tTiene el número de personas que viven en zonas urbanas. tres veces En los últimos 50 años, eso significa que cuando un desastre natural importante, como un terremoto, golpea una ciudad, hay más vidas en riesgo. Mientras tanto, los fenómenos meteorológicos extremos han aumentado en intensidad y frecuencia: una tendencia Establecer 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 detectar y responder a desastres de manera más rápida, más barata y más precisa que nunca.
El próximo 6 de noviembre, en el Centro de Supercomputación de Barcelona, España, se reunirá por primera vez la Iniciativa Global sobre Resiliencia ante Amenazas Naturales a través de Soluciones de IA. Las nuevas Naciones Unidas iniciativa El objetivo es 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 establecido por la Unión Internacional de Telecomunicaciones, la Organización Meteorológica Mundial (OMM) y el Programa de las Naciones Unidas para el Medio Ambiente, que pidieron conjuntamente una a principios de 2021. grupo focal Iniciar el desarrollo de mejores prácticas para el uso de la IA en la gestión de desastres. Estas incluyen aumentar la recopilación de datos, mejorar las previsiones y optimizar los sistemas de comunicación.
Leer más: Las ciudades están en primera línea de la ‘crisis climática-sanitaria’ Un nuevo informe proporciona un marco para abordar sus implicaciones
“Lo que me parece emocionante es que, para un tipo de amenaza, hay tantas maneras diferentes en que se puede aplicar la IA y crea tantas oportunidades”, dijo Monique Kuglits, quien presidió el grupo de discusión. Tomemos como ejemplo los huracanes: en 2023, Investigadores La IA puede ayudar a los formuladores de políticas a identificar los mejores lugares para implementar sensores de tráfico para detectar bloqueos de carreteras después de una tormenta tropical en Tallahassee, Florida. Y en octubre, los meteorólogos utilizaron modelos de predicción meteorológica de IA. correctamente Se prevé que el huracán Milton toque tierra cerca de Siesta Key, Florida. La IA se está utilizando para alertar al público de manera más eficiente. El año pasado, el Servicio Meteorológico Nacional anuncio Una asociación con AI Translation Company canción rítmica para ayudar a proporcionar pronósticos en español y chino simplificado, lo que, según dice, puede reducir el tiempo que lleva traducir las advertencias de huracanes 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 utiliza los modelos de aprendizaje automático de Google para analizar imágenes anteriores y posteriores al satélite para identificar las áreas más afectadas y priorizar las donaciones en efectivo en consecuencia. El año pasado, se implementó el análisis de imágenes aéreas por IA para ayudar en los esfuerzos de respuesta en ciudades como Quiliman, Mozambique, después del ciclón Freddy y Adiyam, Turquía, después de un terremoto de magnitud 7,8.
Leer más: Cómo los meteorólogos utilizan la IA para predecir el huracán Milton y otras tormentas
Operar sistemas de alerta temprana es principalmente una responsabilidad del gobierno, pero el modelado climático de IA (y, en menor medida, la detección de terremotos) se ha convertido en una industria privada en crecimiento. puesta en marcha SísmicaAI dijo que está trabajando con agencias de protección civil en los estados mexicanos de Guerrero y Jalisco para implementar una red de sensores mejorada con inteligencia artificial que detectará terremotos en tiempo real. El gigante tecnológico Google, NVIDIAY Huawei se está asociando con pronosticadores europeos y dice que sus modelos impulsados por inteligencia artificial pueden producir pronósticos precisos a mediano plazo miles de veces más rápido que los modelos tradicionales, aunque con menos uso computacional. Y en septiembre, IBM pareja con la NASA para lanzar un modelo de código abierto de propósito general que se puede utilizar en una variedad de campos de modelado climático y que se ejecuta en una computadora de escritorio.
La IA es avanzada
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 desde cero utilizando IA, mejorando la precisión y la velocidad de los pronósticos. Los modelos tradicionales, que se basan en complejas ecuaciones basadas en la física para simular la interacción entre el agua y el aire en la atmósfera y requieren supercomputadoras para funcionar, pueden tardar horas en producir un solo pronóstico. Por el contrario, los modelos meteorológicos de IA aprenden a identificar patrones entrenándose con décadas de datos climáticos, muchos de los cuales se recopilaron a través de sensores satelitales y terrestres y se compartieron a través de la colaboración intergubernamental.
Tanto la IA como la previsión basada en la física funcionan dividiendo el mundo en una cuadrícula tridimensional de cajas y luego determinando variables como la temperatura y la velocidad del viento. Pero como los modelos de IA son computacionalmente más eficientes, pueden producir redes mucho más finas. Por ejemplo, el modelo de mayor resolución del Centro Europeo para la Previsión Meteorológica a Medio Plazo divide el planeta en cajas de 5,5 millas, mientras que la startup de previsión Atmo ofrece modelos de menos de una milla cuadrada. Este aumento en la resolución podría permitir una asignación más eficiente de recursos durante eventos climáticos extremos, lo cual es especialmente importante para las ciudades, dijo Johan Matthe, cofundador y CTO de la compañía, que firmó a principios de este año. Trato Con Filipinas y los estados insulares Tuvalu.
limitaciones
Los modelos impulsados por IA generalmente son tan buenos como los datos con los que están entrenados, lo que puede ser un factor limitante en algunas áreas. “Cuando estás en una situación de riesgo realmente alto, como un desastre, necesitas poder confiar en los resultados del modelo”, dijo Kuglits. Las zonas pobres, a menudo Primera línea Los desastres relacionados con el clima (por ejemplo, tener menos sensores meteorológicos y mal mantenidos) crean 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, actúan como “cajas negras” cada vez más 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. Kuglits dice que los estándares pueden, 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 en colaboración con pronosticadores mediterráneos y paneuropeos y Sistema de alerta temprana ante peligros naturales (MedEWSA), un proyecto que surgió de grupos focales. “Vamos a aplicar las mejores prácticas de los grupos focales y tendremos un ciclo de retroalimentación para descubrir qué mejores prácticas son las más fáciles de seguir”, dijo Kuglitsch. Un proyecto piloto de MedEWSA explorará el aprendizaje automático para predecir incendios forestales en el área alrededor de Atenas, Grecia. Otro utilizará IA para mejorar las advertencias de inundaciones y deslizamientos de tierra en áreas que rodean la ciudad de Tbilisi, Georgia.
Leer más: Cómo la industria del cemento está desarrollando materiales de construcción con emisiones de carbono negativas
Mientras tanto, empresas privadas como Tomorrow.io buscan colmar estas lagunas recopilando sus propios datos. La startup de predicción meteorológica con IA ha lanzado satélites con radar y otros sensores meteorológicos para recopilar datos de zonas 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 que caiga nieve. También lo utilizan Uber y Delta Airlines.
Otra iniciativa de la ONU Fondo de financiación para el seguimiento sistemático (SOFF), también pretende cerrar la brecha de información climática proporcionando financiación y asistencia técnica a los países pobres. Johan Stander, director de servicios de la OMM, uno de los socios de SOFF, dijo que la OMM está trabajando con desarrolladores privados de IA, incluidos Google y Microsoft, pero destacó la importancia de no delegar demasiada responsabilidad a los sistemas de IA.
“No puedes acercarte a una máquina y decir: ‘Está bien, te equivocaste’. Responde, ¿qué está pasando? Todavía necesitas que alguien se haga cargo de ello”, afirma. Considera que el papel de las empresas privadas es “apoyar los servicios meteorológicos nacionales en lugar de intentar apoderarse de ellos”.