Una inteligencia artificial ya puede producir escenarios creíbles de lluvias extremas, incluso cuando no existe en sus datos de aprendizaje ningún fenómeno tan violento.
Preparar una ciudad para una catástrofe poco frecuente plantea un problema sencillo: precisamente faltan ejemplos cuando el riesgo se vuelve más grave. Por definición, una lluvia excepcional aparece rara vez en los archivos. Sin embargo, muchos modelos aprenden sobre todo a partir de lo que ya ha ocurrido.
Rayos durante una tormenta cerca de Mudanya, Turquía, el 16 de junio.
Crédito: Uğur İkizler
Un equipo de investigadores del Instituto Tecnológico de Massachusetts ha desarrollado un método para sortear esta limitación. Bautizado como Extreme Event Aware Learning, no pretende predecir la próxima tormenta. Su objetivo es diferente: imaginar numerosos fenómenos muy poco frecuentes, pero estadísticamente plausibles.
Para probarlo, el equipo se basó en 25 años de precipitaciones horarias que cubrían el territorio continental de Estados Unidos. Estos datos se agruparon en mapas diarios. Sin embargo, la parte del modelo encargada de aprender la forma detallada de las lluvias solo utilizó los seis primeros meses. Este breve periodo contenía pocos episodios extremos, o incluso ninguno. Así se podían poner a prueba sus predicciones con la realidad.
¿Cómo puede entonces producir lluvias más intensas que las que ha observado? La idea consiste en separar dos tipos de información. Por un lado, el sistema aprende cómo son los mapas de lluvia: su forma, su extensión y su distribución espacial. Por otro, unas estadísticas indican con qué frecuencia pueden producirse determinadas intensidades.
Estas estadísticas actúan como mecanismo de control. La IA no puede limitarse a inventar al azar un mapa espectacular. Debe proponer configuraciones compatibles con el nivel de rareza solicitado.
Así, un urbanista podría preguntar cómo sería una lluvia capaz de producirse aproximadamente una vez por siglo. El modelo genera entonces numerosos escenarios posibles, con zonas afectadas e intensidades diferentes. Los investigadores ponen como ejemplo un fenómeno que alcanzara 300 mm de lluvia en un lugar cuyo récord observado fuera de 200 mm.
Esta diferencia es importante para la gestión de riesgos. Una ciudad podría probar una red de evacuación de aguas, un dique u otras infraestructuras frente a varios escenarios graves. Ya no estaría limitada a las catástrofes que aparecen en los archivos.
Los investigadores consideran que un principio similar podría utilizarse para otros riesgos, como las inundaciones y los incendios forestales. También podrían explorarse ámbitos muy diferentes, como la navegación robótica o los cursos de los mercados financieros.