O Centro de Investigacións TIC da UDC compartiu en Madrid a súa experiencia co traballo realizado en materia de Intelixencia artificial no proxecto ATEMPO. No proxecto, aprobado no ámbito do programa de cooperación transfronteiriza Interreg POCTEP 2021-2027, e que conta con socios de España e do Norte de Portugal, participa o CITIC como socio tecnolóxico, profundando na aplicación da IA nas emerxencias transfronteirizas. A intervención, que se celebrou o xoves 11, foi presentada polas técnicos de proxectos internacionais Cristina Villar e Marta Trueba. Tivo lugar na “I Xornada sobre aplicación da Intelixencia artificial na xestión de emerxencias” da Escola Nacional de Protección Civil, organizada co fin de formar a responsables e técnicos en materia de análise, planificación e xestión das emerxencias en relación aos avances en investigación e desenvolvementos tecnolóxicos baseados en IA que axudan na xestión do risco e as actuacións en emerxencias.  

Na presentación explicáronse as características do proxecto ATEMPO, liderado pola Axencia Galega de Emerxencias  (AXEGA) e impulsado por diferentes institucións públicas de Portugal e Castela e León. Trátase  dun ambicioso programa colaborativo de tratamento e xestión de emerxencias, que busca, grazas á actuación conxunta de administracións e centros de investigación, mellorar a resposta a grandes desastres naturais, como incendios ou inundacións como principais consecuencias do cambio climático.  

O equipo da UDC está liderado desde o CITIC baixo a coordinación do seu director Manuel G. Penedo, sendo a súa misión principal contribuír á promoción do desenvolvemento tecnolóxico dos recursos existentes no centro de emerxencias 112 por medio da IA. En ATEMPO participan tamén investigadores do Campus Industrial de Ferrol, contribuíndo aos paquetes de traballo relacionadas con modelización de vehículos de asistencia e co desenvolvemento de protocolos de actuación.  

O labor do CITIC no proxecto ATEMPO céntrase no desenvolvemento de sistemas de predición de accidentes mediante técnicas de deep  learning a partir das bases de datos dos socios e doutras fontes, como os servizos de meteoroloxía, a actividade económica de polígonos, fontes demográficas ou ordenación do territorio. Inclúe ademais o desenvolvemento de algoritmos de análises de datos baseados en IA, en concreto ferramentas preditivas na xestión de emerxencias e modelos avanzados de predición que poidan contribuír á toma de decisións e á correspondente dotación de recursos a través de sistemas de recomendación de dimensionamiento.