{"id":184989,"date":"2026-03-13T14:40:10","date_gmt":"2026-03-13T13:40:10","guid":{"rendered":"https:\/\/liora.io\/es\/google-groundsource-ai-predecir-desastres-naturales"},"modified":"2026-03-13T14:40:10","modified_gmt":"2026-03-13T13:40:10","slug":"google-groundsource-ai-predecir-desastres-naturales","status":"publish","type":"post","link":"https:\/\/liora.io\/es\/google-groundsource-ai-predecir-desastres-naturales","title":{"rendered":"Google Groundsource AI transforma predecir desastres naturales"},"content":{"rendered":"

Google present\u00f3 hoy Groundsource, un sistema de IA que convierte millones de informes de noticias globales en datos estructurados para predecir desastres naturales. La tecnolog\u00eda, impulsada por el modelo ling\u00fc\u00edstico Gemini de Google, ya ha compilado 2.6 millones de eventos hist\u00f3ricos de inundaci\u00f3n y ha permitido alertas de inundaciones con 24 horas de antelaci\u00f3n a trav\u00e9s de la plataforma Flood Hub de Google.<\/strong><\/p>\n

El sistema procesa art\u00edculos de noticias en 80 idiomas<\/b>, utilizando el agente de usuario Read Aloud de Google para extraer texto antes de estandarizarlo al ingl\u00e9s mediante la API Cloud Translation, seg\u00fan el Google Research Blog. La informaci\u00f3n traducida luego alimenta al modelo Gemini<\/a><\/b>, que identifica detalles cruciales sobre eventos de inundaci\u00f3n, incluyendo la ubicaci\u00f3n, el momento y la gravedad.<\/p>

La integraci\u00f3n con Google Maps<\/b> convierte informes descriptivos en datos puntuales definidos geoespacialmente, transformando el contenido no estructurado de informes gubernamentales y boletines locales en conocimiento procesable. Esta metodolog\u00eda ha producido un registro abierto que abarca 150 pa\u00edses<\/b> desde 2000 hasta la actualidad, dijo Google en su anuncio.<\/p>\n\n

El rendimiento supera a los sistemas tradicionales<\/h2>\n\n

Las revisiones manuales revelaron que el 60%<\/b> de los eventos extra\u00eddos resultaron precisos tanto en ubicaci\u00f3n como en tiempo, mientras que el 82%<\/b> se consideraron lo suficientemente precisos para an\u00e1lisis pr\u00e1cticos en el mundo real, como identificar correctamente los distritos administrativos o determinar el tiempo del evento con un d\u00eda de diferencia de su punto m\u00e1ximo, seg\u00fan los hallazgos de la investigaci\u00f3n de Google.<\/p>

Al compararse mediante pruebas con el Global Disaster Alert and Coordination System (GDACS)<\/b>, una iniciativa conjunta de la ONU y la Comisi\u00f3n Europea, Groundsource captur\u00f3 entre 85% y 100%<\/b> de los eventos de inundaci\u00f3n severa registrados de 2020 a 2026. El sistema tambi\u00e9n identific\u00f3 numerosas inundaciones repentinas m\u00e1s peque\u00f1as y localizadas que t\u00edpicamente pasan desapercibidas para el monitoreo basado en sat\u00e9lites, inform\u00f3 la compa\u00f1\u00eda.<\/p>

El registro hist\u00f3rico ahora impulsa un nuevo modelo predictivo para inundaciones repentinas urbanas, ofreciendo predicciones con hasta 24 horas de antelaci\u00f3n<\/b> a trav\u00e9s de la plataforma Flood Hub de Google a nivel global.<\/p>\n\n

Expansi\u00f3n m\u00e1s all\u00e1 de las inundaciones<\/h2>
\"Representaci\u00f3n<\/figure>\n\n

Google planea aplicar el marco Groundsource a otros desastres naturales donde los datos hist\u00f3ricos a\u00fan escasean, incluyendo sequ\u00edas, deslizamientos de tierra, olas de calor y avalanchas<\/b>, seg\u00fan el equipo de investigaci\u00f3n. La compa\u00f1\u00eda est\u00e1 refinando activamente el modelo para ampliar la cobertura a zonas rurales mientras integra nuevas fuentes de datos para mejorar la precisi\u00f3n.<\/p>

La metodolog\u00eda aborda brechas cr\u00edticas en la preparaci\u00f3n ante desastres al habilitar modelado hidrol\u00f3gico sofisticado y evaluaci\u00f3n de riesgos para investigadores y agencias de respuesta a emergencias en todo el mundo. Al convertir sistem\u00e1ticamente art\u00edculos period\u00edsticos no estructurados<\/a> en datos estructurados abiertos, Groundsource<\/b> se posiciona como una herramienta fundamental para construir resiliencia comunitaria frente a los peligros naturales.<\/p>\n

\n

\n Sources\n <\/h3>\n
    \n
  • blog.google<\/li>
  • research.google\/blog<\/li>\n <\/ul>\n<\/div>","protected":false},"excerpt":{"rendered":"

    Google present\u00f3 hoy Groundsource, un sistema de IA que convierte millones de noticias de todo el mundo en datos estructurados para predecir desastres naturales. La tecnolog\u00eda, impulsada por el modelo de lenguaje Gemini de Google, ya ha recopilado 2,6 millones de eventos hist\u00f3ricos de inundaciones y habilitado alertas de inundaciones con 24 horas de antelaci\u00f3n a trav\u00e9s de la plataforma Flood Hub de Google.<\/p>\n","protected":false},"author":87,"featured_media":184986,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2428],"class_list":["post-184989","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticias"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/184989","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/users\/87"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/comments?post=184989"}],"version-history":[{"count":0,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/184989\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/media\/184986"}],"wp:attachment":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/media?parent=184989"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/categories?post=184989"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}