El trabajo humanitario es peligroso. La entrega de alimentos a través de zonas de conflicto, campos minados o inundaciones repentinas puede matar a los trabajadores humanitarios. Ahora, la tecnología adaptada a Marte regresa a casa para salvar vidas.
El Proyecto AHEAD es un esfuerzo conjunto del Programa Mundial de Alimentos (PMA), el DLR de Alemania, la Cruz Roja y socios tecnológicos. Están construyendo vehículos operados a distancia para lugares demasiado riesgosos para los humanos.
“En este momento, en muchos países no existen realmente sistemas integrados en estos protocolos de emergencia”. -Monique Kuglitsch
Cómo el control remoto reemplaza el riesgo en el terreno
Las imágenes del DLR muestran un camión todoterreno SHERP en un campo de pruebas alemán. Conduce a través de aguas abiertas. Trepa rocas ásperas.
El conductor no está en el vehículo. Los sensores escanean el camino por delante. Un operador controla la máquina de forma remota.
Esta tecnología proviene del espacio profundo. DLR desarrolló vehículos exploradores planetarios como el explorador MMX para Fobos, la luna de Marte. Ahora esa autonomía traslada la ayuda a zonas peligrosas. No se necesita piloto en la cabina.
Seguimiento del hambre antes de que empeore
La entrega no es la única solución. También necesitamos predecir dónde ataca el hambre.
El PMA lanzó HungerMap Live. Es una plataforma gratuita. Utiliza el aprendizaje automático para rastrear la inseguridad alimentaria en más de 95 países.
Los puntos de datos incluyen conflictos. El clima importa. Los peligros climáticos y las condiciones económicas alimentan el algoritmo. El objetivo es simple: detectar las crisis a tiempo.
Bernhard Kowatsch dirige la división Global Accelerator del PMA. Señala que están probando las previsiones para los próximos 90 días. Los datos en tiempo real nos ayudan a ver la próxima ola de hambruna que se avecina.
Por qué los mapas de IA son más rápidos que los voluntarios humanos
Los mapas son vitales en los desastres. Sin datos sobre carreteras ni ubicaciones de edificios, los trabajadores humanitarios están ciegos. No saben dónde evacuar ni entregar suministros.
Tomemos como ejemplo los terremotos en el norte de Venezuela este junio. La evaluación de los daños fue lenta. Los datos geográficos eran escasos.
El equipo humanitario OpenStreetMap (HOT) intervino. Utilizaron aprendizaje automático en imágenes satelitales para encontrar edificios. Los voluntarios utilizaron la aplicación MapSwipe para comprobarlos.
Leen D’hondt dirige la tecnología en HOT. Dice que movilizaron a 600 voluntarios en cuatro días. Se deslizaron hacia la izquierda o hacia la derecha en las pantallas de los móviles. Sí, dañado. No, intacto.
Esta velocidad ayudó a los primeros intervinientes a orientar correctamente las entregas de alimentos.
¿La IA está reemplazando a los humanos? No. Todavía no.
D’hondt sostiene que el mapeo manual ofrece mejor calidad. Pero la velocidad gana inmediatamente después de un terremoto.
“A veces es más importante saber más o menos dónde están los edificios”, dijo D’hondt.
Es posible que los edificios no estén perfectamente mapeados. Pero sabemos cuántas personas viven allí. Ahí es donde encaja ahora el aprendizaje automático.
El estado de emergencia de la integración
Estos sistemas aún no son estándar. Los conocedores dicen que la integración en los protocolos de emergencia globales sigue siendo baja.
Existen excepciones. India utiliza un sistema de alerta temprana de inteligencia artificial que funciona a diario. Europa utiliza un sistema de pronóstico de IA del Centro Europeo de Pronósticos Meteorológicos a Plazo Medio. Está operativo.
¿La mayoría de los demás países? Todavía experimental.
Monique Kuglitsch gestiona la innovación en el instituto Fraunhofer Heinrich Hertz. Ella nota la brecha entre las pruebas de laboratorio y el uso en el campo.
La tecnología puede remodelar la ayuda. Saca a los humanos del fuego. Predice hambruna. Pero la infraestructura para soportarlo todavía se está poniendo al día. Tenemos las herramientas. Los protocolos aún se están redactando.
