Ahora, un nuevo algoritmo de inteligencia artificial podría ayudar a los expertos a predecir los “puntos de inflexión” de estos sucesos con el fin de prevenirlos.
Uno de los desafíos más importantes para la ciencia en general es predecir cuándo se darán los desastres futuros, algo que habría salvado miles de vidas y habría ahorrado una enorme cantidad de dinero en infraestructura.
Predecir los desastres naturales
Un ejemplo clásico es el colapso de la capa de hielo de Groenlandia, que podría resultar en un aumento drástico del nivel del mar, haciendo irrecuperables grandes áreas de la capa de hielo. Estos eventos son especialmente difíciles de predecir debido a la complejidad de los sistemas implicados y la escasez de datos precisos sobre transiciones críticas abruptas en el mundo real.
Para abordar esta dificultad, un equipo de investigadores de la Universidad Tongji en China, liderado por el profesor Gang Yan, ha desarrollado un algoritmo que combina dos tipos de redes neuronales. Estas redes, que imitan el procesamiento de información en el cerebro, analizan la interacción entre componentes de un sistema complejo (como empresas en un sistema financiero o especies en un ecosistema) y cómo estos componentes cambian con el tiempo. La meta es identificar señales tempranas de un inminente punto de inflexión y así poder anticipar o incluso prevenir una crisis.
Aplicaciones y desafíos del nuevo algoritmo de IA
El potencial de esta nueva herramienta de IA es enorme, ya que permite predecir no solo colapsos ecológicos, sino también crisis financieras, pandemias, y cortes de energía. En pruebas iniciales, el algoritmo fue capaz de predecir con precisión la transición de bosques tropicales a sabanas en África Central, utilizando más de 20 años de datos satelitales. A pesar de que el 81% de los nodos en el sistema pasaron desapercibidos, la IA logró predecir correctamente lo que sucedió en una región basada en la información recopilada de otras dos.
Este éxito inicial demuestra el poder de la IA para analizar sistemas complejos y proporciona una base sólida para su aplicación en otros ámbitos. Sin embargo, no está exento de desafíos, especialmente cuando se trata de sistemas en los que los seres humanos son actores principales.
Un problema crítico que surge es la retroalimentación: a medida que los humanos reaccionan a las predicciones de desastres, pueden alterar el curso de los eventos de maneras impredecibles. Por ejemplo, en la gestión del tráfico urbano, la difusión de información sobre congestiones en tiempo real puede llevar a comportamientos que agravan la situación en lugar de aliviarla.
Para superar estas dificultades, los investigadores planean enfocarse en partes de los sistemas que son menos susceptibles a la influencia humana directa. En el caso de las redes de carreteras, esto podría implicar el estudio de rutas congestionadas por su diseño inherente, más que por el comportamiento de los conductores. Este enfoque permitirá que la IA capture señales fundamentales y proporcione predicciones más precisas, incluso en sistemas complejos y dinámicos.
Este avance en el uso de la inteligencia artificial para predecir desastres representa una herramienta poderosa en la prevención de crisis futuras. A medida que se perfecciona y se adapta a diferentes sistemas, su capacidad para anticipar desastres podría marcar una diferencia significativa en la protección de nuestro planeta y nuestra sociedad.
Referencia:
- Live Science/New AI algorithm can predict the ‘tipping points’ for future disasters, scientists say. Link.
- Phisycal Reveiw X/Early Predictor for the Onset of Critical Transitions in Networked Dynamical Systems. Link.
Fuente: CerebroDigital.net
