Cómo funciona un sistema de predicción de conflictos armados
Los modelos de predicción de conflictos procesan enormes volúmenes de datos heterogéneos: noticias de medios locales e internacionales, datos económicos, indicadores de gobernanza, registros de incidentes violentos previos, movimientos de tropas detectados por satélite, patrones de lenguaje en redes sociales.
La idea central es que los conflictos armados raramente son eventos repentinos. Son el resultado de una acumulación de tensiones que deja señales medibles en los datos disponibles, señales que el análisis humano no puede sintetizar a la escala y velocidad necesarias, pero que los algoritmos de aprendizaje automático pueden detectar y ponderar de forma sistemática.
ViEWS: la predicción de conflictos que usa la ONU
El proyecto ViEWS es el sistema de predicción de conflictos más reconocido en el ámbito académico e institucional. Desarrollado por investigadores de la Universidad de Uppsala, en Suecia, genera mapas de riesgo de violencia política y conflicto armado para todos los países del mundo con una actualización mensual.
Sus modelos predicen con cuántos meses de antelación y en qué zonas geográficas es probable que se produzcan nuevos episodios de violencia organizada, basándose en el historial de conflictos y en variables contextuales actualizadas. Los datos del proyecto ViEWS son consultados por organismos de Naciones Unidas, organizaciones humanitarias y gobiernos que trabajan en prevención de conflictos. Puedes consultar la metodología y los mapas actualizados directamente en la web del grupo de investigación de la Universidad de Uppsala.
El sistema acertó en sus predicciones para Etiopía, Mozambique y el norte de Mali con varios meses de antelación a los episodios más violentos de esos conflictos, aunque con distintos grados de precisión geográfica y temporal.
La predicción de conflictos más allá de las guerras civiles
La aplicación de inteligencia artificial a la predicción de conflictos no se limita a guerras civiles o conflictos interestatales. El proyecto ACLED, que lleva desde 1997 recogiendo datos de incidentes violentos en tiempo casi real en todo el mundo, ha integrado modelos de clasificación automática que permiten etiquetar y analizar miles de eventos por semana sin intervención humana directa.
GDELT, una base de datos que monitoriza medios de comunicación de todo el mundo en más de cien idiomas, usa procesamiento del lenguaje natural para detectar cambios en el tono del discurso público que históricamente han precedido a escaladas de violencia. Los investigadores que trabajan con estos datos han encontrado correlaciones entre ciertos patrones lingüísticos en los medios locales y la probabilidad de que se produzcan enfrentamientos violentos en los meses siguientes.
El debate ético que no tiene respuesta fácil
La predicción de conflictos armados con inteligencia artificial plantea preguntas que van más allá de la precisión técnica.
Si un gobierno conoce con meses de antelación que una región tiene alta probabilidad de entrar en conflicto, ¿qué debe hacer con esa información? ¿Intervenir preventivamente? ¿Aumentar la presencia militar? ¿Enviar ayuda humanitaria anticipada? Cada una de esas respuestas puede, en determinadas circunstancias, alterar la dinámica que el modelo predijo, invalidando la predicción o, peor, acelerando el proceso que intentaba prevenir.
Hay también un riesgo de profecía autocumplida: si los mercados financieros o los actores internacionales ajustan su comportamiento basándose en una predicción de conflicto, pueden contribuir a crear las condiciones económicas y políticas que el modelo identificó como precursoras del conflicto. La predicción de conflictos con IA no es neutral respecto al mundo que intenta describir.
En ExplicaIA seguimos de cerca este campo porque la predicción de conflictos armados es uno de esos terrenos donde la diferencia entre un algoritmo bien calibrado y uno con sesgos puede medirse en vidas humanas.