Raúl Reyero Díez, coordinador de la Maestría en Big Data y Ciencia de Datos de la VIU, explica que los modelos probabilísticos permiten anticipar crecidas e incendios forestales, aunque los terremotos siguen siendo muy difíciles de prever.
Raúl Reyero Díez, coordinador de la Maestría en Big Data y Ciencia de Datos de la VIU, explica que los modelos probabilísticos permiten anticipar crecidas e incendios forestales, aunque los terremotos siguen siendo muy difíciles de prever.
Las intensas lluvias, aluviones y granizadas que han golpeado a Chile en las últimas semanas, asociadas a un fenómeno de El Niño de intensidad inusual, reabrieron una pregunta clave: ¿es posible anticipar los desastres naturales con ciencia de datos e inteligencia artificial (IA)?
Para Raúl Reyero Díez, coordinador de la Maestría en Big Data y Ciencia de Datos de la Universidad Internacional de Valencia (VIU), la respuesta depende del tipo de evento.
El escenario ayuda a dimensionar el debate. El pasado 8 de octubre, un aluvión descendió desde la precordillera hacia el sector oriente de Santiago y arrastró barro, piedras y vehículos. El 13 de octubre, una granizada provocó inundaciones en distintos puntos de la capital. A nivel global, la Organización Meteorológica Mundial (OMM) advirtió que el episodio podría alcanzar una intensidad "sin precedentes", con efectos que se extenderían hasta inicios de 2027.
Según Reyero, el caso más complejo es el de los terremotos. "Lo que nos dicen los expertos es que es muy difícil anticipar un terremoto, y a lo único que podemos aspirar al día de hoy es a ser capaces de, una vez que se ha producido, alertar a la población de la manera más rápida posible", explicó.
En cambio, los fenómenos meteorológicos ofrecen mayor margen. Huracanes, crecidas, lluvias intensas e incluso zonas susceptibles a deslizamientos de laderas pueden abordarse mediante modelos probabilísticos. "La ciencia de datos nos permite acercarnos a identificar patrones y a construir modelos probabilísticos en los que un experto puede trabajar mejor", sostuvo.
De acuerdo con el académico, la principal limitante está en la información disponible. "La ciencia de datos sin datos es muy poco valiosa", afirmó. Detalló que hoy esos registros pueden obtenerse desde satélites, drones y sensores instalados en terreno.
Sin embargo, los modelos aprenden del pasado para predecir el futuro, y eso dificulta el trabajo con eventos excepcionales. En ese sentido, reconoció que "nos cuesta mucho ser capaces de predecir fenómenos extraños". Aun así, precisó que El Niño "cada vez va siendo menos extraño" y que, con más datos, las predicciones mejorarán.
Reyero citó los incendios forestales registrados en España durante el verano europeo. Allí, explicó, fue posible prever durante varios días cómo evolucionaba el fuego. Eso permitió evacuar a tiempo a distintas poblaciones y evitar daños mayores.
Con todo, aclaró que predecir dónde y cuándo comenzará un incendio "es imposible". Lo que sí se puede hacer, una vez iniciado, es medir el viento y la humedad para construir un modelo de su avance que no es certero al 100%. "No tenemos magia, no hay un método de adivinación", subrayó.
Más allá de la tecnología, el especialista puso el foco en las administraciones públicas y en la necesidad de hacer llegar las alertas a la población lo antes posible. Además, destacó la importancia de los simulacros de evacuación.
También planteó que esas alertas deben llegar a las zonas rurales sin buena cobertura móvil y a las personas mayores que no manejan la tecnología.
Por último, sobre el futuro de la IA, Reyero reconoció que se vive un "momento disruptivo". No obstante, advirtió que la predicción de desastres sigue "al remolque" de la capacidad de conseguir datos fiables y a tiempo, además del trabajo de meteorólogos y geólogos.
