La nueva tecnología de inteligencia artificial puede emplearse para cualquier tipo de desastre natural que sea sensible al clima.

Fuente: Muy Interesante

El terremoto y maremoto de Japón de 2011, duró apenas 6 minutos, aproximadamente, pero fue el peor desastre natural en la historia de Japón cobrándose más de 15.000 vidas (casi todos los muertos los provocó el tsunami) y dejando atrás una destrucción increíble, ya que las olas llevaban tal fuerza que arrasaron con todo lo que encontraron a su paso, incluidos edificios enteros. Pero no solo eso. También provocó el colapso de tres reactores nucleares de la central nuclear de Fukushima Daiichi. La crisis en la central llevó al gobierno japonés a declarar una zona de evacuación de más de 20 kilómetros a la redonda.

Esta Inteligencia Artificial puede predecir un desastre natural en menos de un segundo
Imagen referencial


¿Qué habría pasado si se hubiese podido pronosticar con tiempo?

Ahora, una nueva investigación del Laboratorio de Ciencias de la Predicción RIKEN ha utilizado el aprendizaje automático para predecir con precisión los impactos de los tsunamis en menos de un segundo, según un comunicado de prensa de la institución.

“La principal ventaja de nuestro método es la velocidad de las predicciones, que es crucial para la alerta temprana”, explicó Iyan Mulia, líder del trabajo y científico de RIKEN. “El modelo de tsunami convencional proporciona predicciones después de 30 minutos, que es demasiado tarde. Pero nuestro modelo puede hacer predicciones en segundos”.

En menos de un segundo

El hardware utilizado para el desarrollo de la nueva herramienta de predicción de tsunamis fue Fugaku, el superordenador más rápido del mundo.

Los investigadores descubrieron que su modelo basado en el aprendizaje automático podía lograr una precisión comparable con solo el uno por ciento del esfuerzo informático de los enfoques convencionales. Y, según los expertos, este modelo podría funcionar para cualquier desastre natural sensible al tiempo.

“El cielo es el límite: puede aplicar este método a cualquier tipo de predicción de desastres donde la restricción de tiempo es muy limitada”, agregó Mulia. “Ahora estoy trabajando en una predicción de marejadas ciclónicas, también utilizando el aprendizaje automático”.

Ver Anterior

Un nuevo proceso mejora la calidad y la resistencia del acero de la chatarra

Ver Siguiente

Mercedes-Benz anuncia una “red mundial de recarga de alta potencia” para vehículos eléctricos

1 estrella2 estrellas3 estrellas4 estrellas5 estrellas (Ninguna valoración todavía)
Cargando...

Comentar Publicación