Google lanza Groundsource, un sistema que usa Gemini para convertir noticias en datos y anticipar desastres
Google presentó una nueva metodología basada en inteligencia artificial que promete transformar millones de noticias periodísticas en bases de datos estructuradas capaces de anticipar desastres naturales. El sistema, denominado Groundsource, utiliza el modelo Gemini para analizar reportes informativos de todo el mundo y convertirlos en registros verificables que pueden emplearse para entrenar modelos predictivos.
La iniciativa fue anunciada por investigadores de Google en el blog de Google Research, donde explicaron que el objetivo es resolver uno de los principales obstáculos para el desarrollo de modelos de predicción climática: la falta de datos históricos confiables sobre determinados fenómenos extremos.
Groundsource funciona como un sistema de extracción automática de información que analiza grandes volúmenes de contenido periodístico utilizando el modelo Gemini.
El proceso consiste en identificar artículos que describen eventos reales —como inundaciones repentinas— y extraer de ellos datos clave: fecha, ubicación precisa y características del fenómeno. Luego, esos datos se validan y se transforman en registros estructurados que pueden ser utilizados por modelos de inteligencia artificial.
Con este método, Google logró analizar más de cinco millones de artículos periodísticos provenientes de diferentes países y detectar 2,6 millones de eventos históricos de inundaciones distribuidos en más de 150 países.
El resultado es una base de datos global que permite reconstruir con mayor precisión el historial de inundaciones urbanas, un tipo de desastre particularmente difícil de registrar porque suele ocurrir de forma repentina y localizada.
El primer uso práctico de Groundsource fue entrenar un modelo de inteligencia artificial capaz de predecir inundaciones repentinas en ciudades con hasta 24 horas de anticipación.
Estas predicciones se integran en Google Flood Hub, la plataforma pública de la compañía que ofrece alertas de inundaciones para gobiernos, organismos de emergencia y ciudadanos. Actualmente, el sistema amplía las capacidades del programa global de pronóstico de inundaciones de Google, que ya cubre a más de 2.000 millones de personas en 150 países para crecidas de ríos.
Las inundaciones repentinas representan uno de los fenómenos meteorológicos más mortales del mundo. Según estimaciones citadas por los investigadores, provocan más de 5.000 muertes al año y suelen desarrollarse en pocas horas después de lluvias intensas.
El desafío de la “data invisible”
El principal problema para predecir este tipo de eventos es la falta de datos observacionales. A diferencia de los ríos —que cuentan con sensores y estaciones de medición— las inundaciones urbanas pueden ocurrir en cualquier punto de una ciudad y rara vez quedan registradas en bases de datos estructuradas.
Ahí es donde entra Groundsource: el sistema utiliza el enorme archivo histórico del periodismo mundial como una fuente de “ground truth”, es decir, evidencia verificable de lo que realmente ocurrió en el terreno.
Según Google, esta estrategia permite crear conjuntos de datos globales que antes no existían y que son indispensables para entrenar modelos de aprendizaje automático capaces de detectar patrones climáticos complejos.
La compañía también anunció que el dataset de inundaciones urbanas generado por Groundsource será de acceso abierto, con el objetivo de que investigadores, gobiernos y organismos internacionales puedan utilizarlo para mejorar sistemas de alerta temprana y planificación urbana.
Además, la metodología podría aplicarse en el futuro a otros fenómenos climáticos o ambientales, como deslizamientos de tierra, olas de calor o incendios, transformando grandes volúmenes de información pública en datasets globales para la investigación.
El lanzamiento de Groundsource muestra un cambio relevante en la forma en que las empresas tecnológicas utilizan la inteligencia artificial: no solo para generar contenido, sino para extraer conocimiento estructurado a partir de información dispersa.
En este caso, el periodismo —históricamente una fuente narrativa— se convierte en materia prima para construir bases de datos que alimentan modelos predictivos capaces de anticipar desastres y mejorar la resiliencia climática global.
