La inteligencia artificial, un gran soporte para combatir el cambio climático

 “De un tema de ciencia ficción a un soporte que nos podría auxiliar en uno de los mayores desafíos que está viviendo el planeta”. 

Por: Andrés Figueroa Curo
Universidad Nacional Agraria La Molina

El cambio climático es uno de los más grandes retos que enfrenta la humanidad. Los efectos son cada vez más visibles. Las tormentas, las sequías, los incendios y las inundaciones se han vuelto más fuertes y frecuentes. La dinámica de interacción en los ecosistemas globales está cambiando, afectando a la agricultura, la cual nos provee de alimento a la humanidad. Debido al gran impacto que se espera, nuevas tecnologías se desarrollan y emergen en el mundo.

La inteligencia artificial (IA), antes relacionada con un tema de libros de ciencia ficción. Principalmente a la trascendencia del término, que al principio fue inventada probablemente para llamar la atención de los lectores, se ha vuelto tan popular que hoy día todos saben de qué trata. Este componente de la informática ha crecido de forma constante con el paso del tiempo y las tecnologías, que de ella se derivan, han contribuido en gran medida a transformar el mundo durante los últimos sesenta años [1].

Al ver la gran oportunidad de aportar a la causa, algunos de los nombres más prestigiosos de la generación, en IA y machine learning, aprendizaje automático (ML), una rama de la IA, publicaron a finales de 2019 un artículo titulado «Tackling Climate Change with machine learning«. El documento final, que se discutió en un workshop durante una importante conferencia de IA en junio del presente año [2]. Fue un «llamado a las armas» para reunir a los investigadores, mencionó David Rolnick, un becario postdoctoral de la Universidad de Pennsylvania y uno de los autores principales del artículo.

A continuación, te contaré cómo la IA y ML, desde el enfoque en las ciencias del clima, pueden ser herramientas poderosas para mejorar los modelos en los estudios científicos, reducir las emisiones de gases de efecto invernadero y ayudar a la sociedad a adaptarse a un clima cambiante y mucho más [3]. Desde redes inteligentes hasta gestión de desastres, la IA está tomando un mayor alcance en todos los ámbitos de las ciencias naturales.

Geoingeniería solar

Dirigibles flotando por el cielo, rociando aerosoles; botes robóticos que cruzan el océano, disparando chorros verticales de spray; matrices de espejos cuidadosamente colocados en el espacio, microajustados por control remoto: estos temas parecen cuentos, pero en realidad son propuestas reales para el manejo de la radiación solar, comúnmente llamada geoingeniería solar [3].

F-15 Eagles scramble to intercept a pair of MiG-29s over the Bering sea - c.1989 Fuente: Pinterest

La geoingeniería solar, al igual que los gases de efecto invernadero que causan el cambio climático, cambia el equilibrio entre la cantidad de calor que absorbe la tierra y la cantidad que libera. El potencial de este para moderar algunos de los peligros más catastróficos del cambio climático está bien establecidos, pero falta un mejor control para un futuro desarrollo [3]. Todavía hay una serie de preguntas técnicas importantes que el ML puede apoyar a estudiar.

La geoingeniería contra el cambio climático, está presente desde hace décadas en las pizarras de los expertos. Y con ello me refiero a que siempre hubo planteamientos de prototipos. Solo que hasta la actualidad aún no se posee la tecnología necesaria para poder llevarlo a cabo. Se podría decir que se está viendo poco a poco la viabilidad de aplicarlo y con ello mediante la adquisición de nuevas tecnologías.

Lo que preocupa más a la comunidad científica son las consecuencias que desataría al tratar de experimentar con el equilibrio del clima en general. Por ello se está evaluando mediante modelos climáticos la factibilidad de todas las grandes ideas que se tienen. Gracias al gran avance que se está teniendo con la inteligencia artificial, cada vez estamos más cerca de proyectar y  hacer realidad esta ciencia.

Emisiones de carbono

Aunque ha habido un progreso significativo en la investigación de las emisiones negativas de gases de efecto invernadero, la industria actual de eliminación de CO2 aún está “en pañales”. Como tal, muchas de las aplicaciones de inteligencia artificial, y para ser más exacto machine learning son especulativas o se encuentran en las primeras etapas de desarrollo o comercialización. Muchas de las principales tecnologías candidatas para la eliminación de CO2 aprovechan directamente los mismos procesos naturales que efectivamente han moldeado nuestra atmósfera [4].

Teniendo en cuenta los límites sobre la cantidad de CO2 que la humanidad puede emitir de manera segura y las dificultades asociadas con la eliminación de las emisiones por completo, es seguro que la eliminación de CO2 puede tener un papel fundamental para combatir el cambio climático. Las aplicaciones prometedoras para el futuro en la eliminación de CO2 relacionado con machine learning incluyen informar la investigación y el desarrollo de nuevos materiales componentes, caracterizar la disponibilidad de recursos geológicos y monitorear el CO2 subterráneo en las instalaciones de secuestro de carbono [2].

Como se había mencionado, a pesar de que muchas de estas aplicaciones son hipotéticas, la industria sigue creciendo, lo que creará más datos y más oportunidades para que los enfoques de inteligencia artificial aporten.

Sensoramiento remoto en ciencias climáticas

El uso del sensoramiento remoto en esta actualidad ha marcado un antes y un después de cómo se realiza la ciencia. Esta mejora constante en poder conseguir imágenes con mejor resolución o con menos errores en la interpretación, es un reto para muchos que luchan por el progreso de esta tecnología. Es un reto para los desarrolladores del ML, que cada vez se va viendo diversas técnicas novedosas con el aumento exponencial de la detección basada en el espacio, la potencia informática y la complejidad algorítmica, los sistemas de aprendizaje de extremo a extremo están cada vez más disponibles para los investigadores académicos y el sector privado por igual [2].

El ML ha encontrado recientemente muchas aplicaciones en las ciencias relacionadas al cambio climático y la teledetección. Estas aplicaciones van desde la corrección de sesgos hasta los algoritmos de recuperación, desde la aceleración del código hasta la detección de sequía en los cultivos [6]. Los algoritmos de aprendizaje automático pueden actuar como «aproximadores universales», pueden aprender el comportamiento de un sistema si se les da un conjunto completo de ejemplos en un conjunto de datos de entrenamiento [7]. Se puede lograr un aprendizaje efectivo del comportamiento del sistema incluso si es multivariado, no lineal y mucho más.

Predicciones Climáticas

Proyección de la temperatura máxima anual en Sevilla según distintos modelos y escenarios. Fuente: Meteoglosario visual

La Inteligencia artificial, puede desbloquear nuevos conocimientos de desmesuradas y complejas cantidades de simulaciones climáticas (como las que trabaja el grupo intergubernamental de expertos sobre el cambio climático). Tales generadas por el campo del modelado climático, que ha recorrido un largo camino desde que se creó el primer sistema en Princeton en la década de 1960 [2].

Se ha logrado crear simulaciones de océanos, mares, criosfera, la superficie terrestre o los glaciares. Modelos que sirven a corto y largo plazo cuyos datos pueden dar como resultado predicciones del cambio climático que, más que dar una solución concreta, pueden permitir una mejor organización y previsión de los diferentes agentes involucrados en la lucha contra el cambio climático.

Al respecto de las predicciones, aún sigue siendo un trabajo arduo con mucha incertidumbre. Como menciona una gran científica reconocida en este rubro, Monteleoni: «Ni siquiera están de acuerdo en cómo las precipitaciones cambiarán en el futuro». Con ello trata de explicar que aún hay un gran camino por recorrer. Pero, como se mencionó al principio, un gran apoyo de nuestro lado es la inteligencia artificial que poco a poco va tomando más cabida en el asunto. Un caso dado es al respecto del trabajo de Monteleoni. Su grupo, elabora con algoritmos de aprendizaje automático, y tales tienen la función de combinar las predicciones de los aproximadamente 30 modelos climáticos utilizados por el Grupo Intergubernamental sobre el Cambio Climático [5].

Mejores predicciones pueden ayudar a los funcionarios a hacer políticas climáticas informadas, permitir que los gobiernos se preparen para el cambio y potencialmente descubrir áreas que podrían revertir algunos efectos del cambio climático. Antes de concluir, según David Rolnick, de la Universidad de Pennsylvania, la inteligencia artificial puede ayudar, aunque no puede resolver por sí sola todos los problemas. Pero sí ser una herramienta muy útil y provechosa para la lucha contra el cambio climático [3].

En conclusión, hay un gran potencial en la diversidad de aplicaciones que tiene la inteligencia artificial para los diferentes campos de estudio en cambio climático, será nuestro trabajo darle un buen uso.

BIBLIOGRAFÍA:

  1. Ganascia J-G. Inteligencia artificial: entre el mito y la realidad [Internet]. UNESCO. 2018 Ganascia J-G. Inteligencia artificial: entre el mito y la realidad [Internet]. UNESCO. 2018 [cited 2020 Jul 24]. Available from: https://es.unesco.org/courier/2018-3/inteligencia-artificial-mito-y-realidad. [1]
  2. Rolnick D, Donti PL, Kaack LH, Kochanski K, Lacoste A, Sankaran K, et al. Tackling Climate Change with Machine Learning. 2019; Available from: http://arxiv.org/abs/1906.05433
  3. Snow J. How artificial intelligence can tackle climate change [Internet]. National Geographic. 2019 [cited 2020 Jul 18]. Available from: https://www.nationalgeographic.com/environment/2019/07/artificial-intelligence-climate-change.
  4. Monteleoni C, Schmidt G, Saroha S, Asplund E. Tracking Climate Models. 2011.
  5. Se ANA, El C, Del M, Ambiente M. Fundación Aquae estrena Aqu @ bot , aplicación de inteligencia artificial especializada en cambio climático. 2018;
  6. Climate risk analysis from space : remote sensing , machine learning , and the future of measuring Report July 2018 About About the Consortium. 2018;(July).
  7. University of Oxford. Climate risk analysis from space : remote sensing , machine learning,,and the future of measuring Report July 2018 About About the Consortium. 2018;(July).

Artículos relacionados