El oeste apuesta a que una detección más temprana puede cambiar el resultado de los incendios forestales

A medida que empeoran las condiciones de incendios forestales en el oeste de Estados Unidos, las empresas de servicios públicos y las agencias estatales están ampliando el uso de redes de cámaras con IA diseñadas para detectar humo rápidamente y alertar a los equipos de respuesta antes de que un incendio crezca sin control. La tecnología se presenta no como un reemplazo de los bomberos ni del criterio humano, sino como un multiplicador de fuerza en paisajes donde las grandes distancias y la visibilidad limitada pueden costar minutos críticos.

El argumento a favor de estos sistemas se basa en una verdad operativa simple: cuanto antes se identifica un incendio, mayor es la posibilidad de contenerlo mientras aún es pequeño. En Arizona, un ejemplo ya sirve como prueba. En una tarde de marzo, la inteligencia artificial detectó algo parecido a humo en una transmisión de cámara del Bosque Nacional Coconino. Luego, analistas humanos verificaron que la señal no era una nube ni polvo y alertaron al servicio forestal estatal y a Arizona Public Service. El incendio que siguió, luego llamado Diamond Fire, fue contenido antes de superar las 7 acres.

Esa secuencia captura el modelo que ahora se extiende por varios estados: las máquinas escanean de forma continua, los humanos verifican y las autoridades responden. Es un cambio incremental en el flujo de trabajo, pero con consecuencias potencialmente grandes en una región que enfrenta calor récord y poca nieve acumulada.

De cámaras aisladas a redes regionales

Arizona Public Service tiene casi 40 cámaras activas de detección de humo con IA y planea aumentar ese total a 71 para finales del verano. La agencia estatal de incendios ha desplegado siete de las suyas. En Colorado, Xcel Energy ha instalado 126 cámaras y pretende tener sistemas operativos en siete de los ocho estados a los que presta servicio para fin de año.

California ya ha avanzado a una escala mucho mayor a través de ALERTCalifornia, una red de aproximadamente 1.240 cámaras con IA distribuidas por todo el estado. El sistema funciona de manera similar, usando IA para buscar humo posible mientras mantiene a los humanos en el circuito para reducir falsos positivos y mejorar el modelo con el tiempo. Esa capa de revisión humana no es incidental. Es una de las razones por las que estos despliegues se consideran herramientas operativas y no simples curiosidades experimentales.

Las falsas alarmas son un riesgo importante en el monitoreo ambiental, especialmente en terrenos abruptos donde el clima, el polvo, la bruma y las condiciones de luz pueden confundir fácilmente a los sistemas automatizados. Al exigir confirmación humana antes de escalar alertas, las agencias buscan preservar la confianza en la tecnología sin perder su ventaja de velocidad. Según Neal Driscoll, fundador de ALERTCalifornia, ese circuito de retroalimentación también entrena al sistema para volverse más preciso.