Los titulares suelen estar plagados de historias sobre cómo la inteligencia artificial (IA) está quitando el trabajo a todo el mundo.
Pero la IA no es tan oscura como suelen pintar las películas y los titulares de las noticias, y esta potente tecnología está ayudando a resolver uno de los mayores retos a los que se enfrenta el planeta y todas las especies que lo habitan: el cambio climático.
Ya existe una amplia gama de casos convincentes de uso de la IA para el clima, desde software de mantenimiento predictivo que disminuye las emisiones en el sector manufacturero hasta imágenes de visión informática y aprendizaje automático que ayudan a los científicos a rastrear los cambios medioambientales.
Por supuesto, ninguna tecnología nueva es perfecta. Como tal, las soluciones climáticas de IA tienen muchos retos que resolver, sobre todo en torno a la ciberseguridad y la privacidad.
Pero mientras tanto, ¿en qué está ayudando?
¿Cómo puede ayudar la Inteligencia Artificial a combatir el cambio climático?
Abordar el cambio climático requerirá inevitablemente “soluciones inteligentes” como la IA, según Albert Plugge, profesor de transformación ESG e innovación digital en la Universidad Empresarial de Nyenrode (Países Bajos).
Plugge ve tres áreas en las que la IA puede ayudar a las empresas a cumplir sus objetivos ESG y, en última instancia, a frenar los efectos del cambio climático, siendo la primera las soluciones de gestión del agua impulsadas por la IA que envían el excedente de agua a zonas con escasez de agua.
“La IA puede proporcionar controles automatizados para la toma de decisiones, teniendo en cuenta factores medioambientales como las influencias meteorológicas”, explica.
En segundo lugar, Plugge cree que la IA puede desempeñar un papel útil en el almacenamiento subterráneo de emisiones de dióxido de carbono. En concreto, la tecnología podría ayudar a los expertos a determinar la temperatura más óptima para almacenar las emisiones y hacer un seguimiento de su impacto en la subsidencia. La subsidencia es el hundimiento del suelo bajo los edificios, que provoca su derrumbe.
En tercer lugar, afirma que la IA podría permitir a las organizaciones predecir futuros riesgos medioambientales derivados de las medidas de biodiversidad, como garantizar que el agua enviada a tierras áridas para mejorar su biodiversidad no dañe las viviendas de la población.
¿Cómo puede ayudar la IA a reducir las emisiones de carbono en la fabricación?
Las empresas de fabricación e ingeniería utilizan cada vez más software de mantenimiento predictivo basado en IA para cumplir sus objetivos de emisiones netas cero, según Malavika Tohani, directora de investigación de excelencia operativa de Verdantix.
Explica que el software de mantenimiento predictivo permite a los fabricantes hacer que sus máquinas sean más eficientes y duren más mitigando las averías mecánicas. Añade que esto puede reducir el consumo de energía, el despilfarro y las emisiones de gases de efecto invernadero en la industria.
“Ya estamos viendo que algunas empresas diversificadas del sector energético están implantando plataformas de IA que aprovechan los gemelos digitales, la inteligencia artificial y el aprendizaje automático para recomendar formas de mejorar la eficiencia energética y el rendimiento de sus activos”, explica.
“Aprovechando el mantenimiento predictivo, una empresa informó de una disminución del 5% en las emisiones de carbono, al tiempo que reducía el coste anual del consumo de energía en 600.000 dólares y el consumo de combustible en 800.000 dólares.”
¿Cómo pueden ayudar al medio ambiente el Big Data y la IA?
Según el consultor tecnológico independiente y fundador de Blinq Blinq, Doug Stevenson, la IA es perfecta para resolver retos importantes como el cambio climático, debido a su capacidad para analizar grandes conjuntos de datos de múltiples fuentes.
“Tanto si se trata de analizar datos de imágenes de satélites meteorológicos, redes de sensores que controlan el uso de la energía y las emisiones, o simulaciones que predicen impactos futuros, el volumen y la complejidad de la información implicada es precisamente el tipo de reto que la IA maneja de forma excelente”, explica.
Al aplicar la tecnología de visión informática y aprendizaje profundo a las imágenes medioambientales, afirma que los científicos pueden controlar los efectos de la deforestación, la proliferación de algas y otros cambios ecológicos a medida que se producen.
Y prosigue: “Ser capaz de detectar automáticamente anomalías o patrones sutiles en conjuntos de datos masivos podría ayudar a descubrir ideas que, de otro modo, podrían haber pasado desapercibidas.”
Stevenson también espera que las tecnologías de IA mejoren la optimización de las redes inteligentes para que consuman menos energía y emitan menos carbono.
Y añade: “Y a medida que mejore el modelado predictivo, tendremos mejores previsiones para ayudar a la preparación y mitigación de catástrofes”.
¿Cómo puede la IA optimizar los sistemas de energías renovables?
Las organizaciones pueden utilizar la IA para optimizar sus sistemas, mejorar la eficiencia y evaluar los riesgos potenciales en el sector de las energías renovables. Maria Opre, experta en ciberseguridad y analista principal de EarthWeb, vio estas cosas de primera mano cuando ayudó a una importante empresa de energía solar a realizar evaluaciones de riesgos.
Explica que pasar los datos históricos de producción y consumo por la tecnología de aprendizaje automático permitió a la empresa predecir la producción y la demanda de energía solar. En consecuencia, ahora utiliza menos energía de reserva basada en combustibles fósiles.
“Al integrar las previsiones en la programación diaria, la IA optimizó el flujo de energía solar a la red cuando más se necesitaba y desvió el exceso al almacenamiento en baterías para su uso posterior”, prosigue. “Este ajuste preventivo de la oferta y la demanda minimizó el despilfarro y frenó la compra de centrales de combustibles fósiles que, de otro modo, proporcionarían capacidad extra durante los picos.
El uso de la IA ha sido fructífero para la empresa de energía solar, y Opre explica que en 18 meses se produjo una “disminución del 15% de las emisiones de gases de efecto invernadero por megavatio-hora en comparación con sus operaciones tradicionales”.
Pero la IA no sólo es útil para mejorar la eficiencia y el impacto medioambiental de los sistemas de energía renovable existentes. Según Opre, también podría acelerar el desarrollo y la implantación de nuevas tecnologías renovables.
“Mediante el aprendizaje automático, los investigadores trabajan para diseñar turbinas eólicas y paneles solares con un rendimiento mejor optimizado, basándose en datos reales de instalaciones de todo el mundo”, explica Opre.
“La IA puede ayudar a los ingenieros a desarrollar componentes renovables más eficientes, basándose en los conocimientos de decenas de miles de sistemas existentes que funcionan en una inmensa variedad de condiciones. Unos ciclos de innovación más rápidos, basados en datos y apoyados por la IA, pueden traducirse en una ampliación más rápida de la capacidad renovable en todo el mundo.
¿Cómo puede utilizarse la IA con otras tecnologías emergentes?
Según Steve Carlini, vicepresidente de innovación y centro de datos de Schneider Electric, el uso de la IA con tecnologías como 5G, edge computing e Internet de las Cosas (IoT) hará que el mundo esté mejor equipado para hacer frente al cambio climático.
Carlini afirma que estas innovaciones están mejorando todo, desde la asignación de recursos hasta la gestión del tráfico. Espera que mejoren la sostenibilidad de las ciudades y las empresas “aumentando la eficacia operativa y permitiéndonos hacer cambios valiosos para ayudar a reducir nuestro consumo de agua, tierra y energía”.
Sin embargo, Carlini afirma que se necesitarán potentes centros de datos para que la IA y otras tecnologías digitales reduzcan las emisiones en áreas como la fabricación, el transporte, el sector inmobiliario y la energía.
“Estos centros potentes no sólo pueden permitir eficiencias y procesos operativos al tiempo que aumentan la capacidad para satisfacer la demanda de cargas de trabajo de IA cada vez mayores, sino que pueden hacerlo sin aumentar su propia huella de carbono”, afirma.
“Mejor aún, los centros de datos de IA pueden seguir reduciendo sus emisiones de carbono con el tiempo utilizando una gestión inteligente para el abastecimiento de energía renovable y tecnologías de refrigeración innovadoras.”
¿Qué retos hay que tener en cuenta?
Aunque la IA puede ayudar a resolver el cambio climático de muchas formas distintas, hay que tener en cuenta y superar algunos retos potenciales.
Taimur Ijlal, responsable de seguridad de la información de Netify, advierte de que las soluciones climáticas basadas en IA podrían entrañar una serie de riesgos para la ciberseguridad y la privacidad.
“A medida que invertimos más en digitalizar las soluciones climáticas y construir redes conectadas para controlar el uso de los recursos y las infraestructuras, se amplía la superficie de ataque“, afirma.
“Los sistemas vitales que pasan a depender de modelos de IA que podrían manipularse o interrumpir los servicios aumentan lo que está en juego. Además, los datos sensibles de localización, los perfiles energéticos individuales y otra información personal recopilada requieren protecciones sólidas.”
Mientras las empresas se apresuran a adoptar estas tecnologías, les anima a garantizar “la resistencia desde el principio”. Pueden hacerlo aplicando las mejores prácticas del sector, como “la privacidad diferencial en los conjuntos de datos, el entrenamiento defensivo de los modelos y los despliegues segmentados y protegidos del aire para limitar el daño de las amenazas“.
Stevenson advierte del peligro de confiar únicamente en la tecnología para luchar contra el cambio climático, e insta a gobiernos, organizaciones y particulares a considerar simultáneamente “las dimensiones social y política”.
“Cosas como incentivar las reducciones en las industrias de altas emisiones o cambiar los comportamientos de los consumidores siguen dependiendo de las decisiones de los gobiernos, las organizaciones y los individuos”, concluye.
“Las normativas e iniciativas adecuadas deben complementar lo que proporcionan los modelos y algoritmos”.
