La IA podría ser una excelente herramienta para predecir el impacto de grandes inundaciones

Los científicos están desarrollando una herramienta de Inteligencia Artificial (IA) que crea imágenes satelitales realistas de posibles escenarios de inundaciones: integra un modelo de IA con otro basado en física para predecir áreas en riesgo de inundación y luego generar imágenes detalladas sobre cómo la región podría protegerse de un inminente fenómeno de este tipo.

Investigadores del Instituto de Tecnología de Massachusetts (MIT), en Estados Unidos, describen en un estudio publicado en IEEE Transactions on Geoscience and Remote Sensing un nuevo método que genera imágenes satelitales del futuro, para representar cómo una región podría prepararse para un posible evento de inundación.

IA integrada con datos físicos

El método integra un modelo de Inteligencia Artificial (IA) con otro modelo basado en la física: la técnica muestra dónde es probable que ocurran inundaciones más complejas, en función de la fuerza y las características de la tormenta. “Uno de los mayores desafíos es lograr que las personas se retiren a zonas de evacuación cuando están realmente en riesgo. Quizás esta herramienta podría aportar una visualización concreta que colabore en este objetivo y aumente la preparación previa frente a estos fenómenos. Creemos que algún día podrá utilizarse en huracanes y salvar vidas”, indicó en una nota de prensa el investigador Björn Lütjens, líder del equipo científico.

Para probar el nuevo sistema, los especialistas aplicaron el método a la zona de Houston y generaron imágenes satelitales que representan cómo se verían ciertos lugares alrededor de la ciudad después de una tormenta comparable al huracán Harvey, que azotó la región en 2017. Al comparar las imágenes producidas por la IA con imágenes satelitales reales de las mismas regiones después del paso del huracán, verificaron que el escenario creado por la tecnología era extremadamente realista y preciso.

Además, compararon los resultados de su método, que combina IA con información geofísica, con los obtenidos por una técnica que solo utilizaba herramientas de IA. El segundo método generó imágenes de inundaciones en lugares donde las mismas no son físicamente posibles, en tanto que la técnica combinada produjo imágenes con mayor realismo y exactitud.

Dos redes neuronales artificiales compitiendo

Los investigadores explicaron que el nuevo método sirve para demostrar que los modelos de IA generativos pueden producir contenido realista y confiable cuando se combinan con un esquema basado en la física y la geografía. Para aplicar el método a otras regiones y representar las posibles inundaciones por futuras tormentas, el sistema denominado “Earth Intelligence Engine” tendrá que ser entrenado en muchas más imágenes de satélite, para aprender cómo se verían las inundaciones en otras zonas del planeta.

Como informa Space.com, los científicos utilizaron una red adversarial generativa condicional (GAN): se trata de un tipo de aprendizaje automático que puede generar imágenes realistas utilizando dos redes neuronales competidoras o adversarias. La primera red está entrenada en pares de datos reales, como imágenes de satélite antes y después de un huracán. La segunda red se entrena para distinguir entre las imágenes satelitales reales y las sintetizada por la primera red. Cada red mejora automáticamente su rendimiento en función de los comentarios de su competidora, optimizando la eficiencia de todo el sistema de IA.

Referencia

Generating Physically-Consistent Satellite Imagery for Climate Visualizations. Björn Lütjens et al. IEEE Transactions on Geoscience and Remote Sensing (2024). DOI:https://doi.org/10.1109/TGRS.2024.3493763