¿Puede la inteligencia artificial (IA) ayudar a lograr sustentabilidad ambiental y reducir la emisión de gases de efecto invernadero en los próximos diez años? En diversos informes de coyuntura se discuten las posibilidades que presenta la IA para mejorar el cuidado del medio ambiente y los principales resultados son aún muy incipientes. No obstante, la sustentabilidad se está volviendo un asunto cada vez más crítico en empresas, organizaciones y gobiernos.
El campo de la inteligencia artificial (IA) se está expandiendo cada día más gracias a grandes inversiones: según la consultora IDC, el gasto mundial en IA en 2022 alcanzará los 432 mil millones de dólares, lo que supone un crecimiento de 19,6% respecto a 2021, rompiendo la barrera de 500 mil millones de dólares para el próximo año.
IA se encuentra en la cresta de la ola en innovación y, junto al ingenio humano, resulta diferenciadora para que las empresas escalen posiciones en esta era de transformación digital.
Ahora bien, ¿cómo pueden las empresas con una fuerte huella ecológica aprovechar las oportunidades de la inteligencia artificial para reducir el impacto ambiental?
Existen ejemplos recientes de empresas que están explorando las potencialidades de la IA. Google DeepMind utiliza un modelo para reducir la carga de energía de sus centros de datos, lo que reduce el costo de energía de la refrigeración en un 40 %. Por su parte, IBM aplica IA para un mejor pronóstico del tiempo haciendo que sus predicciones sean un 30% más precisas (lo cual ayuda a las empresas de energía renovable a gestionar mejor sus plantas, maximizando la producción de energía renovable y reduciendo las emisiones de carbono). Y Xcel Energy, una empresa de servicios públicos que combustiona carbón y emite óxido nitroso, está implementando IA para predecir mejor los patrones de consumo de energía y adaptar sus sistemas operativos, lo que aumenta la eficiencia en más de un 20%.
Una investigación de PwC UK encargada por Microsoft, se propuso modelar el impacto económico de la aplicación de IA para gestionar el medio ambiente en cuatro sectores: agricultura, agua, energía y transporte. El informe estima que el uso de IA para aplicaciones ambientales podría aportar hasta $5,2 billones de dólares a la economía global en 2030, un aumento del 4,4% en relación con los negocios habituales.
Paralelamente, el apalancamiento de IA podría reducir las emisiones mundiales de gases de efecto invernadero (GEI) en un 4% en 2030, una cantidad equivalente a 2,4 Gt CO2e- equivalente a las emisiones anuales de 2030 de Australia, Canadá y Japón combinados.
Claramente la inteligencia artificial puede impactar no sólo en el logro de objetivos ambientales sino también en los objetivos de desarrollo sostenible. En este sentido, La Organización de Naciones Unidas definió 17 Objetivos de Desarrollo Sostenible que se pueden agrupar en tres pilares: Medio Ambiente, Economía y Sociedad. Un estudio publicado en Nature Communications analizó cómo el desarrollo de la IA podría permitir muchos avances y, asimismo, obstaculizar otros. La conclusión de la investigación es que, si bien la IA brinda oportunidades sin precedentes, es posible que no siempre resulten en un resultado positivo según el marco de gobierno en el que se utilicen (lo ideal sería fomentar políticas regulatorias para supervisar el desarrollo de la IA en cada país de acuerdo a pilares como la ética, transparencia y medidas democráticas).
Una visión que podría contrarrestar el uso optimista de la IA plantea que la adopción de inteligencia artificial dentro de una corporación aumentará el uso de energía por parte de la empresa, por la necesidad de más servidores y energía para refrigerar los centros de datos.
A modo de ejemplo, una investigación de la Universidad de Massachusetts, revela que el entrenamiento de modelos de IA para hacer procesamiento del lenguaje natural (NLP) puede producir el equivalente de dióxido de carbono de 5 veces las emisiones de por vida del automóvil estadounidense. Sin embargo, este es solo un estudio asociado a un tipo específico de IA que no se usa masivamente, dado que las tareas de entrenamiento más representativas producen cantidades relativamente pequeñas de carbono.
Más allá de este factor, las compañías que no cuenten con datos precisos sobre su huella de carbono de IA, podrían estar creando un riesgo inesperado para la reputación de la empresa una vez que la información sobre su huella de carbono se haga pública. Esto nos lleva a la conclusión de que los datos sobre emisiones de CO2 son un elemento clave en el proceso efectivo de toma de decisiones de las empresas.
En una iniciativa que va en esta dirección, el Instituto de Algoritmos de Aprendizaje de Montreal de Canadá lanzó recientemente una herramienta diseñada para estimar la cantidad de carbono que se produce en el entrenamiento de modelos de aprendizaje automático. Aún se necesitan más proyectos e iniciativas similares que brinden información de calidad sobre el impacto real de cada empresa e industria en el conjunto de la actividad económica.
Oportunidades de IA para afrontar desafíos ambientales
La inteligencia artificial tiene el potencial de acelerar los esfuerzos globales para proteger el medio ambiente y conservar los recursos naturales. A continuación se presentan algunos ejemplos para abordar los principales problemas ambientales:
1) Cambio climático: consiste en el uso de machine learning para optimizar la generación y demanda de energía en tiempo real, a través de sensores y medidores inteligentes que pueden recopilar datos y monitorear, analizar y optimizar el uso eficiente en edificios. Al mismo tiempo, la IA ya se utiliza en transporte inteligente para reducir la congestión y existen diversas herramientas de geolocalización que se orientan a opciones más ecológicas de transporte.
2) Biodiversidad, conservación y agricultura: cuando se combina con imágenes satelitales, la IA detecta cambios en el uso de la tierra, la vegetación, la cobertura forestal y las consecuencias de los desastres naturales. En aplicaciones agrícolas permitirá reducir el uso de fertilizantes y mejorar el rendimiento de los cultivos. También los robots impulsados por estas tecnologías tienen la posibilidad de monitorear condiciones inusuales de los océanos y rastrear la pesca ilegal.
3) Problemas del agua: diversos grupos de científicos están recurriendo cada vez más a la IA y a datos satelitales para proyectar el uso del agua en un área geográfica particular y elaborar pronósticos meteorológicos para tomar decisiones políticas informadas, sobre todo ante posibles inundaciones o sequías.
4) Aire saludable: los purificadores de aire con IA pueden registrar la calidad del aire y los datos ambientales en tiempo real y adaptar la eficiencia de filtración. A su vez, las simulaciones impulsadas por IA pueden enviar advertencias a las personas que viven en áreas urbanas sobre los niveles de contaminación de sus áreas
5) Pronóstico del tiempo y resiliencia ante desastres: el análisis predictivo impulsado por IA junto con drones, plataformas de sensores avanzados y herramientas similares tienen la tarea de monitorear temblores, inundaciones, tormentas, cambios en el nivel del mar y otros posibles peligros naturales. Estas tecnologías pueden ayudar a gobiernos, y a los organismos interesados, a tomar las medidas oportunas y generar alertas tempranas.
6) Ciencia e ingeniería de los materiales: por último, la IA puede ayudar a las principales industrias a impulsar la creación de materiales bajos en carbono para sus productos. Algunos de los desafíos tienen que ver con encontrar nuevos materiales para paneles solares, para volver a convertir el calor en electricidad útil y ayudar a encontrar materiales absorbentes como componentes de los depuradores de CO2 (eliminando el CO2 de la atmósfera).
La colaboración entre todos los actores relevantes para obtener datos de calidad, la transparencia en el conocimiento compartido y un grado de supervisión correcta en los procesos, resultan elementos claves para dar soporte a estas aplicaciones sistémicas de la IA.
El propósito final será que estas tecnologías puedan desarrollarse de forma cada vez más inclusiva y adaptada a las problemáticas de cada región o comunidad en particular.