La inteligencia artificial podría ayudar a combatir el cambio climático

El cambio climático es el mayor problema al que se enfrenta el planeta y, para acabar con él, necesitaremos todas las soluciones posibles, también tecnologías como la inteligencia artificial (IA).

Con el objetivo de contribuir a la causa, algunos de los grandes nombres de la IA han publicado recientemente un estudio sobre cómo combatir el cambio climático mediante el aprendizaje automático, una disciplina dentro de ese campo. Según David Rolnick, alumno posdoctoral de la Universidad de Pensilvania y uno de los autores, el estudio, debatido en un taller durante una importante conferencia de IA en junio, fue una «llamada a las armas» para aunar a los investigadores.

«La gran cantidad de problemas a los que podría contribuir de forma significativa el aprendizaje automático es impresionante», afirma Rolnick, que también ayudó a organizar el taller de junio.

El estudio ofrece hasta 13 áreas en las que podría aplicarse el aprendizaje automático, entre ellas la producción energética, la retirada de CO2, la educación, la geoingeniería solar y las finanzas. Dentro de estos sectores, las posibilidades incluyen edificios con más eficiencia energética, la creación de nuevos materiales con pocas emisiones carbono, la mejor vigilancia de la deforestación y un transporte más verde. Sin embargo, pese al potencial, Rolnick indica que la idea está en pañales y que la IA no puede resolverlo todo.

«La IA no es la panacea», afirma.

Y aunque quizá no sea la solución perfecta, aporta nuevas perspectivas del problema. Te explicamos tres formas en las que el aprendizaje automático puede ayudarnos a combatir el cambio climático.

Mejores modelos climáticos

Esta iniciativa se basa en el trabajo de la informática climática, una disciplina creada en 2011 que se encuentra en el cruce entre la ciencia de datos y la ciencia climática. La informática climática abarca una serie de temas: mejorar la predicción de fenómenos extremos como huracanes; la paleoclimatología, o reconstruir las condiciones climatológicas pasadas a partir de datos recopilados de testigos de hielo, por ejemplo; la reducción de escala climática, es decir, emplear modelos a gran escala para predecir el tiempo atmosférico a nivel local, y los impactos socioeconómicos del tiempo y el clima.

La IA también puede desvelar nueva información sobre la enorme cantidad de simulaciones climatológicas completas generadas por el campo de los modelos climáticos, que ha avanzado mucho desde la creación del primer sistema en Princeton en los años 60. De las decenas de modelos que han aparecido desde entonces, todos analizan datos sobre la atmósfera, los océanos, la tierra, la criosfera o el hielo. Pero, aunque coincide con las hipótesis científicas básicas, Claire Monteleoni, profesora de informática en la Universidad de Colorado, Boulder, y cofundadora de la informática climática, aclara que aunque los modelos suelen coincidir a corto plazo, surgen diferencias en las previsiones a largo plazo.

«Hay mucha incertidumbre», afirma Monteleoni. «Ni siquiera concuerdan en los cambios de precipitaciones en el futuro».

Un proyecto en el que trabajó Monteleoni utiliza algoritmos de aprendizaje automático para combinar las predicciones de los casi 30 modelos climáticos utilizados por el Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC, por sus siglas en inglés). La mejora de las predicciones podría ayudar a las autoridades a crear políticas climáticas fundamentadas, permitir a los gobiernos a prepararse para los cambios y quizá a descubrir áreas que podrían revertir algunos de los efectos del cambio climático.

Demostrar los efectos de los fenómenos extremos

Algunos propietarios ya han sufrido los efectos de un entorno cambiante. Para otros, puede parecer menos tangible. Para que resulten más realistas para más gente, los investigadores del Instituto de Algoritmos de Aprendizaje de Montreal (MILA, por sus siglas en inglés), Microsoft y ConscientAI Labs han empleado Redes Generativas Antagónicas (RGA), un tipo de IA, para simular el aspecto de las casas tras haber quedado dañadas por el aumento del nivel del mar y tormentas más intensas.

«Nuestra meta no es convencer a la gente de que el cambio climático es real, sino hacer que la gente que ya sabe que es real haga más al respecto», afirmó Victor Schmidt, coautor del estudio y candidato a doctor en el MILA.

Hasta la fecha, los investigadores del MILA se han reunido con las autoridades municipales de Montreal y las ONG dispuestas a utilizar esta herramienta. Los planes futuros incluyen la publicación de una aplicación para mostrar a los particulares cómo podrían ser sus barrios o sus casas en el futuro con diferentes consecuencias del cambio climático. Pero la aplicación necesitará más datos y Schmidt ha declarado que, en última instancia, quieren permitir que la gente suba fotos de inundaciones e incendios forestales para mejorar el algoritmo.

«Queremos empoderar a estas comunidades para que ayuden», afirmó.

Medir la procedencia del carbono

Carbon Traker es un grupo independiente de expertos financieros que trabaja para cumplir la meta de la ONU de impedir la construcción de nuevas centrales de carbón para 2020. Mediante la supervisión de las emisiones de las centrales de carbono con imágenes por satélite, Carbon Tracker puede utilizar los datos que recopila para convencer a la industria financiera de que las centrales de carbono no son rentables.

Una beca de Google ha expandido las imágenes por satélite de la organización sin ánimo de lucro para incluir las emisiones de centrales de gas natural y poder hacerse una mejor idea de la procedencia de la contaminación atmosférica. Aunque existen sistemas continuos de supervisión cerca de las centrales eléctricas que pueden medir las emisiones de CO2 de forma más directa, no poseen un alcance global.

«Esto puede utilizarse a nivel internacional en lugares que no lo están supervisando», afirmó Durand D'souza, científico de datos de Carbon Tracker. «Y no tenemos que pedir permiso».

La IA puede automatizar el análisis de las imágenes de centrales eléctricas para obtener actualizaciones de emisiones regulares. También presenta nuevas formas de medir el impacto de una central calculando las cifras de las infraestructuras cercanas y el uso de electricidad. Esto resulta útil para centrales de gas que no tienen columnas de humo fáciles de medir, algo que las centrales de carbón sí tienen.

Carbon Tracker calculará las emisiones de entre 4000 y 5000 centrales eléctricas, obtendrá más información de la que disponemos actualmente y la publicará. En el futuro, si se aprueba un impuesto al carbono, los teledetectores de Carbon Tracker podrían ayudar a poner precio a las emisiones y señalar a los culpables de estas.

«El aprendizaje automático ayudará mucho en este campo», afirmó D'souza.

Este artículo se publicó originalmente en inglés en nationalgeographic.com.