
Ver traducción automática
Esta es una traducción automática. Para ver el texto original en inglés haga clic aquí
#Libros blancos
La IA cambia las reglas del juego en la gestión de catástrofes: De reactiva a proactiva
La IA cambia las reglas del juego en la gestión de catástrofes: De reactiva a proactiva
Limitaciones de los sistemas tradicionales de gestión de catástrofes
A lo largo de la historia, la humanidad se ha enfrentado constantemente a la amenaza de catástrofes naturales como terremotos, huracanes, incendios forestales e inundaciones, que pueden causar grandes destrozos, pérdidas de vidas humanas y daños materiales.
Los sistemas tradicionales de gestión de catástrofes dependen en gran medida de reglas predefinidas, modelos estadísticos no validados y la experiencia e interacción humanas, y se esfuerzan por gestionar y procesar flujos de datos amplios y diversos y tener en cuenta variables complejas o resultados imprevistos.
Hay varios ejemplos que demuestran que las soluciones tradicionales disponibles hasta ahora se han quedado cortas. Por ejemplo, aunque las imágenes por satélite son capaces de proporcionar una visión general de una zona, debido a la insuficiente frecuencia de fotogramas de la cámara de alta velocidad, el insuficiente detalle de la resolución de la imagen y los limitados ángulos de la cámara, pueden carecer del detalle necesario para determinadas tareas, como la detección de desprendimientos poco profundos o la evaluación de los daños en edificios concretos. Los métodos geotécnicos que utilizan inclinómetros de sondeo son caros, complejos y requieren mucho tiempo. Además, es imposible realizar un seguimiento continuo, lo que no se ajusta a los principios de la escala.
La informática de alto rendimiento y las tecnologías IoT están reduciendo los daños causados por las catástrofes
La IA está cambiando la forma en que se emiten las alertas de catástrofes. La IA, combinada con IoT, edge computing, cámaras y sensores, está aportando innovaciones significativas en la predicción de catástrofes. Al utilizar algoritmos de IA generativa, aprendizaje profundo y aprendizaje automático para entrenarse en conjuntos de datos de sensores ambientales, imágenes ambientales e información sobre desastres, la IA puede aprender sobre tipos de desastres y fenómenos conocidos. A través de modelos entrenados, puede identificar posibles situaciones de desastre y señales que los humanos no pueden encontrar directamente. En las primeras fases de la alerta de catástrofes, puede emitir alertas tempranas de catástrofes, identificar el tipo, la ubicación y el momento de posibles catástrofes y adoptar medidas y acciones proactivas de prevención de catástrofes para reducir su alcance e impacto.
Las plataformas informáticas de IA de borde robusto y los marcos de IoT permiten sistemas de predicción y alerta de desastres de IA en tiempo real
La IA puede extraer características y establecer etiquetas a partir de conjuntos de datos históricos de catástrofes (incluidos valores de sensores medioambientales en tiempo real, archivos de imágenes de cámaras de alta resolución y registros de hechos de catástrofes) para entrenar varios modelos de catástrofes e identificar posibles situaciones de catástrofe que son difíciles de identificar para los humanos o los modelos tradicionales mediante la inferencia de modelos. Las plataformas informáticas Edge AI pueden recopilar fuentes de datos de sensores y cámaras in situ en tiempo real y utilizar modelos preentrenados para inferir e identificar precursores de catástrofes con el fin de satisfacer las necesidades de las complejas aplicaciones visuales de AI y, al mismo tiempo, acortar los tiempos de respuesta a las alertas. Combinados con marcos IoT, los sistemas de predicción de catástrofes pueden desplegarse con flexibilidad en ubicaciones geográficas distribuidas. Además, el SaaS de predicción de desastres desarrollado con entornos nativos en la nube y tecnologías de contenerización facilita la implementación de modelos de IA, motores de inferencia de IA y microservicios en plataformas de computación de IA de borde, acelerando el autoescalado de aplicaciones integradas en la nube y el suelo. Sin embargo, los sistemas de gestión de catástrofes en entornos exteriores se enfrentan a varios retos importantes. Estos son algunos de los más críticos:
Durabilidad y resistencia ambiental: Los equipos para exteriores deben ser lo suficientemente resistentes como para soportar condiciones adversas, como temperaturas extremas, lluvia, viento, polvo e incluso impactos de escombros voladores durante desastres como incendios forestales, inundaciones o deslizamientos de tierra.
Autonomía eléctrica e inestabilidad: Una alimentación fiable es crucial, pero el acceso a los enchufes puede ser limitado en exteriores. Las zonas afectadas por catástrofes pueden incluso sufrir apagones generalizados. Esto hace necesario que el sistema sea autosuficiente con un generador de energía o paneles solares, que tienen limitaciones en el almacenamiento de energía y la recogida de energía, respectivamente. Además, las fluctuaciones de tensión provocadas por fuentes de energía impredecibles, como redes eléctricas dañadas, generadores temporales o paneles solares con potencia variable en función de la luz solar, también pueden perturbar el funcionamiento del sistema.
Conectividad y transmisión de datos sólidas: Los entornos exteriores pueden experimentar una conectividad de red intermitente o limitada debido a factores como los obstáculos del terreno, las condiciones meteorológicas o la gran distancia que los separa de la infraestructura de comunicaciones. Esto puede provocar interrupciones en la transmisión de datos y posibles pérdidas de datos, lo que puede repercutir negativamente en la precisión y puntualidad de los esfuerzos de gestión de catástrofes.
ATC 3750-IP7-6C de NEXCOM es una robusta plataforma informática de inteligencia artificial diseñada para entornos difíciles. Además de su potencia de cálculo de IA de alto rendimiento, también integra módulos de comunicación inalámbrica, diversas interfaces de comunicación por cable, sensores ambientales externos y cámaras de alta velocidad. Su diseño mecánico estrechamente integrado, sus componentes impermeables de alta hermeticidad, la protección con revestimiento de tres capas, la hermeticidad al vacío y las pruebas de inmersión contribuyen a garantizar un funcionamiento estable en entornos adversos.
Equipada con el módulo en sistema NVIDIA Jetson AGX Orin, que ofrece hasta 275 (INT8) TOPS de rendimiento de IA, la plataforma ATC 3750-IP7-6C edge AI computing viene con el sistema operativo en contenedor NAL (NEXCOM Acceleration Linux). Con la actualización NVIDIA JetPack 6.0, también incluye nuevos servicios de plataforma Jetson, que añaden servicios de análisis fundamentales y de IA, funciones de IA generativa y múltiples bloques de construcción como el kit de herramientas de almacenamiento de vídeo (VST) y el kit de desarrollo de software NVIDIA DeepStream. Esto simplifica el desarrollo de soluciones para los desarrolladores al eliminar la necesidad de desarrollo repetitivo en NVIDIA Jetson, lo que les permite ensamblar rápidamente sistemas completos de IA de borde y gestionar aplicaciones de IA de borde. A través de las API REST, los desarrolladores pueden acceder fácilmente a una variedad de microservicios, lo que permite la construcción de aplicaciones unificadas de IA de visión desde la nube hasta el borde. Esta funcionalidad permite replicar sin problemas los microservicios desarrollados en la nube y los modelos de IA entrenados en los dispositivos periféricos mediante funciones de pasarela IoT y OTA.
La pasarela API actúa como eje central para supervisar el uso del software, proporcionando información valiosa sobre la utilización de diversas funciones de software. Esta información puede utilizarse para optimizar la asignación de recursos y garantizar que el sistema funcione al máximo rendimiento. Los microservicios VST y DeepStream SDK agilizan la gestión, el análisis y la optimización del rendimiento de la inferencia de datos procedentes de cámaras y sensores. Los desarrolladores pueden crear sofisticadas aplicaciones de reconocimiento de señales de catástrofe utilizando técnicas de seguimiento multicámara y detección de disparo cero impulsadas por IA generativa desde la nube hasta el borde.
Una de las principales ventajas de ATC 3750-IP7-6C es su capacidad para integrarse a la perfección con una amplia gama de sensores ambientales. Con varios puertos de E/S, incluidos E/S serie y digitales, así como una interfaz de bus CAN, el sistema puede recopilar datos de sensores desplegados sobre el terreno, proporcionando el combustible necesario para los modelos de IA encargados de detectar señales de alerta temprana de posibles desastres. Gracias a las interfaces de hardware integradas en NAL, los desarrolladores pueden acceder sin esfuerzo a sensores externos y dispositivos periféricos mediante API. Este enfoque intuitivo simplifica el proceso de adquisición de datos de sensores y control de dispositivos periféricos, lo que permite a los desarrolladores centrarse en la creación de aplicaciones innovadoras.
Los sensores se despliegan por toda la zona de la catástrofe para recoger datos ambientales como la temperatura, la velocidad del viento, la calidad del aire, los niveles de agua o el movimiento del suelo. También puede conectarse a más periféricos, como GNSS, cámaras IP y receptores de señales IEEE 1588.
Diseñado para soportar las condiciones más duras, el ATC 3750-IP7-6C está fabricado para funcionar en entornos exteriores exigentes; cuenta con la certificación IP67. Con un amplio rango de temperaturas de funcionamiento (de -20 °C a 70 °C), resistencia a vibraciones y golpes que cumple las normas MIL-STD-810, y una entrada de alimentación de 9-36 V CC-IN, esta robusta plataforma informática de IA de última generación puede instalarse en lugares remotos y seguir funcionando con fiabilidad, incluso en condiciones extremas.
Los datos de los sensores medioambientales, las imágenes geoespaciales y la información geográfica pueden transmitirse a los centros de datos a través de conexiones por cable e inalámbricas.
El ATC 3750-IP7-6C ofrece un completo conjunto de opciones de comunicación, como Gigabit Ethernet (compatible con PoE+), Wi-Fi 5/6, móvil (LTE/5G) y GNSS. Esto garantiza una transmisión de datos y un conocimiento de la situación sin fisuras, lo que permite una coordinación eficaz con otras agencias o equipos de respuesta.
El personal utiliza varios algoritmos de IA para clasificar las imágenes de los datos recopilados en función de si deben revisarse o actuar en consecuencia; en caso afirmativo, se envía una alerta a un centro de mando. El personal del centro de control puede ver la alerta en tiempo real y rectificar inmediatamente el riesgo. La empresa tecnológica refina continuamente los modelos de IA, proporciona previsiones probabilísticas y permite la supervisión en tiempo real para la detección temprana. Gracias a técnicas avanzadas como el aprendizaje profundo, la IA puede modelar con mayor eficacia sistemas no lineales de gran complejidad, como los patrones meteorológicos o el comportamiento de los incendios forestales, lo que puede dar lugar a alertas más fiables y oportunas y a una comprensión más profunda de los riesgos de catástrofe subyacentes.