Cómo funciona el algoritmo del MIT que simula y podría anticipar eventos extremos

El Instituto de Tecnología de Massachusetts ( MIT ) presentó un algoritmo de aprendizaje automático —una rama de la inteligencia artificial que permite a las computadoras aprender de datos— capaz de generar escenarios plausibles de eventos extremos sin depender de registros previos de desastres de esa magnitud, una herramienta pensada para anticipar riesgos que hoy condicionan la preparación de ciudades , redes eléctricas e infraestructuras críticas frente a tormentas , olas de calor e incendios sin precedentes, según MIT News , el portal de noticias del instituto.

A diferencia de los sistemas habituales, el método está diseñado para estimar cómo podría ser un fenómeno que ocurre una vez cada 100 años, incluso cuando no existe en la base de datos ningún caso equivalente.

De acuerdo con el portal institucional, la herramienta puede producir miles de realizaciones posibles de esos episodios raros y estimar su tamaño, duración, intensidad y área de impacto.

Kai Chang , estudiante de posgrado en ingeniería mecánica del instituto e investigador afiliado al Center for Computational Science and Engineering, explicó que el objetivo es modelar eventos extremos inéditos que “nadie ha visto antes” y que no aparecen en los datos disponibles.

Themis Sapsis , profesor William I.

Koch de ingeniería mecánica y oceánica en MIT, planteó el problema a partir de una referencia: si un huracán como Katrina aparece cada 30 o 40 años, la pregunta es cómo sería uno con una frecuencia de una vez por siglo y qué tan grave podría resultar.

El sistema aprende y descarta escenarios imposibles La novedad del enfoque es que no necesita entrenarse con ejemplos previos de catástrofes extraordinarias para construir escenarios futuros.

En lugar de eso, aprende a partir de registros existentes, como series diarias del tiempo y mapas regionales, aunque esos archivos contengan pocos o ningún episodio de magnitud récord.

Chang señaló que muchos modelos actuales parten del supuesto de que en el conjunto de datos ya existen eventos muy destructivos observados, y a partir de ellos estiman riesgos o intentan reproducir exactamente lo que ya ocurrió.

El nuevo sistema busca en cambio identificar cómo serían eventos “más arriesgados que todo” lo registrado hasta ahora y, aun así, estadísticamente plausibles.

El ejemplo que desarrolla la investigación es directo.

Si la lluvia más intensa medida alguna vez en Nueva York fue de 200 milímetros , el algoritmo intenta estimar qué tipo de tormenta podría producir 300 milímetros , aunque nunca se haya documentado una precipitación así en la ciudad.

Para planificadores urbanos, esa diferencia no es menor: necesitan saber dónde impactaría, qué superficie cubriría y con qué intensidad descargaría para reforzar infraestructura y evaluar vulnerabilidades.