Vídeo de la semana

La inteligencia artificial puede ayudar a detectar rápidamente edificios inundados

La Inteligencia Artificial tiene muchas aplicaciones, muchas de ellas aún por descubrir. Y, entre otros aspectos, podría ser de utilidad a la hora de detectar edificios inundados.

La inteligencia artificial puede ayudar a detectar rápidamente edificios inundados
Foto: Istock

Cuando hablamos de desastres ambientales, como podría ser el caso de las inundaciones, entran en juego diferentes variables: la diferencia del nivel del suelo, la cantidad de agua recibida, así como el deshielo, solo por nombrar algunos ejemplos. Precisamente es esta diversidad de datos la que hace imposible predecir con cierta precisión qué áreas se inundarán. Y, sobre todo, en qué medida.

Como ya se ha demostrado en diferentes ocasiones, la fuerza de las herramientas de IA radica especialmente en su capacidad para “aprender” de los conjuntos de datos que se les envían, identificando tendencias a partir de los vínculos que se establecen entre cada una de las variables.

De esta manera, la Inteligencia Artificial ya ha acelerado el proceso de detección de edificios inundados inmediatamente después de una inundación a gran escala, ofreciendo la posibilidad, al personal de emergencia, de poder dirigir sus esfuerzos de manera mucho más eficiente.

Ahora, hemos conocido que un grupo de científicos de la Universidad de Tohoku, en Japón, ha creado un modelo de aprendizaje automático que utiliza fotografías de los medios de comunicación con la finalidad de identificar los edificios inundados con mayor precisión dentro de las 24 horas posteriores al desastre, de acuerdo a una investigación publicada a comienzos de este mes en la revista Remote Sensing.

De acuerdo a los expertos, este modelo demostraría cómo los informes rápidos de los medios de comunicación pueden ser de muchísima utilidad a la hora no solo de aumentar sino de acelerar la precisión de las actividades de mapeo de daños, ofreciendo la ventaja de acelerar las decisiones de los equipos de emergencia y optimizar la respuesta ante estos desastres.

Los diferentes algoritmos tanto de aprendizaje automático como de aprendizaje profundo están diseñados para la clasificación de objetos a través del análisis de imágenes. Pero para que el aprendizaje automático y la propia inteligencia artificial sean verdaderamente efectivos son necesarios una serie de datos para entrenar el modelo. Y, en este caso en concreto, estos datos serían los relativos a la inundación.

Aunque pueden recopilarse a partir de eventos anteriores, pueden generar bastantes problemas debido a que cada evento es distinto, estando además sujeto a las diferentes características locales, específicas y particulares del área que se ha inundado. De ahí que la información capturada en el sitio a través de los medos de comunicación puedan tener una mayor confiabilidad.

IA e inundaciones
Foto: Istock

Es evidente que los equipos de noticias suelen ser, a menudo, los primeros en llegar al lugar donde se ha producido un desastre, transmitiendo imágenes en directo a los espectadores situados en sus casas. Y este es un aspecto que los investigadores han valorado positivamente y reconocido en su estudio, dado que podría ser de bastante utilidad cuando son usados en algoritmos de inteligencia artificial.

¿Cómo funciona este modelo?

Los investigadores aplicaron su modelo a una ciudad de Kurashiki, en la prefectura de Okayama, conocida con el nombre de Mabi-cho, y que en el año 2018 se vio afectada por las fuertes lluvias que se registraron en el oeste de Japón.

En primer lugar, los investigadores identificaron fotos reconocidas y publicadas por la prensa y las geolocalizaron basándose en puntos de referencia y otras pistas que aparecían en las instantáneas. Seguidamente, usaron imágenes de radar de apertura sintética, proporcionadas por JAXA, con la finalidad de resaltar las zonas inundadas y no inundadas de áreas desconocidas.

Este tipo de imágenes son especialmente interesantes para clasificar los cuerpos de agua, puesto que las microondas tienden a irradiar de forma diferente en función de si la superficie se encuentra húmeda o seca.

Finalmente, los científicos utilizaron una máquina de vectores de soporte, que consiste en una de las técnicas más comunes de aprendizaje automático, con la finalidad de clasificar los edificios rodeados por inundaciones, o situados en el interior de áreas que no se habían inundado.

Y, de acuerdo a sus conclusiones, el rendimiento del modelo alcanzó una precisión de estimación del 80 por ciento.

Continúa leyendo