Los desastres naturales siempre han representado una amenaza importante para la vida humana. Ante la imposibilidad de prever estos sucesos el hombre siempre ha buscado como poder llegar a anticiparse a esta serie de acontecimientos catastróficos.
La ciencia de la mano de la tecnología poco a poco va consiguiendo que cada vez podamos pronosticar con mayor antelación estas situaciones dejando estos de ser tan inesperados.
Un equipo internacional de investigadores/as comandado desde el Massachusetts Institute of Technology (MIT) y entre los que se encuentra Ágata Lapedriza, profesora de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya (UOC), han desarrollado un sistema de visión por computador basado en deep learning que aprovecha una base de datos de más de 1,7 millones de fotografías. Lo que permitirá detectar automáticamente los desastres naturales a través de imágenes colgadas en las redes sociales.
Los investigadores establecieron un listado con 43 categorías de incidentes, incluyendo de origen natural (aludes, tormentas de arena, terremotos, erupciones volcánicas, sequías…) y diferentes tipos de accidentes con algún grado de intervención humana (de avión, de construcción, etc.). Este listado, junto con una tipología de 49 lugares, permitió etiquetar las fotografías con las cuales se preparó el sistema.
Una vez preparado se comenzó a realizar todo tipo de pruebas y cotejar datos para ver hasta dónde podría llegar el desarrollo del proyecto de localización y predicción de catástrofes. Tras el arduo trabajo de eliminar y etiquetar los falsos positivos se fueron desarrollando etiquetas con las cuales marcar que es y que no es relevante en el sistema. Estas etiquetas negativas permitieron entrenar al programa para que elimine los falsos positivos y poder centrarse en los especialmente importantes, por ejemplo, que una fotografía de una hoguera no tiene por qué identificar un incendio, aunque comparta características visuales similares. Con esta base hecha, el equipo entrenó un modelo para detectar incidentes «siguiendo el paradigma de aprendizaje multitarea y utilizando una red neuronal convolucional».
Los autores y autoras han demostrado con datos reales el potencial de utilizar una herramienta basada en deep learning para obtener información de las redes sociales sobre desastres naturales y acontecimientos que requieran ayuda humanitaria. «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», añade la experta en computación de la UOC.
Una vez logrado este hito, sin embargo, se abren nuevos retos científicos, como por ejemplo aprovechar las mismas imágenes de inundaciones, incendios u otros sucesos para cuantificar la gravedad de los incidentes de manera automática, o incluso hacer un seguimiento más efectivo de cómo evolucionan en el tiempo. Los autores y autoras de la investigación también plantean a la comunidad investigadora la posibilidad de combinar el análisis de las imágenes con el del texto que las acompaña para hacer una clasificación más cuidadosa.
Actualmente los estudios sobre la prevención de catástrofes naturales aun siendo cada vez más exactos quedan expuestos al carácter caprichoso de la naturaleza por lo que solo nos queda únicamente estar preparados para reaccionar ante cualquier muestra o atisbo de peligro.
Mientras grupos internacionales de científicos descubren, identifican y hallan nuevos métodos de pronosticar estas catástrofes naturales, estudios técnicos superiores en coordinación de emergencias y protección civil son imprescindibles para seguir consiguiendo que los daños personales y materiales sigan siendo cada vez menos.
