La IA ya predice el calor extremo. Ahora toca anticiparnos

La inteligencia artificial ya sabe, con semanas de anticipación, cuándo podría hacer un calor peligroso. Lo que todavía no sabe hacer es evitar que la gente muera por sus consecuencias. Y ahí comienza la parte más importante de la historia: convertir los avances de la IA y el calor extremo en herramientas de prevención capaces de salvar vidas.

Una revisión sobre inteligencia artificial y aprendizaje automático aplicados al calor extremo encontró que 98.4% de los estudios analizados se concentra en la predicción. En contraste, apenas 1.6% aborda la preparación, mientras que 59.2% estudia la prevención, 10.4% la respuesta y 3.2% la recuperación. Los autores describen esta diferencia como una “brecha entre investigación e implementación”, según la investigación recogida por Axios.

En otras palabras, estamos aprendiendo rápidamente a ver venir el peligro, pero todavía no hemos desarrollado con la misma velocidad los sistemas capaces de convertir esa información en decisiones que protejan a las personas.

El costo de esa brecha ya se puede medir. En Estados Unidos, las muertes asociadas con altas temperaturas aumentaron 53%, de un promedio anual de 2,670 entre 2000 y 2009 a más de 4,000 entre 2010 y 2020, de acuerdo con un estudio de Yale citado por Axios.

La pregunta, entonces, ya no es solamente qué tan bien puede predecir la IA. Es qué ocurre después de que emite la alerta.

La IA y el calor extremo: la predicción nunca fue tan buena

La paradoja es que la parte que sí recibe atención avanza a enorme velocidad.

Un equipo del MIT desarrolló un método de posprocesamiento con aprendizaje automático que funciona sobre modelos meteorológicos existentes y aprende de sus errores anteriores para corregirlos.

El sistema duplicó la capacidad predictiva en el rango subestacional de dos a seis semanas y mejoró los pronósticos para 91% de los objetivos de presión, 92% de temperatura y 98% de precipitación. Además, es de código abierto y el sistema final no necesita una supercomputadora para ejecutarse, según la investigación sobre pronósticos meteorológicos.

“Superamos consistentemente los promedios climatológicos con nuestros modelos”, explicó Judah Cohen, investigador del MIT y coautor del trabajo. Los eventos extremos, añadió, podrían ser una de las aplicaciones con mayor impacto social.

La capacidad de anticipar mejor fenómenos meteorológicos forma parte de una transformación más amplia en la predicción del clima con inteligencia artificial.

WeatherNext, el modelo experimental de Google DeepMind, ofreció uno de los ejemplos más claros. Cinco días antes de que el huracán Melissa tocara tierra, predijo con 80% de confianza que pasaría de categoría 1 a categoría 5 y llegaría a Jamaica, mientras los modelos tradicionales todavía mostraban incertidumbre. Google compartió sus resultados con el Centro Nacional de Huracanes de Estados Unidos.

Melissa dejó 45 muertos y arrancó los techos de más de 120,000 edificios. Las alertas tempranas, de acuerdo con el Servicio Meteorológico de Jamaica, fueron críticas.

En indicadores meteorológicos clave, los modelos de IA ya pueden ser entre 10% y 20% más precisos que los mejores modelos físicos y ejecutarse entre 100 y 1,000 veces de manera más eficiente que los sistemas tradicionales basados en supercomputadoras.

La tecnología está avanzando. El problema está en lo que ocurre cuando esa predicción llega a una ciudad.

Lo que falta: datos lentos, datos rápidos

Una alerta precisa no es lo mismo que una ciudad preparada.

Jennah Gosciak, doctoranda en Ciencias de la Información de Cornell y exbecaria de la oficina de emergencias de Nueva York, resume una parte importante del problema: contar con sistemas de datos robustos capaces de integrar distintas fuentes y volverlas útiles para quienes toman decisiones es “la mayor parte de la batalla”.

Gosciak distingue entre datos lentos y rápidos.

Los primeros incluyen censos, mapas demográficos e índices de vulnerabilidad que ayudan a planear durante meses o años. Los segundos son señales que pueden modificar una decisión mientras una ola de calor está ocurriendo: temperaturas por colonia, saturación hospitalaria, cortes eléctricos, calidad del aire o ubicación de personas particularmente vulnerables.

Karishma V. Patel, investigadora de RAND y coautora de la revisión, apunta en la misma dirección. Los algoritmos predictivos pueden ser especialmente valiosos para decisiones urgentes ligadas a un evento detonante y tomadas en casi tiempo real. Los índices más sencillos, en cambio, pueden ser mejores herramientas para la planeación de largo plazo.

Ahí cambia el sentido de la tecnología.

No basta con saber que una colonia alcanzará una temperatura peligrosa. Una ciudad necesita utilizar esa información para decidir dónde abrir un centro de enfriamiento, qué hospitales podrían enfrentar mayor demanda, qué zonas requieren agua o sombra y qué personas necesitan ser contactadas primero.

Esa transición ya comienza a ocurrir. Google amplió su herramienta Heat Resilience de un piloto realizado en 14 ciudades a más de 50 ciudades alrededor del mundo, utilizando IA e imágenes de alta resolución para identificar características como la reflectividad de los techos a nivel de edificios individuales.

En México también aparecen versiones de esta lógica. Herramientas que utilizan inteligencia artificial para combatir el calor urbano buscan convertir información satelital en intervenciones concretas sobre edificios y ciudades.

La relación entre IA y calor extremo también impulsa el desarrollo de pronósticos hiperlocales, capaces de identificar riesgos a escala de colonias, calles e infraestructura específica.

El siguiente frente está en esos pronósticos y en algo todavía más complejo: las amenazas que llegan juntas.

América Latina está en la zona del doble golpe

Calor, contaminación, humo de incendios y sequía no siempre ocurren por separado.

Un estudio de la Universidad de Monash publicado en Science Advances encontró que 55.9% de la población mundial estuvo expuesta al menos un día a una ola de calor y humo de incendios forestales simultáneamente entre 2000 y 2019.

El número de personas expuestas cada año pasó de 761 millones durante la primera década del periodo estudiado a más de 1,000 millones durante la segunda. Centroamérica y Sudamérica estuvieron entre las regiones donde aumentaron los días de exposición simultánea, de acuerdo con el estudio sobre olas de calor e incendios forestales.

Los investigadores advierten que sufrir ambos fenómenos al mismo tiempo puede generar efectos sobre la salud mayores que los provocados por cada amenaza de manera aislada.

Para México, la discusión tiene consecuencias inmediatas. Las condiciones de altas temperaturas y baja humedad pueden favorecer el riesgo de incendios forestales en distintas regiones del país. Los reportes nacionales de incendios forestales de la Comisión Nacional Forestal permiten dar seguimiento a este fenómeno.

Esto vuelve más relevante una pregunta que la tecnología, por sí sola, no puede resolver: ¿qué hacemos cuando sabemos dónde estará el riesgo antes de que llegue?

De la predicción a la prevención: el verdadero reto

Los avances de la IA y el calor extremo muestran que anticipar los riesgos climáticos es cada vez más posible. Los modelos ya existen. Algunos son abiertos. Otros pueden ejecutarse sin la infraestructura computacional que hace apenas unos años parecía indispensable.

Pero que una predicción termine salvando vidas depende de otra infraestructura menos visible: saber quién vive dónde, qué comunidades son más vulnerables, dónde falta sombra, quién no tiene aire acondicionado, qué hospitales pueden saturarse y qué autoridades tienen capacidad de actuar antes de que la temperatura alcance su punto máximo.

México necesita convertir cada vez más esa información en innovación y acción climática capaz de pasar del diagnóstico a la intervención.

Porque la siguiente gran innovación climática quizá no consista en predecir el calor con una semana más de anticipación. Consistirá en lograr que esa semana realmente cambie lo que ocurre cuando el calor llega.