Un estudio realizado con IA demuestra que el nivel socioeconómico condiciona las migraciones por catástrofes ambientales
Un artículo del grupo de investigación Image and Signal Processing (ISP) de la Universitat de València (UV), liderado por Gustau Camps-Valls y que ha utilizado la Inteligencia Artificial (IA) como herramienta, concluye que el nivel socioeconómico explica los movimientos poblacionales que se dan tras catástrofes generadas por fenómenos naturales extremos como inundaciones, vendavales y deslizamientos de tierra.
El trabajo ha sido publicado en la revista ‘Nature Communications’ y para él se creó una base de datos global con inundaciones, vendavales o deslizamientos de tierra durante el período 2016-2021, informa la institución académica en un comunicado.
El personal investigador empleó técnicas de aprendizaje automático explicables para modelar y comprender los flujos y patrones de desplazamiento interno de la población a escala global basándose únicamente en datos observacionales proporcionados por colaboradores del Centro de Monitorización del Desplazamiento Interno (IDMC) de Ginebra, el centro de referencia internacional en la monitorización del desplazamiento interno de poblaciones en cada país.
El trabajo demuestra que los movimientos de población pueden atribuirse principalmente a la combinación de malas condiciones domésticas y precipitaciones intensas. El trabajo aporta un medio para cuantificar los desplazamientos y mitigar sus efectos a partir de datos, basándose en la IA y en la inferencia causal, proceso de identificar y entender las relaciones causa-efecto entre variables.
Gustau Camps-Valls, catedrático del Departamento de Ingeniería Electrónica, y coordinador del grupo ISP en el Laboratorio de Procesamiento de Imágenes (IPL en sus siglas en inglés) de la UV, explica que este estudio «evidencia la vulnerabilidad diferencial frente a eventos climáticos extremos».
«No todas las comunidades afrontan los mismos riesgos, y cuantificamos estas diferencias, lo cual proporciona una base sólida para estrategias de mitigación y adaptación basadas en pruebas. Este estudio lo demuestra al generar una base de datos única y metodologías innovadoras de IA y Causalidad, con gran potencial de contribuir a decisiones informadas», manifiesta.
En cuanto a las aplicaciones prácticas del estudio, Eva Sevillano apunta que esta metodología y resultados «pueden ser un punto de partida para avanzar en estrategias de adaptación y mitigación, lo cual permitirá a comunidades y responsables de políticas construir soluciones resilientes y anticiparse al identificar áreas vulnerables y comprender los factores causales».
Michele Ronco y José María Tárraga, líderes técnicos del estudio y también investigadores del IPL, resaltan la importancia de las metodologías empleadas. Así, Ronco, primer firmante del estudio, destaca: «La utilización de técnicas de aprendizaje automático explicables nos permitió descifrar ese complejo puzzle de interacciones entre vulnerabilidad, exposición y desastres naturales. Esto proporciona una comprensión más profunda de los impulsores del desplazamiento poblacional».
Más allá de modelos paramétricos
Por su parte, Tárraga ha destacado que los métodos de inteligencia artificial explicables y causales han sido una herramienta esencial para analizar situaciones tan complicadas de abordar. «Esto nos ha permitido ir más allá de las limitaciones de los modelos paramétricos tradicionales», ha destacado.
Además, apunta «las dificultades» existentes durante la investigación: «Reunir y combinar datos de factores tan heterogéneos que describan las condiciones medioambientales, climáticas y socioeconómicas a nivel global y la relevancia de contar con información precisa y confiable en condiciones climáticas extremas fueron desafíos significativos». Maria Piles apunta asimismo que la interacción con agencias humanitarias «ha sido constante y primordial para la evaluación de los resultados».
Este estudio, respaldado por colaboraciones significativas y apoyo de instituciones como IDMC, de proyectos europeos como DeepCube o XAIDA, y la Fundación BBVA, representa un hito en la comprensión de los desplazamientos poblacionales en el contexto de eventos climáticos extremos y allana el camino para estrategias de mitigación y políticas más efectivas y basadas en datos. Las entidades locales, los expertos y las organizaciones humanitarias confirman que esta línea de investigación es muy necesaria y de gran ayuda para sus actividades en el terreno.
