💡 Resumen (TL;DR):
- Google integró un sistema de pronóstico de inundaciones repentinas en su plataforma Flood Hub.
- La inteligencia artificial analizó 5 millones de noticias para mapear 2.6 millones de desastres pasados.
- El modelo permite anticipar riesgos en regiones geográficas que carecen de infraestructura meteorológica moderna.
Google presentó un sistema global de pronóstico de inundaciones repentinas integrado en su plataforma Flood Hub, el cual cubre áreas urbanas de 150 países. La herramienta utiliza el modelo de lenguaje Gemini para convertir millones de reportes de noticias antiguas en datos predictivos, enfocándose en regiones donde la infraestructura meteorológica tradicional es escasa o inexistente.
Las inundaciones repentinas causan la muerte de más de 5,000 personas al año. Su naturaleza hiperlocalizada dificulta su pronóstico mediante métodos convencionales. “La escasez de datos es uno de los desafíos más difíciles en la geofísica”, explicó Marshall Moutenot, CEO de la firma de pronóstico hidrológico Upstream Tech. “Al mismo tiempo, hay demasiados datos de la Tierra, y luego, cuando quieres evaluar frente a la verdad, no hay suficientes”.
Para resolver este problema, el equipo de investigación de Google introdujo cerca de 5 millones de artículos de noticias globales en Gemini. El modelo extrajo aproximadamente 2.6 millones de eventos de inundación distintos, cada uno con etiquetas de ubicación y tiempo, para crear un conjunto de datos público llamado Groundsource.
Cómo funciona la predicción basada en Groundsource
Groundsource opera como la base de entrenamiento para una red neuronal que procesa pronósticos climáticos globales en tiempo real, incluyendo precipitación y temperatura. El sistema emite probabilidades de riesgo en cuadrículas de 20 kilómetros cuadrados. Juliet Rothenberg, gerente de programa en el equipo de Resiliencia de Google, señaló: “Dado que estamos agregando millones de informes, el conjunto de datos Groundsource realmente ayuda a reequilibrar el mapa. Nos permite extrapolar a otras regiones donde no hay tanta información”.
- Respuesta acelerada: En el sur de África, las agencias de emergencia anticiparon horas de riesgo antes de recibir reportes de daños. António José Beleza, funcionario de la Comunidad para el Desarrollo del África Meridional, afirmó que el modelo ayudó a su organización a “responder a las inundaciones más rápidamente”.
- Limitaciones técnicas: Actualmente, la cuadrícula de 20 kilómetros es menos precisa que los sistemas avanzados que integran radares locales, como los utilizados en Estados Unidos.
- Sesgo mediático: La base de datos hereda la inclinación de la cobertura periodística, por lo que los eventos urbanos registran mayor atención que los rurales.
Google planea integrar el modelo con radares y medidores de ríos locales donde estén disponibles. El objetivo operativo es refinar la cuadrícula actual hacia una resolución menor a un kilómetro dentro de las ciudades para aumentar el nivel de precisión frente a estas emergencias climáticas.
