Google ha anunciado el desarrollo de un nuevo sistema de análisis de datos basado en Gemini, cuyo objetivo es ayudar a detectar antes los episodios de inundaciones repentinas. Esta herramienta, denominada «Groundsource», extrae datos de noticias publicadas en el pasado utilizando el modelo de inteligencia artificial de la empresa y combina esta información con las previsiones meteorológicas actuales para intentar evaluar el riesgo de inundaciones repentinas en determinadas zonas. Se sabe que las inundaciones repentinas se encuentran entre los fenómenos naturales difíciles de predecir desde el punto de vista meteorológico. A pesar de ello, Google pretende ofrecer un nuevo enfoque en este ámbito transformando los eventos registrados en el pasado en conjuntos de datos a gran escala.
Según la información facilitada por Google, Gemini se encargó de examinar aproximadamente 5 millones de artículos de noticias publicados en todo el mundo para extraer los registros relacionados con inundaciones. En este proceso, los eventos mencionados en las noticias se clasificaron cronológicamente y cada uno de ellos se marcó con información de ubicación geográfica. De este modo, se creó un amplio conjunto de datos que incluye inundaciones ocurridas en diferentes regiones. Además, los investigadores entrenaron un modelo de predicción independiente capaz de evaluar este conjunto de datos junto con las previsiones meteorológicas actuales. El sistema analiza las condiciones meteorológicas previstas en una zona determinada para calcular la probabilidad de que se produzca una inundación repentina.
¿Cómo funciona el sistema Groundsource basado en Google Gemini?
La plataforma Groundsource no se limita a utilizar los eventos de inundaciones ocurridos en el pasado como meros registros históricos. Además, crea un modelo que genera evaluaciones de riesgo al relacionar las previsiones meteorológicas con estos datos. Según la información facilitada por Google, el sistema ya está disponible a través de la plataforma Flood Hub, que ofrece indicadores de riesgo para ciudades de 150 países. Por otra parte, la empresa tiene previsto compartir los datos y análisis obtenidos con las agencias de gestión de emergencias. De este modo, se pretende que las administraciones locales y los equipos de rescate puedan reaccionar más rápidamente ante posibles riesgos de inundación.
No obstante, el sistema actual presenta algunas limitaciones técnicas. El área en la que el modelo puede realizar análisis de riesgo se limita a regiones de aproximadamente 20 kilómetros cuadrados. Además, ofrece una precisión menor en comparación con los sistemas de alerta de inundaciones que utiliza el Servicio Meteorológico Nacional de EE. UU. La razón principal es que el modelo de Google no utiliza datos de radares locales. Los datos de los radares locales suelen permitir el seguimiento en tiempo real de la cantidad y el movimiento de las precipitaciones. Sin embargo, la plataforma Groundsource está diseñada para funcionar especialmente en regiones que no cuentan con una infraestructura meteorológica avanzada.
Juliet Rothenberg, directora de programas del equipo de Google Resilience, señala que el sistema también podría utilizarse en el futuro para predecir diferentes fenómenos naturales. Según Rothenberg, gracias a la recopilación de millones de informes, se pueden extraer conclusiones incluso para zonas en las que hay escasez de datos. Además, se afirma que este enfoque podría utilizarse para predecir olas de calor, deslizamientos de tierra y otros fenómenos de riesgo similares.
Este no es el primer proyecto en el que Google utiliza la inteligencia artificial para las previsiones meteorológicas. El modelo WeatherNext 2, desarrollado por DeepMind, había obtenido una alta tasa de precisión en las pruebas realizadas en los últimos años. Sin embargo, Groundsource ofrece un método diferente, especialmente por utilizar el análisis de datos basado en modelos de lenguaje para generar evaluaciones de riesgos meteorológicos. Los resultados a largo plazo de este enfoque se comprenderán con mayor claridad a partir de los datos de uso del sistema en el mundo real.
Sigue la actualidad del mundo tecnológico con los boletines de Teknoblog.