En su AI Impact Challenge 2019, Google preguntó a organizaciones sin fines de lucro, empresas sociales e instituciones de investigación de todo el mundo, "¿Cómo usarías la inteligencia artificial (IA) para el bien social?"

"Teníamos una buena idea que buscaba una oportunidad así, "dijo Chaopeng Shen, profesor asociado de ingeniería civil y ambiental en Penn State e investigador principal de "deepLDB, "uno de los 20 proyectos a los que Google otorgó fondos para el desafío el año pasado." Los deslizamientos de tierra provocados por las lluvias son un gran riesgo para las personas que viven en áreas montañosas, y pensamos que existía la posibilidad de utilizar la inteligencia artificial para pronosticarlos mejor ".

En todo el mundo, los deslizamientos de tierra causan miles de muertes y lesiones y cuestan miles de millones de dólares cada año, según el Servicio Geológico de Estados Unidos (USGS). Los más frecuentes son los inducidos por las lluvias, a menudo se transforma en flujos de escombros que se mueven rápidamente como el Montecito, Deslizamientos de tierra en California en 2018.

Pero Shen dijo que muchos de estos eventos tampoco se informan, complicando los esfuerzos para estudiarlos y eventualmente predecirlos.

"La mayor parte de la información proviene de informes de noticias, y hay muchos eventos que faltan, ", Dijo Shen." Para que podamos pronosticar mejor los deslizamientos de tierra, tenemos que empezar con una buena base de datos de deslizamientos de tierra ".

Shen señaló que con la disponibilidad de imágenes de satélite de Google Earth, Los deslizamientos de tierra pasados ​​se pueden identificar desde el espacio. Sin embargo, encontrar solo uno, y mucho menos los miles necesarios para completar una base de datos completa, requiere que todo un equipo revise las imágenes en busca de evidencia de un evento pasado.

A menos que tengas IA.

"El primer objetivo de nuestro trabajo fue producir un método de inteligencia artificial para identificar estos eventos a partir de las imágenes de satélite, ", Dijo Shen." Una vez que la IA está entrenada, cuando puede determinar qué es un deslizamiento de tierra y qué no, podemos aplicarlo a un área muy grande, y automáticamente encontrará el lugar con un evento sospechoso ".

Al inicio del proyecto, Co-investigadores de Shen y Penn State, Tong Qiu, profesor asociado de ingeniería civil y ambiental, y Daniel Kifer, profesor de informática, El USGS les proporcionó un conjunto de datos inicial de deslizamientos de tierra conocidos inducidos por lluvias. Después de encontrar los eventos en Google Earth, utilizaron las imágenes de satélite como ejemplos de formación en un proceso llamado "aprendizaje supervisado".

"Es básicamente la identificación de objetos, ", Dijo Shen." Al mirar la imagen de satélite, tienes la sensación de que podría haber habido un evento porque la escena cambió drásticamente. La mayoría de las señales visuales provienen de la vegetación ".

Tiempo extraordinario, la IA comenzó a reconocer las señales que podría utilizar para identificar un deslizamiento de tierra, pero también necesitaba detectar las diferencias con otras ocurrencias, también. La forma de una perturbación podría haber indicado un deslizamiento de tierra, pero también podría haber sido de un incendio forestal, mina excavada o edificio demolido.

"Tiene que poder diferenciar las señales reales del ruido, ", Dijo Shen." ¿Qué es un deslizamiento de tierra inducido por la lluvia? y lo que no es? "

Después de un año de formación, Shen dijo que el modelo ahora identifica correctamente un deslizamiento de tierra el 97% de las veces, pero enfatizó que aún se necesitan más ejemplos de capacitación. Los investigadores crearon un sitio web donde las personas podían cargar sus propias imágenes de Google Earth para ayudar a entrenar el modelo.

"Si una imagen aérea de un deslizamiento de tierra no es de un área en la que nos hemos centrado, nos pueden ayudar a corregirlo, ", Dijo Shen." Cuantos más datos tengamos, más preciso será el modelo ".

Según Shen, el nivel de precisión en la base de datos es lo que distingue a "deepLDB", y les permite comenzar a avanzar hacia el segundo objetivo del proyecto:la predicción.

"El segundo paso es usar IA para asociar los eventos en la base de datos con la lluvia y otras condiciones locales para tratar de predecir lo que sucederá a continuación, ", Dijo Shen." El aspecto novedoso del proyecto es que tenemos una precisión espacial muy alta, lo que significa que sabemos exactamente dónde están estos eventos. Con este tipo de precisión, podemos superponer los eventos con otros conjuntos de datos como la textura del suelo y la elevación y descubrir algunas de las razones fundamentales por las que ocurre en un área y no en la otra. O por qué ayer y no anteayer ".

Agregó que el trabajo acaba de comenzar en el modelo de predicción, y han trabajado con los expertos en inteligencia artificial de Google para encontrar la mejor manera de construir la inteligencia artificial mientras busca patrones en la base de datos en crecimiento.

"Las personas con las que he trabajado en Google y su organización filantrópica, Google org, realmente quiero crear algunos impactos positivos en el mundo, "Dijo Shen." Con suerte, podremos salvar vidas con este esfuerzo ".