un desastre. Esto plantea dudas sobre la privacidad en torno al uso no consentido de información personal y la posible vigilancia.

• Dependencia de la calidad de los datos: las predictions de un modelo de IA solo pueden ser tan buenas como la quality and quantity of data con la que se ha entrenado. Si los AI models se entrenan con datos imprecisos, los resultados pueden ser menos eficaces, especialmente en situaciones críticas.

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

Hemos explorado cómo la IA puede ayudar a salvar vidas humanas ante un desastre natural. Nos ayuda a predecir, prepararnos, responder y recuperarnos de ellos de manera más efectiva. Las herramientas de IA pueden predecir terremotos, rastrear huracanes y mejorar los esfuerzos de respuesta y recuperación ante desastres. Hacerlo ayuda a minimizar el impacto de los desastres tanto en las personas como en la infraestructura. Aunque la IA tiene muchos beneficios, como respuestas más rápidas y una mejor coordinación, también presenta algunos desafíos. Estos incluyen altos costes, preocupaciones sobre la privacidad de los datos y la necesidad de datos precisos. Cuando abordamos y tenemos en cuenta estos desafíos, podemos maximizar el impacto de la IA en la gestión eficaz de los desastres naturales.

Para obtener más información, visita nuestro GitHub repository e interactúa con nuestra community. Explora las aplicaciones de la IA en la manufacturing y la agriculture en nuestras páginas de soluciones. 🚀