La inteligencia artificial (IA) tiene la capacidad de detectar factores desencadenantes de los desastres, anticiparse a las catástrofes y mejorar el mantenimiento y prevención de riesgos en infraestructuras críticas.
Aplicaciones de Inteligencia Artificial en la prevención y respuesta de desastres
Así se desprende del informe sobre las “Aplicaciones de Inteligencia Artificial en la prevención y respuesta de desastres”, incluido en el Barómetro de Catástrofes 2023, presentado hoy en el IX Simposium del Observatorio de Catástrofes de la Fundación Aon España, celebrado bajo la Presidencia de Honor de S.M. el Rey en el Instituto de la Ingeniería de España, en Madrid.
Según el informe, las aplicaciones de IA desarrolladas en la industria y el ámbito académico permiten mejorar la prevención y respuesta temprana a los desastres. Se han enfocado en las tareas que se desarrollan en las tres primeras fases de los desastres.
En la fase de mitigación
Las tareas que ya desarrolla la IA son: previsión e identificación de peligros y riesgos, predicción de posibles impactos y evaluación de los niveles de vulnerabilidad. Por último, el desarrollo y la comparación de diferentes estrategias de mitigación.
En la fase de preparación
Las herramientas de IA permiten abordar dos de las principales tareas: establecer sistemas de predicción y detección de desastres y alerta temprana. Y desarrollar modelos de evacuación en caso de emergencia.
En la fase de respuesta
Las aplicaciones existentes de IA para desastres permiten planificar las acciones de reacción y evaluación de los daños, asignar recursos de salvamento y socorro, desarrollar sistemas de información para favorecer la colaboración inter-institucional y comprender la preocupación, emoción y reacción de las personas.
El documento señala que “una de las principales limitaciones de las aplicaciones y modelos basados en la IA es la disponibilidad, seguridad y fiabilidad de los datos”. «Para realizar estimaciones precisas y fiables es necesario disponer de grandes cantidades de datos que representen todo el sistema y que no estén sesgados”. Los datos que se recogen de redes sociales y crowdsourcing presentan “muchos problemas de fiabilidad y credibilidad, y suelen estar muy sesgados hacia los extremos”.
Enfoque multirriesgo
Los autores del informe destacan que muchos de los modelos de IA desarrollados hasta ahora solo se centran en modelizar los desastres catastróficos de forma independiente. “Sin embargo, los desastres evolucionan de forma inesperada, creando situaciones complejas e interconectadas que dificultan su gestión”. La solución pasa por adoptar un enfoque multirriesgo “con bases de datos precisas y diversas, creando modelos robustos y adaptables para mejorar significativamente la fiabilidad y precisión de los resultados”.
También te puiede interesar:
- Aon lanza Cyber Risk Analyzer para mitigar la exposición al riesgo cibernético de sus clientes
- Think Tank Murartech y Aon sobre movilidad sostenible