¿Cómo se anticipa un peligro que aparece en minutos y, muchas veces, donde nadie está mirando? Esa es la pieza clave de las inundaciones repentinas: llegan rápido, golpean zonas muy concretas y cada año causan más de 5.000 muertes en el mundo.
Ahora, un hallazgo de Google propone un mecanismo poco habitual: mirar hacia atrás para ver mejor lo que viene. La empresa usó Gemini, su modelo de lenguaje, para leer 5 millones de noticias antiguas y convertir ese archivo disperso en señales útiles que les permitiera predecir inundaciones repentinas.
De ese rastreo salieron 2,6 millones de eventos distintos y una base geolocalizada llamada Groundsource, una serie temporal georreferenciada. Según Google, es la primera vez que la compañía utiliza un modelo de lenguaje para construir un conjunto de datos cuantitativo a partir de textos periodísticos, y además lo dejó compartido públicamente.
La clave está en que las inundaciones repentinas casi no dejan un “cableado” de datos continuo. A diferencia de la temperatura o del caudal de un río, que se miden de forma regular, estos episodios son breves y locales. Sin esa materia prima, los modelos de aprendizaje profundo aprenden con huecos.
También te puede interesar:Google Expande Personal Intelligence a Todos los Usuarios de Gemini en EE. UU.Un responsable de emergencias de la Comunidad de Desarrollo de África Austral señaló que el sistema ayudó a responder más rápido ante inundaciones.
Las noticias funcionaron como esas notas sueltas que, juntas, revelan el mapa oculto del problema. Gemini leyó relatos humanos, detectó dónde y cuándo hubo inundaciones, y transformó ese material cualitativo en una base ordenada que una máquina sí puede usar.
Con esa base, los investigadores entrenaron un modelo LSTM, una red neuronal Long Short-Term Memory (memoria para secuencias en el tiempo). Ese sistema combina Groundsource con pronósticos meteorológicos globales para calcular la probabilidad de una inundación repentina en una zona determinada.
Un radar alternativo para regiones con pocos datos
El modelo ya marca riesgos en áreas urbanas de 150 países y muestra sus alertas en Flood Hub, la plataforma de Google para monitorear inundaciones. Además, la empresa comparte esos datos con agencias de respuesta a emergencias de distintas regiones.
También te puede interesar:Google Expande Personal Intelligence a Todos los Usuarios de Gemini en EE. UU.
Hay límites claros. Su resolución espacial ronda áreas de 20 kilómetros cuadrados, así que no “ve” con el detalle de los mejores sistemas locales. También es menos preciso que las alertas del Servicio Meteorológico Nacional de Estados Unidos, en parte porque no incorpora radar local, el seguimiento en tiempo real de la lluvia.
Pero ese no era el centro del proyecto.
El diseño apunta a lugares donde no existen radares costosos ni registros históricos extensos. En esos contextos, agregar millones de informes periodísticos funciona como una central de respaldo: no reemplaza al mejor sistema posible, pero enciende una luz donde antes había oscuridad.
Además, el mecanismo podría abrir otra oportunidad. Si un modelo de lenguaje puede convertir textos en datos útiles para inundaciones, el mismo interruptor podría activarse para otros fenómenos difíciles de registrar, como olas de calor o deslizamientos de tierra. Expertos del sector ven allí una respuesta creativa a uno de los problemas más duros de la geofísica: la escasez de datos fiables.
Para el usuario común, la aplicación práctica es simple: mejores alertas significan más tiempo para moverse, cortar una ruta o proteger una vivienda. A veces, el futuro no aparece en un sensor nuevo, sino en el momento en que una máquina aprende a leer, con orden, lo que el mundo ya venía contando.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
