Así es la IA que salva vidas tras el terremoto de Turquía analizando imágenes de satélite

Este sistema analiza cada píxel de forma individual en las imágenes satelitales y realiza una revisión de las zonas afectadas marcándolas en rojo.

23 febrero, 2023 11:27

Manuel Fernández

Aún a día de hoy se siguen viviendo las consecuencias de los terribles terremotos ocurridos en Turquía y en Siria. El seísmo del pasado 6 de febrero y que se conjuntó con el del pasado día 20 está dejando terribles imágenes que llegan a cuentagotas a España. La tecnología puede ser una aliada vital en los desastres naturales y tal y como recoge MIT Technology Review, el último avance usado para intentar paliar los efectos de estos terremotos sería la inteligencia artificial.

El Departamento de Defensa de los Estados Unidos se ha propuesto usar la IA para hacer frente a las consecuencias de los terremotos de Turquía y Siria. El organismo está usando un sistema de IA basado en computación visual llamado xView2 y ya se está implementando en las laboras de rescate en tierra de Turquía.

Este sistema usa algoritmos de aprendizaje automático basados en imágenes de satélite para establecer por categorías los daños en la zona cero del desastre así como en toda el área afectada y así determinar exactamente los lugares con mayor cantidad de desperfectos. Algo vital para realizar de forma más eficiente las labores de rescate de víctimas.

IA para desastres naturales

xView2 es un proyecto de código abierto desarrollado por la Unidad de Innovación de Defensa del Pentágono, así como el Instituto de Ingeniería de Software de la Universidad Carnegie Mellon (Pittsburgh, Estados Unidos). Ha contado con el apoyo de importantes compañías como Microsoft, ya famosa por estar especialmente atenta a las cuestiones más referentes a la IA.

El sistema usa una técnica llamada "segmentación semántica", algo parecido a lo que sería el reconocimiento de objetos. Coge una imagen proveniente de un satélite, y hace un repaso por cada píxel individual de la misma imagen, así como la relación de estos píxeles con sus píxeles circundantes para analizar el estado de los elementos principales del terreno.

Escombros en la región de Hatay, en Turquía EFE

Una vez hecho el análisis, la IA resalta en un mapa toda la zona dañada en rojo, especificando a los especialistas de rescate cuáles son las zonas más afectadas por el desastre. Mientras determinar de forma manual la magnitud de los daños puede llevar días e incluso semanas (dificultando las labores de rescate), con este sistema el proceso se agiliza enormemente, reduciéndose a tan solo unas horas.

Hay que aclarar que este sistema todavía se encuentra en sus primeras fases de desarrollo, pero ya se ha usado en cuestiones de rescate en situaciones de emergencia. Por ejemplo, fue usado como sistema de respuesta en los incendios forestales de California y en las inundaciones de Nepal, ayudando a identificar los daños tanto del fuego en las zonas verdes como los desperfectos causados por los desplazamientos de tierra en las inundaciones.

Zonas devastadas por un terremoto.

Respecto a Turquía, xView2 habría sido usado por lo menos por dos equipos de tierra dedicados a búsqueda y rescate en Adiyam. La idea detrás de xView2, según cuentan algunos de sus máximos responsables, es ayudar a los trabajadores a descubrir áreas dañadas hasta el momento desconocidas y ahorrarles la labor de tener que determinar por ellos mismos cuáles son estas áreas dañadas. También se están usando drones que abarcan grandes áreas de las zonas afectadas.

Aún tiene problemas

Según recogen en MIT Technology Review, los responsables de xView2 admiten que hay camino por recorrer. Según expone Ritwik Gupta, científico principal de la Unidad de Innovación de Defensa especializado en IA, el sistema depende principalmente de las imágenes satelitales que se toman durante el día. Por ende, la respuesta de xView2 ante un desastre se demora hasta que obtiene las imágenes, lo cual depende de ciertos factores.

Un edificio destruido en Siria tras el terremoto. EFE

Esto empeora debido a que el sistema funciona en la nube y dependiendo del nivel de conectividad presente en dichos momentos, xView2 podrá tener las imágenes antes o después. Cada minuto en estas situaciones es absolutamente crucial, por lo que en ese sentido, xView2 no puede proporcionar una respuesta tan rápida como a algunos le gustaría.