Google enseña a una IA a predecir inundaciones a partir de viejas crónicas de periódico

Google ha desarrollado un enfoque poco convencional para pronosticar inundaciones repentinas: en lugar de una costosa infraestructura de sensores, la compañía usa crónicas periodísticas de archivo como fuente de datos históricos. Un modelo de lenguaje traduce descripciones textuales cualitativas de desastres naturales en indicadores cuantitativos aptos para entrenar modelos hidrológicos.

El problema que aborda este método es bien conocido por los climatólogos. Los modelos precisos de predicción de crecidas requieren series de varios años sobre nivel del agua, precipitaciones y relieve. Pero en la mayoría de los países en desarrollo, donde las inundaciones son más mortales, esa infraestructura sencillamente no existe. Los sensores cuestan dinero y requieren mantenimiento y electricidad, algo de lo que las regiones vulnerables van escasas.

Sin embargo, sí existen datos históricos sobre inundaciones: en archivos de prensa, reportajes de medios locales y partes gubernamentales. El problema es que son datos cualitativos: «una fuerte crecida inundó tres aldeas» no es una cifra con la que pueda trabajar un modelo tradicional.

Google propuso usar un LLM como traductor: el modelo lee el texto histórico y extrae estimaciones numéricas estructuradas de la magnitud, la duración y la geografía del suceso. Las series numéricas sintéticas resultantes se usan después para entrenar un modelo de predicción de inundaciones. En esencia, el periodismo de archivo sustituye a décadas de mediciones instrumentales.

Es una forma radicalmente nueva de afrontar la escasez de datos en problemas climáticos, y potencialmente aplicable mucho más allá de la hidrología.

Google ya prueba el sistema en regiones de África y el sur de Asia, donde casi no existen alertas de crecidas. La compañía desarrolla Flood Hub desde 2023 y hoy cubre más de 80 países. El nuevo método debería ampliar la cobertura a territorios que hasta ahora quedaban fuera de la predicción por falta de datos numéricos históricos.

Es un ejemplo revelador de cómo los LLM cambian la propia estructura de los datos científicos. Antes, la frontera entre «hay datos» y «no hay datos» la marcaba la presencia de equipos de medición. Ahora los modelos de lenguaje permiten desplazarla, porque saben extraer información cuantitativa oculta de textos escritos sin ningún propósito científico.