Un equipo internacional de investigadores desarrolló un sistema de visión computarizado que aprovecha una base de datos de más de un millón y medio de fotogragías para detectar automáticamente desastres naturales a través de imágenes colgadas en las redes sociales.Este sistema de inteligencia artificial (IA) está basado en "deep learning", que intenta recrear mediante conexiones neuronales por capas el funcionamiento del cerebro humano."Hemos demostrado que la detección automática de incidentes en redes como Twitter es factible, y esto puede ayudar mucho a las organizaciones de ayuda humanitaria", destacó la profesora de la Universitat Oberta de Catalunya (UOC) Ágata Lapedriza, especializada en IA que participó del trabajo, liderado por el Instituto de Tecnología de Massachusetts (MIT).La investigación aplicó herramientas de visión por computación que, una vez entrenadas con 1,7 millones de fotografías, demostraron ser eficaces para analizar, filtrar y detectar catástrofes reales -como inundaciones, tornados o incendios forestales- que son cada vez más frecuentes y devastadores como consecuencia del cambio climático."Como todavía no hay herramientas para predecir dónde y cuándo habrá este tipo de incidentes, articular una respuesta rápida y eficaz de los servicios de emergencia y cooperación internacional resulta fundamental para salvar vidas", subrayó Lapedriza."Afortunadamente, la tecnología puede jugar un papel muy importante en estas situaciones. Las publicaciones en las redes sociales se pueden utilizar como una fuente de datos de baja latencia para entender la progresión y las consecuencias de un desastre", añadió.En el estudio, que publica la revista 'Transactions on Pattern Analysis and Machine Intelligence', la experta contribuyó a definir la taxonomía de incidentes, crear la base de datos para entrenar los modelos de 'deep learning' y ejecutar los experimentos que validaron esta tecnología.Los investigadores establecieron un listado con 43 categorías de incidentes naturales -aludes, tormentas de arena, terremotos, erupciones volcánicas y sequías, entre otros- y diferentes tipos de accidentes con algún grado de intervención humana, por ejemplo de avión, de construcción, etcétera.Este listado, junto con una tipología de 49 lugares, permitió etiquetar las fotografías con las que prepararon el sistema, que contiene 1 millón 787 mil154 imágenes catalogadas, para entrenar posteriormente al modelo de detección.Se ejercitó al sistema para que elimine los falsos positivos y entienda, por ejemplo, que una fotografía de una hoguera no corresponde a un incendio, aunque comparta características visuales similares.Con esa base, el equipo entrenó un modelo para detectar incidentes "siguiendo el paradigma de aprendizaje multitárea y utilizando una red neuronal convolucional", según Lapedriza.Las redes neuronales convolucionales potencian el reconocimiento de imágenes y las tareas de visión por computadora, según explican los expertos. La "visión por computadora" es un área de la IA que permite que estos dispositivos y sus sistemas obtengan información significativa de fotografías digitales, videos y otras imágenes visuales, y que actúen a partir de ellas.Una vez que consiguió entrenar el modelo de deep learning en la detección de incidentes en imágenes, el equipo lo puso a prueba en varios experimentos, utilizando un volumen de imágenes ingente descargado de redes sociales como Flickr y Twitter."Dentro de estas imágenes, nuestro modelo detectó las que se correspondían a incidentes y acertó con incidentes concretos de los cuales existía registro, como los terremotos de 2015 en Nepal y en Chile", detalló Lapedriza.Los autores han demostrado con datos reales el potencial de usar esta herramienta de inteligencia artificial 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", añadió la especialista, que ahora se plantea aprovechar las mismas imágenes de catástrofes para cuantificar la gravedad de los incidentes de manera automática, o incluso hacer un seguimiento más efectivo de cómo evolucionan en el tiempo.
