Bangladés · Dhaka · Ver el perfil de Bangladés
Desde 2020, el modelo de aprendizaje automático de inundaciones de Google Research —capaz de prever el nivel de los ríos incluso en cuencas sin estaciones de medición— se combina con datos del Bangladesh Water Development Board para emitir alertas; en 2021 ya alcanzaba 1,5 millones de usuarios, con un tiempo de anticipación de tres horas a tres días.
La Junta de Desarrollo Hídrico de Bangladesh (BWDB), la agencia hidrológica nacional, estableció una alianza con Google Research a partir de 2020 para superponer un modelo de IA/aprendizaje automático de inundaciones a las lecturas de las estaciones hidrométricas y las previsiones del propio BWDB, ampliando la predicción de inundaciones a afluentes sin estaciones de medición de los sistemas fluviales Brahmaputra-Jamuna y Padma, propensos a inundaciones. Las alertas localizadas se envían a los residentes a través de la Búsqueda de Google, Google Maps y notificaciones de Android.
Proporcionar alertas tempranas de inundación con un tiempo de antelación de tres horas a tres días, incluso en cuencas remotas que carecen de redes densas de sensores.
El modelo híbrido hidrológico-hidráulico de aprendizaje automático de Google, descrito en un artículo de Nature de marzo de 2024, se combina con los datos en tiempo real de las estaciones hidrométricas del BWDB y previsiones a 5 días. El sistema se expandió de un proyecto piloto de 2020 que cubría 36 subdistritos en 14 distritos a 55 distritos y 99 subdistritos para la temporada de monzones de 2021.
El proyecto piloto de 2020 envió aproximadamente 1 millón de notificaciones a unos 300.000 usuarios de Android. Solo entre el 13 y el 31 de agosto de 2021, el sistema ampliado envió 2,9 millones de notificaciones a 1,5 millones de usuarios únicos, con una tasa de clics del 3,5%. El modelo subyacente opera actualmente en más de 80 países, alcanzando a una cifra estimada de 460 millones de personas a nivel mundial (una cifra global, no específica de Bangladesh).
Los propios informes de Google reconocen la baja penetración de Android en las zonas remotas y expuestas a inundaciones que el sistema más necesita alcanzar, y describen el trabajo en curso para ampliar las alertas mediante SMS e IVR para usuarios de teléfonos básicos. No se ha publicado ninguna evaluación independiente y específica de Bangladesh sobre la exactitud de las previsiones frente a las inundaciones observadas.
Los detalles de implementación (coste, plazo, personal, condiciones para el éxito) aún no están disponibles para esta práctica.
De dónde se obtuvo la información de esta práctica, y cuándo.
Nigeria
La Agencia de Servicios Hidrológicos de Nigeria afirma haber desplegado modelos de aprendizaje profundo entrenados con más de 200 años …
Singapur
La NEA de Singapur opera un sistema de IA revisado por pares que predice casos de dengue con hasta tres …
Sierra Leona
Statistics Sierra Leone y la alianza GRID3 usan detección de contornos de edificios mediante aprendizaje automático sobre imágenes satelitales para …
Togo
Para acelerar la ayuda COVID a los más pobres, Togo utilizó aprendizaje automático en imágenes satelitales y datos de telefonía …
Abrir el copiloto completo Basado en prácticas citadas: comprueba siempre las fuentes.