Detectar desastres naturales y coordinar una rápida acción de respuesta es el objetivo de un sistema de computación desarrollado por científicos del Massachusetts Institute of Technology y la Universitat Oberta de Catalunya.

Este sistema fue entrenado con una base de datos con más de 1,7 millones de fotografías, para ser capaz luego de detectar automáticamente los desastres naturales a través de imágenes publicadas en las redes sociales.

Así es “Campi Flegrei”, el supervolcán que está al borde de su primera erupción desde 1538 y que puede generar un posible “invierno global”

“Hemos demostrado que la detección automática de incidentes en redes como Twitter es factible, y esto puede ayudar mucho a las organizaciones de ayuda humanitaria”, destacó la profesora de la UOC Ágata Lapedriza, especializada en inteligencia artificial. Según la experta, ya que aún no se pueden predecir los efectos de los desastres naturales, sí es importante articular una respuesta rápida y eficaz de los servicios de emergencia y cooperación internacional para salvar vidas.

Publicidad

Algunos de los eventos que pueden resultar devastadores son inundaciones, tornados o incendios forestales, que, por otra parte, son cada vez más frecuentes y devastadores a consecuencia del cambio climático.

“Afortunadamente, la tecnología puede jugar un papel muy importante en estas situaciones. Las publicaciones en las redes sociales se pueden utilizar como una fuente de datos de baja latencia para entender la progresión y las consecuencias de un desastre”, explicó Lapedriza.

¿Dónde ocurre y cómo se origina el fenómeno de El Niño?

Para el sistema, se crearon en total 43 categorías de incidentes naturales (aludes, tormentas de arena, terremotos, erupciones volcánicas, sequías...) y diferentes tipos de accidentes con algún grado de intervención humana (de avión, de construcción, etc.). Cada imagen tiene una etiqueta que permite distinguir, por ejemplo, una hoguera de un incendio.

Publicidad

“Dentro de estas imágenes, nuestro modelo detectó las que se correspondían a incidentes y acertó con incidentes concretos de los cuales existía registro, como los terremotos de 2015 en Nepal y en Chile”, detalló la profesora e investigadora.

“Esto abre las puertas a que las organizaciones de ayuda humanitaria puedan enterarse de qué está pasando de manera más eficiente y puedan mejorar la gestión de la ayuda humanitaria cuando sea necesaria”, añadió la especialista.

Publicidad

El estudio fue publicado en la revista ‘Transactions on Pattern Analysis and Machine Intelligence’. (I)