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 recientes avances tecnológicos, como la IA, la gestión de catástrofes naturales está ganando eficiencia y mejorando desde la predicción de desastres hasta la ayuda en las tareas de recuperación. En este artículo veremos cómo se gestionan las catástrofes naturales, exploraremos cómo mejora la IA cada etapa del proceso y destacaremos aplicaciones de IA que contribuyen a proteger a las personas.

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 las imágenes por satélite, los datos meteorológicos y los registros históricos. Estas redes contienen neuronas artificiales interconectadas capaces de identificar patrones y anomalías que pueden indicar un posible 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 crear sistemas de alerta temprana y ayudar a reducir el impacto de las catástrofes 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 que se ha previsto una catástrofe, el siguiente paso en su gestión es prepararse. Los sistemas de IA que proporcionan información oportuna y precisa sobre los riesgos pueden evitar pérdidas humanas y económicas. Estos conocimientos ayudan a las autoridades a prepararse 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 las catástrofes naturales, y las soluciones de IA pueden ayudarlas 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 por satélite en tiempo real. Al vigilar la trayectoria de estos desastres, como los ciclones, las zonas que podrían verse afectadas pueden prepararse mejor. Por ejemplo, la NASA ha utilizado la computación en la nube y técnicas de aprendizaje profundo con imágenes de satélite para seguir huracanes como Harvey y Florence. Su sistema superó en seis veces a los métodos estándar y permitió seguir los huracanes 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 catástrofes naturales es la asistencia a los equipos de respuesta. Los sistemas de IA pueden proporcionar datos valiosos en tiempo real, como evaluaciones de daños y la ubicación de personas en peligro, a los equipos de respuesta, lo que les ayuda a asignar los recursos de socorro de forma más eficiente. También pueden acelerar la entrega de ayuda a las personas de las zonas afectadas y mejorar las decisiones y acciones de los trabajadores 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 el tiempo de las llamadas y aceleran la respuesta de emergencia. El mismo sistema se puede aplicar a las redes sociales con la ayuda de herramientas de IA que combinan visión artificial y NLP.

¿Cómo pueden ayudar las redes sociales a responder ante catástrofes naturales? Durante una catástrofe natural, las redes sociales pueden contener información crucial y útil para actuar inmediatamente después del desastre. 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. Se pueden utilizar herramientas como la plataforma AIDR (Artificial Intelligence Digital Response) para reducir los retrasos en la respuesta mediante el procesamiento automático de las publicaciones en redes sociales. La plataforma analiza el texto y las imágenes de los tuits (o de otras redes sociales) para obtener información humanitaria pertinente. Las organizaciones de respuesta ante catástrofes pueden utilizar los datos extraídos en tiempo real para orientar sus acciones y mejorar la eficacia 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 por 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 por satélite para identificar y categorizar la gravedad de los daños en infraestructuras y edificios de las zonas afectadas, mucho más rápido que con los métodos de detección tradicionales. Estos métodos redujeron el proceso a unas horas o minutos, lo que permitió que el centro de control y los equipos de rescate respondieran con mayor rapidez en las zonas afectadas y contribuyeran a 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 una catástrofe natural tiene como objetivo reconstruir las comunidades y hacerlas más resilientes. Una de las mejores formas de hacerlo es ofrecer apoyo a la salud mental a las personas de las zonas afectadas. Tras una catástrofe, los supervivientes pueden sufrir problemas de salud mental, como trastorno de estrés postraumático (PTSD). La tasa de PTSD tras una catástrofe puede alcanzar el 40 %. Las herramientas de IA pueden ayudar a las personas afectadas. Por ejemplo, Omdena es una empresa que ofrece apoyo para la salud mental mediante chatbots de IA.

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

La IA también puede contribuir a la investigación y al apoyo en materia de salud mental. Los sistemas de IA pueden predecir problemas de salud mental mediante el análisis de historiales clínicos electrónicos 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 después de sufrir un trauma. Según sus estudios, la misma técnica también podría aplicarse para comprender los efectos de las crisis climáticas y las catástrofes 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.
• Automatización de tareas: La IA puede automatizar tareas repetitivas, como la introducción y el análisis de datos, y liberar recursos humanos para actividades más importantes durante una catástrofe 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:

• Costes de implementación elevados: Desarrollar e implementar sistemas de IA para gestionar catástrofes puede resultar caro, ya que suele requerir inversiones importantes en hardware, software y conocimientos especializados en IA.
• Preocupaciones sobre la privacidad de los datos: Los sistemas de IA utilizan datos geoespaciales de satélite, datos de comunicaciones en redes sociales y líneas de ayuda, y otras fuentes para evaluar los daños y seguir a las personas durante una catástrofe. Esto plantea problemas de privacidad relacionados con el uso no consentido de información personal 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 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, sobre todo 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 manufactura y agricultura en nuestras páginas de soluciones.