Syndicate content

Marzo 2019

Desmitificar el uso del aprendizaje automático en la gestión de riesgos de desastres

Giuseppe Molinario's picture
Esta página en: English | العربية | Français

Para algunos, la inteligencia artificial es un término misterioso que hace pensar en robots y supercomputadoras. Pero la verdad es que los algoritmos de aprendizaje automático y sus aplicaciones, si bien son potencialmente complejos desde el punto de vista matemático, son bastante fáciles de entender. De hecho, los expertos en gestión de riesgos de desastres y resiliencia usan cada vez más algoritmos de aprendizaje automático para recopilar mejores datos sobre el riesgo y la vulnerabilidad, tomar decisiones más informadas y, en última instancia, salvar vidas.

La inteligencia artificial y el aprendizaje automático se usan como sinónimos, pero la primera tiene implicaciones más amplias que el segundo. La inteligencia artificial (general) evoca imágenes de futuros distópicos del tipo “Terminator”, aunque en realidad, lo que tenemos ahora y lo que tendremos durante mucho tiempo son simples computadoras que aprenden a partir de los datos de manera autónoma o semiautónoma, en un proceso conocido como aprendizaje automático.

La nota de orientación sobre el uso del aprendizaje automático en la gestión de riesgos de desastres (i) preparada por el Fondo Mundial para la Reducción de los Desastres y la Recuperación (GFDRR) (i) aclara y desmitifica la confusión en torno a los conceptos de aprendizaje automático e inteligencia artificial. Se ilustran y destacan algunos estudios de casos específicos que muestran las aplicaciones de aprendizaje automático en este ámbito. El documento es útil para diversas partes interesadas, incluidos profesionales del área, especialistas en datos sobre riesgos, o toda persona que tenga interés en la informática.

Aprendizaje automático sobre el terreno 

En un estudio de caso, imágenes de drones y a nivel de la calle se enviaron a algoritmos de aprendizaje automático para detectar automáticamente edificios con “piso débil” o aquellos con mayor probabilidad de colapsar en un terremoto. El proyecto fue desarrollado por el Equipo de Apoyo y Operaciones Geoespaciales (GOST) del Banco Mundial en la Ciudad de Guatemala, y es solo una de las muchas aplicaciones donde grandes cantidades de datos, procesados mediante aprendizaje automático, pueden tener impactos muy tangibles y significativos en salvar vidas y propiedades durante un desastre.

El mapa ilustra la “Evaluación rápida de la calidad de la vivienda”, en la que se muestra la coincidencia entre los edificios de piso débil identificados por aprendizaje automático y los identificados por expertos (Sarah Antos/GOST). (PDF, en inglés)