En este artículo exploraremos el vínculo entre inteligencia artificial (IA) y acciones de mitigación y adaptabilidad al cambio climático, daremos ejemplos que ilustran el poder de esta herramienta para hacerle frente a uno de los principales retos de esta época.
Por Déborah Zak (*)
En su sitio web, la NASA explica lo siguiente: “En los últimos 800.000 años, ha habido ocho ciclos de glaciaciones y períodos más cálidos. El final de la última edad de hielo fue hace 11.700 años, marcando el comienzo de la era climática moderna y de la civilización humana”. La era climática actual es conocida como Holoceno y se caracteriza por tener estaciones estables que permitieron una agricultura estable, la construcción de comunidades humanas y en definitiva la vida que conocemos hasta el momento.
En este artículo, exploraremos el uso de la IA en uno de los desafíos más apremiantes de esta década: la crisis climática. Según la comunidad científica, lograr mantener el aumento de la temperatura global por debajo de 1,5 °C con respecto a los niveles preindustriales resulta prácticamente inalcanzable si no se reduce a la mitad la emisión de carbono para el año 2030.
La IA emerge como una tecnología con la capacidad de proporcionar una mayor precisión, mejorar la eficiencia en la gestión de recursos y, lo que es crucial, acelerar los procesos necesarios. El uso de la IA para tener en cuenta elementos del cambio climático que evolucionan constantemente nos ayuda a hacer predicciones más informadas sobre los cambios en el medioambiente, de modo que podamos implementar esfuerzos de mitigación antes.
Un ejemplo de uso de IA es Transition Zero, organización sin fines de lucro con sede en Londres, que busca convencer a gobiernos, empresas y a la sociedad de que abandonen el uso de combustibles fósiles, reduzcan las emisiones de carbono y hagan una transición a economías más limpias. A partir de modelos de IA e imágenes satelitales observan el humo que se desprende de las centrales eléctricas a carbón. Entrenan modelos con información que es pública en determinados países sobre la producción de energía y las emisiones de carbono y luego aplican esos modelos a las miles de imágenes satelitales recolectadas de otras centrales para las cuales no disponen de información pública.
Además, la IA se aplica para mejorar el pronóstico de eventos climáticos extremos como pueden ser las sequías, inundaciones, o huracanes. Uno de los proyectos más ambiciosos, quizás, sea el programa “Destination Earth” de la Unión Europea, el cual busca crear un “gemelo digital” de nuestro planeta. De acuerdo con la Comisión Europea, este modelo tiene como objetivo monitorear, simular y predecir la compleja interacción entre fenómenos naturales y actividades humanas. Gracias a esta iniciativa, se podrán anticipar los efectos del cambio climático y sus eventos meteorológicos, proporcionando predicciones detalladas con varios años de antelación. Además, este modelo también permitirá evaluar cómo las políticas y actividades humanas influyen en el cambio climático, brindando un enfoque integral para abordar esta problemática global.
Experiencias en Uruguay:
En lo que respecta a Uruguay, el gobierno publica datos sobre las emisiones de gases de efecto invernadero, en qué sectores se emiten y las cantidades, entre otros datos. Su recolección se realiza siguiendo una metodología aprobada y utilizada internacionalmente, lo que posibilita la comparación con otros países. Además, la Dirección Nacional de Aguas (Dinagua) publica mediciones del nivel de agua registradas en las estaciones de la dirección.
En junio de 2022, ANII junto a BID Lab lanzaron el Fondo de Investigación e Innovación en Cambio Climático. El fondo busca fomentar capacidades de investigación e innovación mediante el financiamiento de proyectos que incorporen IA para la contribución de la reducción de gases de efecto invernadero y la adaptación al cambio climático. A continuación, se presentan algunos de los proyectos financiados por este fondo que se desarrollan en Uruguay.
Huella de carbono en proyectos de infraestructura:
El objetivo de este proyecto es diseñar una metodología de cálculo de las emisiones de carbono para todo el ciclo de vida del proyecto de infraestructura (diseño, construcción, operación y desmantelamiento). De la misma manera que se gestionan los costos de inversión inicial (Capex) y de operaciones (OPEX), este servicio permite gestionar la huella de CO2eq involucrada en la infraestructura en su construcción y luego la que surge de la operativa. Este proyecto fue aprobado por la ANII en 2022, el beneficiario es Proyectos Ingeniería SAS.
Predicción de propagación de incendios:
Este proyecto busca diseñar e implementar un sistema innovador de gestión de riesgos y predicción de propagación de incendios, que permita el monitoreo de incendios forestales mediante algoritmos de machine learning e imágenes satelitales. Como parte de este proyecto se implementaron tres modelos principales: uno de caracterización de combustibles a partir del procesamiento de imágenes satelitales, utilizado como entrada para el cálculo de un índice de Combustibilidad de suelos, otro de predicción de zonas de riesgo de incendio y otro de predicción de direcciones más probables de propagación de un foco de incendio. A su vez, el desarrollo de un software de gestión integral como producto final permitirá integrar todos los modelos, con el objetivo de generar una herramienta potente de gestión, con actualización suficiente para la toma de decisiones a tiempo. Este proyecto fue financiado por ANII en 2022 y continúa en etapa de seguimiento. El beneficiario del mismo es la empresa Ferrando y Asociados (empresa consultora forestal).
Desarrollo de modelos de estimación de biomasa y carbono:
El mantenimiento de la superficie de bosques nativos y plantaciones forestales contribuye con el compromiso del país de reducir un 24% las emisiones del dióxido de carbono. UPM junto a la Facultad de Agronomía y el Centro Universitario Región Litoral Norte de la Universidad de la República, aplicaron técnicas de sensoramiento remoto y machine learning para la estimación de biomasa en plantaciones comerciales de eucalyptus y bosques nativos a gran escala. Buscan además extrapolar estos resultados a la producción forestal nacional.
Eficiencia energética en el sector de alimentos:
En ciertos sectores de la industria alimenticia, el consumo de energía se concentra principalmente en la refrigeración industrial y el consumo de agua caliente. Existe una tecnología que permite no solo el calentamiento de forma más eficiente, sino también la estabilización y disminución de consumo de las instalaciones de refrigeración: las bombas de calor. Conaprole, junto a MCT-Esco y la Facultad de Ingeniería de la Universidad de Montevideo, generan nuevos conocimientos para lograr optimizar la energía de los procesos de enfriamiento y calentamiento en plantas industriales.
Los ejemplos anteriores sugieren que hay distintas dimensiones en donde se pueden generar soluciones de IA para la adaptación y mitigación del cambio climático. Además, se trata de ejemplos en donde el sector público, el sector privado y la academia coordinan sus esfuerzos generando sinergias que afectan a toda la población.
En el pasado, la adaptación solía considerarse como una respuesta reactiva a eventos ya ocurridos, pero con el aumento en la frecuencia y gravedad de los fenómenos meteorológicos extremos, resulta evidente que debemos adoptar un enfoque proactivo hacia la adaptación.
Es necesario que adelantemos nuestras estrategias para anticipar los posibles impactos del cambio climático y tomar medidas preventivas antes de que se manifiesten. Esta acción se convierte en un pilar fundamental para garantizar la resiliencia de nuestras comunidades y economía y, de manera crucial, proteger a los grupos más vulnerables.
La IA puede desempeñar un papel fundamental en acelerar los esfuerzos de mitigación, adaptación y fortalecimiento, al proporcionar las herramientas y datos necesarios para tomar decisiones informadas y eficaces.
(*) Economista en AIC Economía & Finanzas
