CAMBIO CLIMÁTICO: HIDROLOGÍA Y SOCIEDAD
31.10.2024
Dr. Enrique González Sosa
En la última década, la inteligencia artificial (IA) viene asombrando al mundo por la fortaleza que tiene al arrojar resultados impresionantes y de forma rápida. Su uso se ha extendido al campo científico floreciendo de manera insospechada; sin embargo, cuando nos referimos al pronóstico y gestión de riesgos climáticos, la IA deja ver algunos dilemas sobre la confianza y seguridad de sus resultados, sobre todo, en la integridad de éstos.
La integridad, sin duda, la sostienen la pureza de las bases de datos, el entrenamiento y la evaluación, independientemente de las propias limitaciones de la IA, lo cual es un punto crítico para garantizar la gestión y robustez de esta herramienta. Si bien ya se viene haciendo uso de la IA en las cuatro etapas de la gestión de desastres provocados por fenómenos hidrometeorológicos: mitigación, preparación, respuesta y recuperación (Sun et al, 2020), para tratar de compensar y responder a los peligros pronosticados con modelos numéricos utilizados por diversos organismos internacionales, aún continúan enfrentando incertidumbre en sus resultados.
En paralelo, la IA muestra beneficios comparada con los modelos numéricos desde el punto de vista computacional y de costo, porque incluye algoritmos de bajo costo computacional y altamente confiables; sin embargo, también puede resultar una herramienta de caja negra, en el pronóstico.
A pesar de su crecimiento en el pronóstico climático, queda pendiente la comprensión de cómo la IA toma sus decisiones numéricas a la par de las decisiones de la gestión de los efectos de los fenómenos hidrometeorológicos. Además, debe generase nueva tecnología para la medición de nuevos datos; es vital la veracidad, cantidad y calidad de los datos requeridos para el entrenamiento de la IA y la comprensión de los cambios en los patrones o regímenes ocasionados por el cambio climático: pronósticos demasiado suaves, sesgos temporales, entre otros.
No hay que olvidar que la documentación, además de ser útil y expedita, debe regularse en cuanto a su acceso refiere, para que los científicos, tomadores de decisiones, gobiernos, organismos internacionales -públicos y privados- y público en general tengan libre acceso y puedan manejarla con facilidad, sin olvidar los principios éticos de la calidad de los datos.
Dicho de otro modo, la integridad del pronóstico y gestión de riesgos climáticos a partir de IA deja claro que los seres humanos deben evaluar la calidad de los resultados antes de tomar decisiones importantes, en cada una de las etapas de gestión de desastres propuestas por Sun et al, (2020). Por todo ello, habrá que tener claro el contexto operacional del pronóstico con IA, es decir, identificar los límites y alcances operacionales de la documentación emitida por la IA y que debe compartirse entre investigadores, expertos en riesgos naturales, expertos en gestión de riesgos naturales, tomadores de decisiones y todos aquellos que participan y que son afectados.
A pesar de todas las fortalezas que tiene la AI, queda un dilema respecto a la integridad del pronóstico. La AI carece de intuición para decidir cómo debemos prepararnos y enfrentar condiciones críticas de riesgo. En consecuencia, «no podemos despreciar lo que ignoramos, porque vivimos dentro de una dismorfia del equilibrio dinámico de la naturaleza».