Los estudiantes graduados de la Universidad de Columbia Brit\u00e1nica han entrenado computadoras para “leer” art\u00edculos de noticias sobre deslizamientos de tierra en Reddit para reforzar una base de datos de la NASA, lo que podr\u00eda mejorar las predicciones de cu\u00e1ndo y d\u00f3nde ocurrir\u00e1n estos desastres naturales. Para su proyecto final de Maestr\u00eda en Ciencias de la Informaci\u00f3n en Ling\u00fc\u00edstica Computacional, Badr Jaidi y su equipo, el grupo Social Landslides, entrenaron computadoras para extraer autom\u00e1ticamente informaci\u00f3n \u00fatil de art\u00edculos de noticias relevantes sobre deslizamientos de tierra que se publicaron en Reddit. En esta sesi\u00f3n de preguntas y respuestas, analiza c\u00f3mo esta herramienta podr\u00eda terminar salvando vidas.<\/p>\n\n\n\n
\u00bfPor qu\u00e9 necesitamos esta herramienta? La NASA recopila dicha informaci\u00f3n en una base de datos p\u00fablica llamada Cooperative Open Online Repository, o COOLR, y la usa para predecir cu\u00e1ndo y d\u00f3nde ocurrir\u00e1n los deslizamientos de tierra. Pero la gente ha tenido que enviar manualmente informaci\u00f3n abrumadora o buscar art\u00edculos de noticias y datos uno por uno, lo cual es bastante tedioso. Nuestra herramienta automatiza ese proceso, completando en minutos lo que antes podr\u00eda haber tomado meses. Eso liberar\u00eda recursos para investigaciones m\u00e1s importantes y tambi\u00e9n significar\u00eda que obtendremos m\u00e1s datos, m\u00e1s r\u00e1pido, lo que podr\u00eda mejorar la investigaci\u00f3n en deslizamientos de tierra en general, as\u00ed como las predicciones de deslizamientos de tierra de la NASA.<\/p>\n\n\n\n \u00bfC\u00f3mo funciona? Luego, entrenamos un modelo de procesamiento de lenguaje natural en datos de deslizamiento, ense\u00f1\u00e1ndole a reconocer la informaci\u00f3n que quer\u00edamos de un art\u00edculo. Este tipo de modelo puede comprender el lenguaje, incluido el an\u00e1lisis de oraciones. Entonces, le dar\u00edamos un art\u00edculo de noticias y preguntar\u00edamos d\u00f3nde podr\u00eda haber ocurrido un deslizamiento de tierra. El modelo predecir\u00eda la respuesta seg\u00fan el lenguaje involucrado, por ejemplo, “el derrumbe probablemente ocurri\u00f3 aqu\u00ed, seg\u00fan esta oraci\u00f3n”, y le har\u00edamos saber si era correcto o no.<\/p>\n\n\n\n De esta manera, la computadora aprende qu\u00e9 informaci\u00f3n extraer de forma autom\u00e1tica y precisa, incluso cu\u00e1ndo ocurri\u00f3 un deslizamiento de tierra y d\u00f3nde, qu\u00e9 lo caus\u00f3 y cu\u00e1ntas muertes hubo. Todo esto sucede bastante r\u00e1pido: devuelve los art\u00edculos de un mes en aproximadamente 15 minutos, en comparaci\u00f3n con revisarlos manualmente para encontrar esa informaci\u00f3n. Luego, los datos se pueden introducir en COOLR. Esto nos tom\u00f3 alrededor de dos meses para construir. La NASA est\u00e1 evaluando actualmente si la herramienta se puede ejecutar tal cual o si necesita algunos ajustes para su uso.<\/p>\n\n\n\n \u00bfSe podr\u00eda utilizar la herramienta en otros sitios de redes sociales? Quer\u00edamos comenzar de a poco y demostrar que funciona con Reddit. Pero podr\u00eda expandirse a plataformas y fuentes m\u00e1s grandes, siempre que tengan art\u00edculos de noticias. Incluso podr\u00eda expandir la herramienta para usarla en otros desastres, como terremotos, usando la misma metodolog\u00eda entrenando los modelos con conjuntos de datos similares. Mejorar el modelo y agregar m\u00e1s fuentes de las que se pueden extraer deslizamientos de tierra que no sean Reddit ayudar\u00eda a la NASA a tener m\u00e1s puntos de datos, m\u00e1s r\u00e1pido. Mantendr\u00e9 mi ojo en ello.<\/p>\n\n\n\n
<\/strong>Seg\u00fan la Organizaci\u00f3n Mundial de la Salud, los deslizamientos de tierra est\u00e1n m\u00e1s extendidos que cualquier otro evento geol\u00f3gico. Son tan destructivos, y no tenemos muchos datos sobre ellos. Cuantos m\u00e1s datos precisos tenga sobre deslizamientos de tierra, m\u00e1s ser\u00e1 posible predecir con precisi\u00f3n qu\u00e9 lugares tienen un mayor riesgo, lo que en \u00faltima instancia podr\u00eda salvar vidas.<\/p>\n\n\n\n
<\/strong>Guiado por BGC Engineering Inc. y la NASA para nuestro proyecto final, nuestro equipo dise\u00f1\u00f3 una herramienta que escanea Reddit en busca de art\u00edculos de noticias sobre deslizamientos de tierra dentro de un per\u00edodo de tiempo determinado y luego extrae informaci\u00f3n relevante. Primero, un modelo de computadora determina si el art\u00edculo es realmente sobre deslizamientos de tierra, en lugar de, por ejemplo, una elecci\u00f3n en la que alguien gana “por un deslizamiento de tierra” o, como tambi\u00e9n encontramos, art\u00edculos sobre Pok\u00e9mon con t\u00e9cnicas terrestres como “deslizamiento de rocas”.<\/p>\n\n\n\n
<\/strong>Usamos Reddit porque es gratis acceder a su interfaz de programaci\u00f3n de aplicaciones (API). Por ejemplo, la API de Twitter tiene muchas restricciones y su acceso es bastante costoso. Adem\u00e1s, la cantidad de datos ser\u00eda enorme.<\/p>\n\n\n\n