Aplicaciones de la inteligencia artificial en la exploración minera y la gestión territorial en Ecuador
Por Víctor Martínez | Analista técnico 1 | IIGE
–
La inteligencia artificial (IA) aplicada a las geociencias constituye una herramienta estratégica para optimizar la generación, integración e interpretación de información geológica, geoquímica, geofísica y espacial, particularmente en países como Ecuador, donde la elevada complejidad geológica, la topografía abrupta, la cobertura vegetal y la limitada información de subsuelo condicionan los métodos convencionales de exploración. La creciente demanda de minerales estratégicos asociada a la transición energética ha impulsado el desarrollo de metodologías capaces de procesar grandes volúmenes de información y reconocer relaciones no lineales que pueden pasar inadvertidas mediante procedimientos tradicionales.
–
Desde el punto de vista metodológico, la GeoIA (Geospatial Artificial Intelligence) integra algoritmos de aprendizaje automático y aprendizaje profundo con Sistemas de Información Geográfica (SIG), sensores remotos y bases de datos geocientíficas. Entre las técnicas más relevantes se encuentran Random Forest (RF), Support Vector Machine (SVM), regresión logística, redes neuronales artificiales (ANN), redes neuronales convolucionales (CNN), autoencoders y redes generativas antagónicas (GAN). Estos modelos permiten establecer relaciones entre variables predictoras —litología, estructuras, topografía, geoquímica, geofísica, cobertura del suelo e hidrología— y ocurrencias minerales o fenómenos geológicos, generando predicciones espaciales aplicables a sectores no explorados.
–
Una de las aplicaciones de mayor relevancia corresponde a la cartografía de prospectividad mineral, mediante la integración multicapa de información geológica, estructural, geoquímica, geofísica y de sensores remotos. Los modelos de ensamble permiten combinar diferentes algoritmos para incrementar la capacidad predictiva y delimitar áreas con mayor probabilidad de mineralización. Complementariamente, el procesamiento de imágenes multiespectrales e hiperespectrales mediante CNN y otras técnicas de aprendizaje profundo permite reconocer litologías, minerales de alteración hidrotermal y firmas espectrales asociadas a sistemas mineralizantes, mientras que los autoencoders y GAN pueden utilizarse para identificar anomalías geoquímicas multivariadas.
–
La aplicación de IA también se extiende a la gestión territorial y evaluación de amenazas geológicas. La combinación de información topográfica, geológica, hidrológica, cobertura del suelo y factores antrópicos permite generar modelos de susceptibilidad a movimientos en masa. En Ecuador se han documentado aplicaciones mediante redes neuronales artificiales en Cuenca y regresión logística en Quito, demostrando la utilidad de estas metodologías para identificar zonas susceptibles y fortalecer la zonificación del riesgo. Asimismo, el procesamiento de imágenes UAV mediante OBIA y Random Forest permite mejorar inventarios de deslizamientos y puede extenderse al reconocimiento de afloramientos, estructuras geológicas y frentes de explotación.
–
En este contexto, el Instituto de Investigación Geológico y Energético (IIGE) posee una posición estratégica debido a la generación de cartografía geológica nacional a escala 1:100 000, información que constituye una base fundamental para alimentar modelos predictivos de IA. La integración de unidades litoestratigráficas, estructuras, ocurrencias minerales, geoquímica, geofísica y productos de sensores remotos permitiría avanzar hacia sistemas de prospectividad mineral, clasificación automatizada, actualización cartográfica y análisis territorial semiautomatizado. La articulación con el Instituto Geográfico Militar (IGM), Ministerio de Ambiente y Energía (MAE) y gobiernos autónomos descentralizados, permitiría consolidar bases de datos geoespaciales interoperables y evitar duplicidad de esfuerzos.
–
No obstante, la implementación de estas tecnologías requiere superar limitaciones relacionadas con la calidad, representatividad y disponibilidad de datos, capacidades técnicas, validación independiente, interpretabilidad de los modelos y gobernanza de la información. Los algoritmos no deben sustituir el criterio del geólogo: sus resultados deben ser sometidos a validación geológica, verificación de campo y análisis de incertidumbre. En particular, el desarrollo de metodologías de IA explicable (XAI) permite identificar la contribución de las variables predictoras y mejorar la trazabilidad de las decisiones derivadas de los modelos.
–
Te invitamos a descargar el artículo y conocer más en el siguiente enlace: https://geosync.geoenergia.gob.ec/nextcloud/index.php/s/wkX9LR2xm38ToXN
–
*La opinión de este artículo es responsabilidad del autor y no refleja el pensamiento de este medio.
–
–
