«La idea es que algún día podamos usar esto antes de un huracán o una inundación para explicar cuándo y hacia dónde deben evacuar las personas en riesgo”, señalan los autores
Simulaciones hay muchas: vinculadas a guerras nucleares, a tsunamis y hasta nuestras vidas… El objetivo de todas ellas es intentar crear medidas de reacción ante estos desastres. Con esto en mente, científicos del MIT están desarrollando una herramienta de inteligencia artificial (IA) que crea imágenes satelitales realistas de posibles escenarios de inundaciones.
La herramienta combina un modelo de IA generativa con un modelo de inundaciones basado en la física para predecir áreas en riesgo de inundación y luego generar imágenes detalladas a vista de pájaro de cómo podría verse la región después de la inundación, según la fuerza de una tormenta que se aproxima.
“La idea es que algún día podamos usar esto antes de un huracán y que proporcione una capa de visualización adicional para el público – explica Björn Lütjens, del Departamento de Ciencias de la Tierra, Atmosféricas y Planetarias del Instituto Tecnológico de Massachusetts (MIT), en un comunicado -. Uno de los mayores desafíos es alentar a las personas a evacuar cuando están en riesgo. Tal vez esta podría ser otra visualización para ayudar a aumentar esa preparación”.
Para crear esta herramienta, el equipo de Lütjens entrenó un modelo de aprendizaje automático llamado red generativa adversarial condicional, o GAN por sus siglas en inglés, que crea imágenes realistas utilizando dos redes neuronales que trabajan una contra la otra.
La primera red, llamada «generador», aprende estudiando ejemplos reales, como imágenes satelitales de áreas antes y después de un huracán. La segunda red, bautizada el “discriminador”, actúa como un crítico, tratando de distinguir las imágenes reales de las falsas creadas por el generador. Juntas, las dos redes, mejoran los resultados hasta que las imágenes generadas se ven convincentemente realistas.
Cada red aprende y mejora automáticamente en función de la retroalimentación de la otra. Este proceso de ida y vuelta tiene como objetivo crear imágenes que sean casi idénticas a las reales. Sin embargo, las GAN a veces producen “alucinaciones”: características en las imágenes que parecen reales, pero que son incorrectas en los hechos o no deberían estar allí.
“Las alucinaciones pueden engañar a los espectadores – añade Lütjens -. Estábamos pensando: ¿cómo podemos utilizar estos modelos de IA generativos en un contexto de impacto climático, donde es tan importante contar con fuentes de datos confiables?”.
Para demostrar la credibilidad de su modelo, los investigadores lo aplicaron a un escenario para Houston, generando imágenes satelitales de inundaciones en la ciudad después de una tormenta comparable en fuerza al huracán Harvey, que había azotado la ciudad en 2017. Luego compararon sus imágenes generadas por IA con imágenes satelitales reales, así como imágenes creadas sin la ayuda del modelo de inundación de física.
Los resultados, publicados en IEEE Transactions on Geoscience and Remote Sensing, mostraron que las imágenes creadas sin la ayuda del modelo de física eran muy inexactas, con numerosas «alucinaciones»; específicamente, algunas imágenes mostraban inundaciones en regiones donde no sería físicamente posible. Sin embargo, las imágenes del método reforzado por la física eran comparables al escenario del mundo real.
El equipo de Lütjens cree que esta tecnología debería ser más aplicable para predecir los resultados de futuros escenarios de inundaciones, al producir imágenes confiables que ayuden a los responsables de las políticas a prepararse mejor y tomar decisiones informadas sobre la planificación, evacuación y mitigación de inundaciones.
En general, señala el estudio, los responsables de las políticas suelen calcular dónde pueden ocurrir inundaciones basándose en visualizaciones en forma de mapas codificados por colores.
“La pregunta es: ¿pueden las visualizaciones de imágenes satelitales agregar otro nivel a esto, que sea un poco más tangible y emocionalmente atractivo que un mapa codificado por colores de rojos, amarillos y azules, sin dejar de ser confiable?”, se pregunta Lütjens.
Este es un ejemplo importante de cómo la tecnología basada en el espacio puede ayudar a gestionar la crisis climática en desarrollo, que está haciendo que los eventos extremos, como las inundaciones y los huracanes, sean más probables.
El método del equipo aún está en la etapa de prueba de concepto y necesita más tiempo para estudiar otras regiones para poder predecir los resultados de diferentes tormentas. Esto requerirá más capacitación en muchos más escenarios del mundo real. Aun así, se ha abierto su uso para científicos de todo el mundo.
“Estamos ansiosos por poner nuestras herramientas de inteligencia artificial generativa en manos de los tomadores de decisiones a nivel de la comunidad local – concluye Dava Newman, directora del MIT Media Lab -, lo que podría marcar una diferencia significativa y tal vez salvar vidas”.
Fuente: larazon.es