Después de trabajar en informática e inteligencia artificial (IA) durante casi una década, Sasha Luccioni estaba lista para desarraigar toda su vida hace tres años después de estar profundamente preocupada por la crisis climática.
Pero su pareja la convenció de que no abandonara su carrera por completo, sino que aplicara su conocimiento de IA a algunos de los desafíos del cambio climático.
“No tienes que renunciar a tu trabajo en IA para ayudar a combatir la crisis climática”, dijo. “Hay formas en que casi cualquier técnica de IA se puede aplicar a diferentes partes del cambio climático”.
Se unió al centro de investigación de IA Mila con sede en Montreal y se convirtió en miembro fundador de Climate Change AI, una organización de académicos voluntarios dedicados al uso de IA para resolver problemas relacionados con el cambio climático.
– Anuncio publicitario –
Luccioni es parte de una creciente comunidad de investigadores en Canadá que utilizan la IA de esta manera.
En 2019, fue coautora de un informe que argumenta que el aprendizaje automático puede ser una herramienta útil para mitigar y adaptarse a los efectos del cambio climático.
– Anuncio publicitario –
Los científicos informáticos definen el aprendizaje automático como una forma de inteligencia artificial que permite a las computadoras usar datos históricos y métodos estadísticos para hacer predicciones y tomar decisiones sin tener que programarlas para hacerlo.
Las aplicaciones comunes de aprendizaje automático incluyen predicción de texto, filtros de spam, aplicaciones de traducción de idiomas, recomendaciones de transmisión de contenido, detección de malware y fraude, y algoritmos de redes sociales.
Según el informe de 2019, las aplicaciones del aprendizaje automático en la investigación climática incluyen la predicción del clima y la optimización de los sistemas de energía, transporte y energía.
Preparación para enfermedades de las plantas.
Investigadores de la Universidad de la Isla del Príncipe Eduardo (UPEI) están utilizando modelos de IA para alertar a los agricultores sobre los riesgos para sus cultivos a medida que el clima se vuelve más impredecible.
“Si tienes un año seco, ves muy pocas enfermedades, pero en un año húmedo puedes contraer muchas enfermedades alrededor de las plantas”, dijo Aitazaz Farooque, decano asociado de la Escuela de Cambio Climático y Adaptación de la UPEI.
Los investigadores pueden introducir datos meteorológicos de años anteriores en un modelo de IA para predecir los tipos de enfermedades que podrían amenazar los cultivos en diferentes épocas del año, dijo Farooque.
“Entonces el productor puede ser un poco proactivo y comprender en qué se está metiendo”, dijo.
RELOJ | Echa un vistazo a la Escuela de Cambio Climático y Adaptación de la UPEI:
Un recorrido por el nuevo laboratorio climático en St. Peter’s Bay
Desde los drones hasta los dormitorios, en las instalaciones de investigación de última generación en St. Peter’s Bay, los estudiantes e investigadores de clase mundial estudiarán las múltiples facetas del cambio climático.
La agricultura de PEI es principalmente de secano, y proporcionar a los agricultores pronósticos de lluvia más precisos también puede ayudarlos a lograr rendimientos de cultivos más exitosos, dijo Farooque.
“Con el cambio climático, estamos viendo varias tendencias en las que la precipitación acumulada total no cambia mucho, pero el momento es importante”, dijo.
“Si no se hace en el momento adecuado, la sostenibilidad de nuestra agricultura puede estar en riesgo”.
Investigación del comportamiento en condiciones climáticas adversas
Se está explorando otra aplicación de IA en la Universidad McGill, donde los investigadores utilizan datos meteorológicos históricos y actuales para predecir el impacto social de los fenómenos meteorológicos extremos influenciados por el cambio climático, como olas de calor, sequías e inundaciones.
Según Renee Sieber, profesora asociada en el departamento de geografía de McGill, los investigadores esperan descubrir cómo han respondido las personas a los fenómenos meteorológicos perturbadores en el pasado y si eso puede enseñarnos algo sobre cuán resistentes seremos en el futuro.
El equipo utilizará una forma de IA denominada procesamiento de lenguaje natural para analizar las narrativas sociales relacionadas con los fenómenos meteorológicos en los periódicos y otros medios.
“La IA es muy buena para organizar, sintetizar, encontrar tendencias o sentimientos a partir de grandes cantidades de texto no estructurado”, dijo Sieber.
“Básicamente, arrojas artículos de revistas en un balde y ves qué sale”.
Sieber dijo que su equipo tomará ideas de artículos anteriores y de las redes sociales actuales y las comparará con los registros meteorológicos correspondientes para identificar las reacciones de las personas a los eventos climáticos a lo largo del tiempo.
Los registros del Observatorio McGill son los registros escritos ininterrumpidos más largos y detallados de patrones climáticos en Canadá y contienen una gran cantidad de información, dijo Sieber. El registro meteorológico comenzó allí en 1863 y continuó hasta la década de 1950.
“Estos datos son la única medida directa del cambio climático que tenemos [in Canada]—dijo Sieber—.
Optimización del consumo de energía
Algunas empresas canadienses están utilizando IA para minimizar el desperdicio y construir una infraestructura más eficiente desde el punto de vista energético.
Scale AI, un grupo inversor con sede en Montreal que financia proyectos relacionados con la cadena de suministro, ha trabajado con cadenas de supermercados como Loblaws y Save-on-Foods para identificar patrones de compra. La IA permite a las empresas predecir mejor la demanda y reducir el desperdicio de alimentos, dijo Julien Billot, director ejecutivo de Scale AI.
“Cada optimización que podamos lograr mejora la resiliencia de la cadena de suministro y ayuda a usar menos recursos”, dijo.
Otra empresa de Montreal, BrainBox Al, se centra en mejorar la eficiencia energética mediante la optimización de los sistemas HVAC en edificios comerciales.
La tecnología de aprendizaje automático está contenida en una caja de 30 cm de ancho que está conectada al sistema HVAC de un edificio. Aumenta o reduce las temperaturas en función de las entradas de datos, como pronósticos meteorológicos, precios de servicios públicos y cálculos de emisiones de carbono.
El sistema ha reducido el consumo de energía de algunos sistemas HVAC en un 25 por ciento, dijo el director general de BrainBox, Sam Ramadori, y durante dos años la empresa ha instalado la tecnología en 350 edificios en 18 países.
“El mismo tipo de inteligencia que llevamos a los edificios probablemente tenga infinitas aplicaciones. Solo elige un sector”, dijo Ramadori.
“Cómo fabricamos cemento, cómo enviamos mercancías: todo eso debe volverse más eficiente con el tiempo como parte de la lucha contra el cambio climático”.
Según Ramadori, BrainBox AI está trabajando en una tecnología que permitirá que los edificios se conecten entre sí y se comuniquen con las redes de energía a través del servidor en la nube de la empresa.
Esto tiene el potencial de minimizar el desperdicio de energía a nivel de toda la ciudad, ya que las redes de energía reconocen con mayor precisión dónde y cuándo se necesita electricidad, dijo.
“La red de servicios públicos puede decir, ‘Oye, va a estar muy ocupado durante las próximas dos horas. Necesito que encuentres una forma de reducir el consumo. Y con el cerebro de IA en la parte superior, puede decir: ‘Está bien, puedo reducir un poco aquí y allá. Te tengo cubierto’”, dijo Ramadori.
Límites de capital para IA
El acceso a la IA, que puede ayudar a resolver problemas relacionados con el clima, no es igual en todo el mundo.
Los incendios forestales en América del Norte, por ejemplo, tienden a atraer más la atención de los desarrolladores que las plagas de langostas en el este de África, dijo David Rolnick, profesor asistente de informática en McGill y miembro de Mila.
“La forma en que el cambio climático afecta a una comunidad varía mucho de un país a otro”, dijo Rolnick, quien también es presidente de Climate Change AI.
La tecnología de inteligencia artificial se basa en conjuntos de datos, y muchas comunidades no tienen acceso a los datos suficientemente sólidos necesarios para construir algoritmos de aprendizaje automático, dijo Rolnick.
En Canadá, algunas comunidades indígenas y remotas del norte todavía enfrentan brechas digitales significativas en comparación con otras partes del país, dijo.
“Trabajar en la democratización es fundamental”, dijo Rolnick.
Rolnick fue coautor de un estudio el año pasado que describió varias limitaciones en la implementación de IA para soluciones al cambio climático en Canadá. Pidió más fondos para la investigación de IA y más educación de IA en las escuelas primarias y secundarias, así como estándares y protocolos para compartir datos relacionados con proyectos climáticos.
La implementación rápida de programas de competencia de IA a gran escala para los formuladores de políticas y líderes en industrias relacionadas con el clima podría ayudar a «desmitificar» la IA, según el informe.
“A menudo vemos una falta de conocimiento relevante, y los programas educativos pueden ayudar a las personas a comprender lo que estas herramientas pueden y no pueden hacer”, dijo Rolnick.
