Los científicos del MIT han desarrollado un método que genera imágenes satelitales del futuro para describir cómo se vería una región después de una posible inundación. El método combina un modelo de inteligencia artificial generativo con un modelo de inundación basado en la física para crear imágenes realistas a vista de pájaro de una región, que muestran dónde es probable que se produzcan inundaciones dada la fuerza de la inundación “una tormenta inminente”.
El trabajo se publica en la revista IEEE Transactions on Geoscience and Remote Sensing.
Como prueba, el equipo aplicó el método en Houston y generó imágenes satelitales que muestran cómo se verían ciertos lugares de la ciudad después de una tormenta comparable al huracán Harvey, que azotó la región en 2017. El equipo comparó estas imágenes generadas con imágenes satelitales reales. tomadas en las mismas regiones después de Harvey. También compararon imágenes generadas por IA que no incluían un modelo de inundación basado en la física.
El método del equipo, mejorado por la física, generó imágenes satelitales de futuras inundaciones que eran más realistas y precisas. Por otro lado, el método exclusivo de IA generó imágenes de inundaciones en lugares donde las inundaciones no son físicamente posibles.
El método del equipo es una prueba de concepto, destinada a demostrar un caso en el que los modelos generativos de IA pueden generar contenido realista y confiable cuando se combinan con un modelo basado en la física. Para aplicar el método a otras regiones para representar las inundaciones de futuras tormentas, será necesario entrenarlo con muchas más imágenes de satélite para aprender cómo se verían las inundaciones en otras regiones.
“La idea es: algún día podríamos usarlo antes de un huracán, donde proporcionaría una capa adicional de visualización al público”, dice Björn Lütjens, investigador postdoctoral en el Departamento de Ciencias de la Tierra, Atmosféricas y Ambientales de los Planetas del MIT. , quien dirigió la investigación mientras era estudiante de doctorado en el Departamento de Aeronáutica y Astronáutica del MIT (AeroAstro). Uno de los mayores desafíos es alentar a las personas a evacuar cuando corren riesgo. Quizás esta podría ser otra visualización que ayude a aumentar esa preparación.
Para ilustrar el potencial del nuevo método, al que denominaron “Motor de Inteligencia de la Tierra”, el equipo lo puso a disposición como un recurso en línea para que otros lo probaran.
Los coautores del estudio del MIT son Brandon Leshchinskiy; Aruna Sankaranarayanan; y Dava Newman, profesora de AeroAstro y directora del MIT Media Lab; así como colaboradores de varias instituciones.
El nuevo estudio es una extensión de los esfuerzos del equipo para aplicar herramientas de inteligencia artificial generativa para visualizar escenarios climáticos futuros.
“Proporcionar una perspectiva hiperlocal sobre el clima parece ser la forma más eficaz de comunicar nuestros resultados científicos”, afirma Newman, autor principal del estudio. “La gente se relaciona con su propio código postal, con su entorno local donde viven sus familiares y amigos. Proporcionar simulaciones climáticas locales se vuelve intuitivo, personal y relevante.
Para este estudio, los autores utilizaron una red adversarial generativa condicional, o GAN, un tipo de método de aprendizaje automático que puede generar imágenes realistas utilizando dos redes neuronales en competencia (“adversarial”). La primera red “generadora” se basa en pares de datos reales, como imágenes de satélite antes y después de un huracán. Luego se entrena a la segunda red “discriminadora” para distinguir imágenes de satélite reales de las sintetizadas por la primera red.
Cada red mejora automáticamente su rendimiento en función de los comentarios de la otra red. La idea, entonces, es que ese ir y venir contradictorio debería, en última instancia, producir imágenes sintéticas que sean indistinguibles de la realidad. Sin embargo, las GAN aún pueden producir “alucinaciones” o características objetivamente incorrectas en una imagen realista que no debería estar allí.
“Las alucinaciones pueden engañar a los espectadores”, dice Lütjens, quien comenzó a preguntarse si se podrían evitar, de modo que se pudiera confiar en las herramientas de inteligencia artificial generativa para ayudar a informar a las personas, especialmente en escenarios sensibles al riesgo. “Nos preguntábamos cómo podríamos utilizar estos modelos generativos de IA en el contexto del impacto climático, donde es tan importante tener fuentes de datos confiables. »
