Una excelente noticia para el académico del #dccuchile e investigador del Centro Nacional de Inteligencia Artificial (CENIA), profesor Valentín Barriere fue la adjudicación de importantes concursos de investigación de la Agencia Nacional de Investigación y Desarrollo (ANID), los cuales le permitirán desarrollar proyectos que involucran inteligencia artificial y transferencia tecnológica.

El primer proyecto, “fAIrefighter: A wildfire early detection and spread prediction AI-driven decision support tool”, fue adjudicado en el marco del Concurso  IDeA I+D 2024. En su desarrollo, participan también los/as investigadores/as Paula Aguirre (CENIA/PUC), Cristian Buc (CENIA), Horacio Gilarbert (PUC), Mateo Lostalen (PyroNear) y Felix Veith (PyroNear).

Este proyecto presenta varios métodos para abordar los incendios forestales en diferentes niveles. “Podemos separarlo en dos partes complementarias, ambas utilizando sensores y sistemas de inteligencia artificial para procesar la información automáticamente. Primero, en un enfoque proactivo, buscamos usar tecnología de visión por computadora para identificar en forma rápida y precisa incendios tempranos con el fin de contenerlos rápidamente. Segundo, en un enfoque reactivo, buscamos usar modelos de aprendizaje profundo que fueron aprendidos también usando leyes de física (Physics-Informed Neural Networks; PINNs) en combinación con datos locales (por ejemplo, presión atmosférica, dirección del viento, datos meteorológicos, uso del suelo) y globales (imágenes satelitales) para predecir la dirección de propagación del incendio. Estos enfoques se concatenarán en una herramienta de apoyo a la decisión que permitirá a las autoridades tomar decisiones óptimas en tiempo real basadas en tecnología, teniendo en cuenta los recursos humanos (por ejemplo, bomberos, guardabosques), mecánicos (aviones, camiones) y naturales (disposición de agua)”, plantea el académico en la propuesta.

El segundo proyecto adjudicado corresponde al “Concurso Desafíos para la recuperación post-incendios forestales” el cual busca contribuir al diseño e implementación de respuestas basadas en la Política Nacional de Ciencia, Tecnología, Conocimiento e Innovación, para la recuperación de zonas afectadas por incendios forestales. En este contexto, la propuesta del profesor titulada “WWF - Wildfire Watch and Fight: An early wildfire detection AI-driven platform and infrastructure” aborda la creciente crisis de incendios forestales en Chile mediante un enfoque pionero que combina inteligencia artificial y visión por computadora. Utilizando estaciones de cámaras con un Raspberry Pi estratégicamente ubicadas en torres de vigilancia, los modelos frugales de redes neuronales implementados detectan incendios en tiempo real. Una alerta en una plataforma de visualización permite a la CONAF validar alertas y mejorar el modelo de manera iterativa.

Participan en este proyecto, el profesor del DCC Iván Sipirán, Paula Aguirre (CENIA/PUC), Cristian Buc (CENIA), Horacio Gilarbert (PUC), Mateo Lostalen (PyroNear) y Pablo Lobos (CONAF).

Finalmente, en el II Concurso Tecnologías Avanzadas 2024, el profesor Barriere se adjudicó el proyecto “An AI system for nation-wide agricultural production monitoring based on crowd- sourced and remote-sensing data”.

Este proyecto busca recopilar datos de calidad que permitan entrenar modelos de aprendizaje para la delimitación de parcelas, la clasificación de cultivos y la estimación de rendimiento de producciones agrícolas en Chile. De modo que este trabajo facilitará “la planificación óptima del uso del suelo, la previsión del mercado, la gestión de recursos hídricos, el monitoreo ambiental, la reducción del riesgo de desastres y la gestión de la cadena de suministro. Este enfoque integral permite una toma de decisiones informada sobre la gestión de tierras, planificación económica, conservación ambiental, preparación para desastres y resiliencia climática. Por eso, queremos desarrollar una nueva línea de investigación en la FCFM, enfocada en el aprendizaje de modelos largos aplicados a los datos de sensores remotos. La idea es entrenar modelos “fundacionales” (que se pre-entrenan de manera general y que, posteriormente, se pueden utilizar para muchas tareas) para imágenes espaciales como las de los satélites Sentinel”, señala el profesor Valentin Barriere.

El proyecto implica una colaboración entre la Universidad de Chile, CENIA, el Centro de Informaciones de Recursos Naturales (CIREN), el Centro Conjunto de Investigaciones (JRC) de la Comisión Europea, la Universidad Técnica de Múnich (TUM) y la Escuela Politécnica Federal de Lausana (EPFL). Participan Cristian Buc (CENIA), Jaime Ortega (DIM/CMM), Audrey Gallaud (CIREN), Fernando Neira (CIREN), Vanessa Aros (CIREN), Paula Villa (CIREN), Raphael d'Andrimont (European Commission's JRC), Marco Körner (TUM), Javiera Castillo-Navarro (EPFL), Devis Tuia (EPFL) y Leonardo Caceres (ODEPA)
--
Comunicaciones DCC