La IA mejora continuamente los modelos climáticos. Crédito:Laboratorio Nacional de Los Alamos
A medida que el planeta continúa calentándose, Los impactos del cambio climático están empeorando. En 2016, hubo 772 eventos climáticos y desastres, triplica la cantidad que ocurrió en 1980. El veinte por ciento de las especies se enfrentan actualmente a la extinción, y ese número podría aumentar al 50 por ciento para 2100. E incluso si todos los países cumplen sus compromisos climáticos de París, para el 2100, Es probable que la temperatura global promedio sea 3 ° C más alta que en la época preindustrial.
Pero tenemos una nueva herramienta para ayudarnos a gestionar mejor los impactos del cambio climático y proteger el planeta:la inteligencia artificial (IA). AI se refiere a los sistemas informáticos que "pueden detectar su entorno, pensar, aprender, y actuar en respuesta a lo que perciben y sus objetivos programados, "según un informe del Foro Económico Mundial, Aprovechando la inteligencia artificial para la Tierra, escrito por PwC UK.
En India, La IA ha ayudado a los agricultores a obtener un 30 por ciento más de rendimiento de maní por hectárea al proporcionar información sobre la preparación de la tierra, aplicar fertilizante y elegir fechas de siembra. En Noruega, AI ayudó a crear una red eléctrica flexible y autónoma, integrando más energías renovables.
Y la IA ha ayudado a los investigadores a lograr una precisión del 89 al 99 por ciento en la identificación de ciclones tropicales, frentes meteorológicos y ríos atmosféricos, el último de los cuales puede causar fuertes precipitaciones y, a menudo, son difíciles de identificar para los humanos por sí mismos. Al mejorar las previsiones meteorológicas, estos tipos de programas pueden ayudar a mantener a las personas seguras.
¿Qué son la inteligencia artificial? aprendizaje automático y aprendizaje profundo?
La inteligencia artificial existe desde finales de la década de 1950, pero hoy, Las capacidades de la IA están mejorando rápidamente gracias a varios factores:la gran cantidad de datos que recopilan los sensores (en los electrodomésticos, vehículos ropa, etc.), satélites e Internet; el desarrollo de computadoras más potentes y rápidas; la disponibilidad de software y datos de código abierto; y el aumento en abundancia, almacenamiento barato. La IA ahora puede discernir rápidamente patrones que los humanos no pueden, hacer predicciones de manera más eficiente y recomendar mejores políticas.
El santo grial de la investigación en inteligencia artificial es la inteligencia artificial general, cuando las computadoras puedan razonar, abstracto, entender y comunicarse como humanos. Pero todavía estamos lejos de eso:se necesitan 83, 000 procesadores 40 minutos para calcular lo que el uno por ciento del cerebro humano puede calcular en un segundo. Lo que existe hoy es una IA estrecha, que está orientado a tareas y es capaz de hacer algunas cosas, a veces mejor de lo que pueden hacer los humanos, como reconocer voz o imágenes y pronosticar el tiempo. Jugando al ajedrez y clasificando imágenes, como en el etiquetado de personas en Facebook, son ejemplos de IA estrecha.
Cuando Netflix y Amazon recomiendan programas y productos según nuestro historial de compras, utilizan el aprendizaje automático. Aprendizaje automático, que se desarrolló a partir de la IA anterior, Implica el uso de algoritmos (conjuntos de reglas a seguir para resolver un problema) que pueden aprender de los datos. Cuantos más datos analice el sistema, cuanto más precisa se vuelve a medida que el sistema desarrolla sus propias reglas y el software evoluciona para lograr su objetivo.
Aprendizaje profundo, un subconjunto de aprendizaje automático, implica redes neuronales compuestas por múltiples capas de conexiones o neuronas, al igual que el cerebro humano. Cada capa tiene una tarea separada y, a medida que pasa la información, las neuronas le dan un peso en función de su precisión frente a la tarea asignada. El resultado final está determinado por el total de los pesos.
El aprendizaje profundo permitió a un sistema informático descubrir cómo identificar a un gato, sin ninguna intervención humana sobre las características del gato, después de "ver" 10 millones de imágenes aleatorias de YouTube. Debido a que el aprendizaje profundo se lleva a cabo esencialmente en una "caja negra" mediante el autoaprendizaje y los algoritmos en evolución, sin embargo, los científicos a menudo no saben cómo llega un sistema a sus resultados.
La inteligencia artificial cambia las reglas del juego
Microsoft cree que la inteligencia artificial, a menudo abarca el aprendizaje automático y el aprendizaje profundo, es un "cambio de juego" para el cambio climático y las cuestiones ambientales. El programa AI for Earth de la compañía ha comprometido $ 50 millones durante cinco años para crear y probar nuevas aplicaciones para AI. Eventualmente ayudará a escalar y comercializar los proyectos más prometedores.
Un río atmosférico sobre California. Crédito:NOAA
María Uriarte de la Universidad de Columbia, un profesor de Ecología, Evolución y biología ambiental, y Tian Zheng, profesor de estadística en el Data Science Institute, recibió una subvención de Microsoft para estudiar los efectos del huracán María en el Bosque Nacional El Yunque en Puerto Rico. Uriarte y sus colegas quieren saber cómo las tormentas tropicales, que puede empeorar con el cambio climático, afectar la distribución de especies arbóreas en Puerto Rico.
Los vientos del huracán María dañaron miles de acres de selva tropical, sin embargo, la única forma de determinar qué especies de árboles fueron destruidas y cuáles resistieron el huracán a una escala tan grande es mediante el uso de imágenes. En 2017, un paso elevado de la NASA sobre Puerto Rico arrojó fotografías de muy alta resolución de las copas de los árboles. Pero, ¿cómo es posible distinguir una especie de otra mirando una masa verde desde arriba sobre un área tan grande? El ojo humano teóricamente podría hacerlo, pero llevaría una eternidad procesar las miles de imágenes.
El equipo está utilizando inteligencia artificial para analizar las fotografías de alta resolución y compararlas con los datos de Uriarte; ella ha mapeado e identificado cada árbol en parcelas determinadas. Usando la información del terreno de estas parcelas específicas, La IA puede descubrir cómo se ven las diversas especies de árboles desde arriba en las imágenes de paso elevado. "Entonces podemos usar esa información para extrapolar a un área más grande, "explicó Uriarte." Usamos los datos de la trama tanto para aprender [p. ej. entrenar el algoritmo] y validar [qué tan bien está funcionando el algoritmo] ".
Comprender cómo cambia la distribución y composición de los bosques en respuesta a los huracanes es importante porque cuando los bosques se dañan, la vegetación se descompone y emite más CO2 a la atmósfera. A medida que los árboles vuelven a crecer ya que son más pequeños, almacenan menos carbono. Si el cambio climático provoca tormentas más extremas, algunos bosques no se recuperarán, se almacenará menos carbono, y quedará más carbono en la atmósfera, exacerbando el calentamiento global.
Uriarte dice que su trabajo no podría realizarse sin inteligencia artificial. "La IA revolucionará este campo, ", dijo." Se está volviendo cada vez más importante para todo lo que hacemos. Nos permite hacer preguntas a una escala que no podríamos hacer desde abajo. Hay mucho que uno puede hacer [en el terreno] ... y luego hay áreas que simplemente no son accesibles. Los pasos elevados y las herramientas de inteligencia artificial nos permitirán estudiar los huracanes de una manera completamente diferente. Es muy emocionante ".
Otro proyecto, nombrado Asistente de Protección para la Seguridad de la Vida Silvestre (PAWS) de la Universidad del Sur de California, utiliza el aprendizaje automático para predecir dónde puede ocurrir la caza furtiva en el futuro. Actualmente, el algoritmo analiza las patrullas de guardabosques del pasado y el comportamiento de los cazadores furtivos a partir de datos sobre delitos; una subvención de Microsoft ayudará a capacitarlo para incorporar datos en tiempo real que permitan a los guardabosques mejorar sus patrullas.
En el estado de Washington, Long Live the Kings está tratando de restaurar las poblaciones de trucha arcoíris y salmón en declive. Con una subvención de Microsoft, la organización mejorará un modelo de ecosistema que recopila datos sobre el crecimiento del salmón y la trucha arco iris, rastrea los movimientos de peces y mamíferos marinos, y monitorea las condiciones marinas. El modelo ayudará a mejorar la planta de incubación, cosecha, y gestión de ecosistemas, y apoyar los esfuerzos de protección y restauración del hábitat.
Cómo se usa la IA para generar energía
La IA se utiliza cada vez más para gestionar la intermitencia de las energías renovables de modo que se puedan incorporar más a la red; puede manejar fluctuaciones de energía y mejorar el almacenamiento de energía también.
El Laboratorio Nacional del Acelerador SLAC del Departamento de Energía operado por la Universidad de Stanford utilizará el aprendizaje automático y la inteligencia artificial para identificar vulnerabilidades en la red. fortalecerlos antes de fallas, y restablezca la energía más rápidamente cuando ocurran fallas. El sistema primero estudiará parte de la red en California, analizar datos de fuentes de energía renovables, almacenamiento de la batería, e imágenes de satélite que pueden mostrar dónde los árboles que crecen sobre las líneas eléctricas pueden causar problemas durante una tormenta. El objetivo es desarrollar una red que pueda gestionar automáticamente la energía renovable sin interrupciones y recuperarse de las fallas del sistema con poca participación humana.
Las empresas eólicas están utilizando inteligencia artificial para que la hélice de cada turbina produzca más electricidad por rotación mediante la incorporación de datos meteorológicos y operativos en tiempo real. En grandes parques eólicos, Las hélices de la primera fila crean una estela que disminuye la eficiencia de los que están detrás. La IA permitirá que cada hélice individual determine la velocidad y la dirección del viento proveniente de otras hélices, y ajuste en consecuencia.
Investigadores del Departamento de Energía y la Administración Nacional Oceánica y Atmosférica (NOAA) están utilizando IA para comprender mejor las condiciones atmosféricas y proyectar con mayor precisión la producción de energía de los parques eólicos.
Arte creado por aprendizaje profundo. Crédito:Gene Kogan
La inteligencia artificial puede mejorar la eficiencia energética, también. Google utilizó el aprendizaje automático para ayudar a predecir cuándo la energía de sus centros de datos tenía más demanda. El sistema analizó y predijo cuándo era más probable que los usuarios vieran videos de Youtube que chupaban datos, por ejemplo, y luego podría optimizar el enfriamiento necesario. Como resultado, Google redujo su uso de energía en un 40 por ciento.
Hacer las ciudades más habitables y sostenibles
La IA también puede mejorar la eficiencia energética en la escala de la ciudad mediante la incorporación de datos de medidores inteligentes y el Internet de las cosas (el Internet de los dispositivos informáticos que están integrados en objetos cotidianos, permitiéndoles enviar y recibir datos) para pronosticar la demanda de energía. Además, Los sistemas de inteligencia artificial pueden simular posibles leyes de zonificación. ordenanzas de construcción, y llanuras aluviales para ayudar con la planificación urbana y la preparación para desastres. Una visión para una ciudad sostenible es crear un "tablero urbano" que consista en datos en tiempo real sobre el uso y la disponibilidad de energía y agua, tráfico y clima para hacer que las ciudades sean más eficientes energéticamente y habitables.
En China, El proyecto Green Horizon de IBM utiliza un sistema de inteligencia artificial que puede pronosticar la contaminación del aire, rastrear las fuentes de contaminación y producir estrategias potenciales para enfrentarlas. Puede determinar si, por ejemplo, Sería más efectivo restringir el número de conductores o cerrar ciertas centrales eléctricas para reducir la contaminación en un área en particular.
Otro sistema de IBM en desarrollo podría ayudar a las ciudades a planificar futuras olas de calor. La IA simularía el clima a escala urbana y exploraría diferentes estrategias para probar qué tan bien alivian las olas de calor. Por ejemplo, si una ciudad quisiera plantar árboles nuevos, Los modelos de aprendizaje automático podrían determinar los mejores lugares para plantarlos para obtener una cobertura óptima de árboles y reducir el calor del pavimento.
Agricultura inteligente
Las temperaturas más altas también tendrán impactos significativos en la agricultura.
Datos de sensores en el campo que monitorean la humedad del cultivo, La composición del suelo y la temperatura ayudan a la IA a mejorar la producción y a saber cuándo los cultivos necesitan riego. Incorporando esta información con la de los drones, que también se utilizan para monitorear las condiciones, puede ayudar a los sistemas de IA cada vez más automáticos a conocer los mejores momentos para plantar, rociar y cosechar cultivos, y cuándo evitar enfermedades y otros problemas. Esto resultará en una mayor eficiencia, rendimientos mejorados, y menor uso de agua, fertilizantes y pesticidas.
Protegiendo los océanos
Ocean Data Alliance está trabajando con el aprendizaje automático para proporcionar datos de satélites y exploración oceánica para que los responsables de la toma de decisiones puedan monitorear el envío. minería oceánica, pesca, blanqueamiento de corales o el brote de una enfermedad marina. Con datos casi en tiempo real, los responsables de la toma de decisiones y las autoridades podrán responder a los problemas con mayor rapidez. La inteligencia artificial también puede ayudar a predecir la propagación de especies invasoras, seguir la basura marina, monitorear las corrientes oceánicas, realizar un seguimiento de las zonas muertas y medir los niveles de contaminación.
The Nature Conservancy se está asociando con Microsoft en el uso de IA para mapear la riqueza del océano. Evaluar el valor económico de los servicios de los ecosistemas oceánicos, como la recolección de productos del mar, almacenamiento de carbono, turismo y más — hará posibles mejores decisiones de conservación y planificación. Los datos se utilizarán para construir modelos que consideren la seguridad alimentaria, la creación de empleo y los rendimientos de la pesca para mostrar el valor de los servicios de los ecosistemas en diferentes condiciones. Esto puede ayudar a los responsables de la toma de decisiones a determinar las áreas más importantes para la productividad de los peces y los esfuerzos de conservación. así como las compensaciones de posibles decisiones. El proyecto ya tiene mapas y modelos para Micronesia, el Caribe, Florida, y se está expandiendo a Australia, Haití, y Jamaica.
Transporte terrestre más sostenible
A medida que los vehículos puedan comunicarse entre sí y con la infraestructura, La inteligencia artificial ayudará a los conductores a evitar peligros y atascos. En Pittsburgh, un sistema de inteligencia artificial que incorpora sensores y cámaras que monitorean el flujo del tráfico ajusta los semáforos cuando es necesario. Los sistemas están funcionando en 50 intersecciones con planes para 150 más, y ya han reducido el tiempo de viaje en un 25 por ciento y el tiempo de inactividad en más del 40 por ciento. Menos inactivo, por supuesto, significa menos emisiones de gases de efecto invernadero.
Finalmente, Los sistemas autónomos de transporte compartido impulsados por IA pueden reemplazar a los vehículos personales.
Mejores predicciones climáticas
A medida que cambia el clima, las proyecciones precisas son cada vez más importantes. Sin embargo, Los modelos climáticos a menudo producen predicciones muy diferentes, en gran parte debido a cómo los datos se dividen en partes discretas, cómo se emparejan los procesos y los sistemas, y por la gran variedad de escalas espaciales y temporales. Los informes del Panel Intergubernamental sobre Cambio Climático (IPCC) se basan en muchos modelos climáticos y muestran el rango de predicciones, que luego se promedian.
Promediarlos, sin embargo, significa que a cada modelo climático se le da el mismo peso. La IA está ayudando a determinar qué modelos son más confiables al dar un peso adicional a aquellos cuyas predicciones eventualmente demuestran ser más precisas. y menos peso para los que rinden mal. Esto ayudará a mejorar la precisión de las proyecciones del cambio climático.
La inteligencia artificial y el aprendizaje profundo también están mejorando el pronóstico del tiempo y la predicción de eventos extremos. Eso es porque pueden incorporar mucha más complejidad del sistema climático del mundo real, como la dinámica atmosférica y oceánica y la química oceánica y atmosférica, en sus cálculos. Esto agudiza la precisión de los modelos meteorológicos y climáticos, haciendo que las simulaciones sean más útiles para los responsables de la toma de decisiones.
La IA tiene muchos otros usos
La IA puede ayudar a monitorear los ecosistemas y la vida silvestre y sus interacciones. Sus rápidas velocidades de procesamiento pueden ofrecer datos satelitales casi en tiempo real para rastrear la tala ilegal en los bosques. La IA puede monitorear la calidad del agua potable, gestionar el uso residencial del agua, detectar fugas subterráneas en los sistemas de suministro de agua potable, y predecir cuándo las plantas de agua necesitan mantenimiento. También puede simular eventos meteorológicos y desastres naturales para encontrar vulnerabilidades en la planificación de desastres. determinar qué estrategias de respuesta ante desastres son las más efectivas, y proporcionar coordinación de respuesta a desastres en tiempo real.
¿Cuáles son los riesgos de la inteligencia artificial?
Si bien la IA nos permite gestionar mejor los impactos del cambio climático y proteger el medio ambiente, además de transformar los campos de los negocios, Finanzas, cuidado de la salud, medicamento, ley, educación y más, no está exento de riesgos. Algunas personas prominentes, como el fallecido físico Stephen Hawking y el director ejecutivo de Tesla, Elon Musk, han advertido sobre los peligros existenciales de la inteligencia artificial incontrolada.
El informe del Foro Económico Mundial identificó seis categorías de riesgo de IA:
Para hacer frente a estos riesgos, el Foro Económico Mundial establece que el gobierno y la industria "deben garantizar la seguridad, explicabilidad, transparencia y validez de la aplicación de la IA. "Más interacción entre entidades públicas y privadas, tecnólogos, políticos e incluso filósofos, y se necesitan más inversiones en investigación para evitar los riesgos potenciales de la inteligencia artificial y para darse cuenta de sus posibles beneficios para el medio ambiente y la humanidad.
Esta historia se vuelve a publicar por cortesía de Earth Institute, Universidad de Columbia http://blogs.ei.columbia.edu.
