Terremotos, incendios forestales, deslizamientos, inundaciones. Muchas de las catástrofes que han golpeado al mundo en los últimos meses han sido en América Latina.
Son retos grandes para los sistemas de gestión de riesgo, especialmente si todavía los equipos humanos y la planeación territorial no están preparados para aprovechar lo que la tecnología puede prever.
En Chile por ejemplo, este octubre está mostrando inundaciones en distintos puntos del país.
Es importante tener en cuenta que, aunque con la inteligencia artificial se puede procesar con más velocidad un volumen grande de mediciones, la efectividad de estos sistemas varía considerablemente según la naturaleza de cada evento y los márgenes de anticipación disponibles, que van desde días en el caso de los huracanes hasta apenas segundos en un sismo.
Para lograr que los algoritmos aporten valor real frente a estas emergencias, es indispensable integrar el análisis masivo de datos con el conocimiento técnico de cada disciplina.
Así lo explica Raúl Reyero Díez, coordinador de la Maestría en Big Data y Ciencia de Datos de la Universidad Internacional de Valencia (VIU), perteneciente a la red de educación superior Planeta Formación y Universidades.
“El principal cambio procede de la cantidad y diversidad de mediciones disponibles”, detalla el experto. “A las estaciones meteorológicas y los sismógrafos se suman satélites, radares, cámaras, sensores, imágenes térmicas y teléfonos móviles. La IA permite analizar conjuntamente esas observaciones, compararlas con registros históricos y actualizar las estimaciones conforme llega nueva información”.
No obstante, la confiabilidad de las alertas no es absoluta. Aunque a esta previsibilidad la refieren como “predicción”, se trata más bien de modelos de estimación de escenarios y hay márgenes de error inevitables.
Cuanto mayor es el tiempo de anticipación, mayor es la incertidumbre, por lo que evaluar la precisión de un sistema requiere entender qué intenta anticipar y cuáles son los límites del conocimiento científico actual sobre cada fenómeno.
“Un porcentaje de acierto aislado puede resultar engañoso. Para calcularlo se utilizan casos históricos cuyo resultado conocemos: una parte sirve para entrenar el modelo y otra para comprobar cómo responde”, detalla el experto de VIU.
“El resultado describe su comportamiento en esa prueba, pero no garantiza que mantenga la misma precisión ante nuevos episodios o en otros territorios. […] La IA puede anticipar escenarios, pero corresponde a las personas decidir qué hacer con esa información”, agrega.
Fenómenos monitoreables
Por esta razón, los fenómenos que más se benefician del uso de estas herramientas son aquellos que ofrecen variables que se pueden monitorear a lo largo del tiempo, como la lluvia, el viento o la temperatura; el experto refiere aquí catástrofes como inundaciones, sequías, olas de calor e incendios forestales.
En los deslizamientos se pueden identificar zonas y periodos de mayor riesgo, aunque no se puede saber puntos o momentos exactos.
Las crecidas fluviales pueden saberse con días de antelación, las inundaciones repentinas, en cambio, solo dan horas de margen; los huracanes, por su parte, pueden analizarse por su trayectoria e intensidad.
Y en los incendios, se puede estimar el foco y proyectar su propagación, aunque el viento puede generar cambios abruptos.
Por el contrario, los terremotos continúan siendo el escenario más complejo debido a la falta de señales previas fiables. La clave del éxito, en este y los demás casos, siempre radica en transformar la capacidad técnica en decisiones humanas proactivas.
Para fortalecer los sistemas de alerta temprana hay que dejar de verlos como un oráculo y entenderlos, más bien, como un aliado de la planificación pública. Siempre es indispensable la ciencia de datos con las decisiones humanas, la planeación del territorio y la preparación comunitaria para salvar la mayor cantidad de vidas.
Sobre el Autor(a)
