Bloomberg — La inteligencia artificial (IA) está ahora en el orden del día de la Cumbre de las Naciones Unidas Sobre el Clima, que reúne en Dubai a líderes mundiales, diplomáticos del clima y miles de personas más. Los defensores del aprendizaje automático lo presentan como una herramienta para reducir enormemente las emisiones.
Algunos de los sectores más difíciles de descarbonizar, como el cemento y el acero, podrían salir especialmente beneficiados, según un nuevo informe del Innovation for Cool Earth Forum, un foro internacional sobre el clima organizado por el gobierno de Japón. La versión final del informe se presentará en las conversaciones sobre el clima de la COP28 que comienzan el jueves.
El sector industrial es responsable de cerca de un tercio de las emisiones mundiales de carbono, pero los modelos de aprendizaje automático pueden ayudar a reducir su carga climática. Alp Kucukelbir, cofundador y director científico de la empresa de inteligencia artificial Fero Labs, coautor del informe, afirma que si se determina la cantidad óptima de materias primas necesarias para fabricar productos como el acero y el cemento, es posible reducir el uso de materiales y las emisiones correspondientes, al tiempo que se mantiene la calidad.
La industria siderúrgica ya está aplicando la IA para conseguirlo. En Brasil, la siderúrgica Gerdau utilizó los modelos de aprendizaje automático de Fero Labs para mejorar la eficiencia de sus plantas. Según el informe, Gerdau consiguió ahorrar US$3 por tonelada y reducir su huella de emisiones en un 8 por ciento. (Para contextualizar, el precio actual del acero ronda los US$900 por tonelada).
“Esta es la ventaja de utilizar software para mitigar el cambio climático: el impacto es inmediato”, afirma el informe.
El modelo de aprendizaje automático ayudó a la empresa a calcular cómo podría aumentar la materia prima reciclada y disminuir la cantidad de materiales necesarios para mantener una calidad constante, eliminando en última instancia la necesidad de extraer y refinar 500.000 libras de materia prima al año.
La IA también podría aplicarse en un entorno industrial para evitar errores pasados aprovechando los datos históricos, resolver rápidamente problemas de producción y minimizar el consumo de energía, escriben los autores del informe.
La tecnología también puede utilizarse para desarrollar nuevos materiales clave para la transición energética, como los ánodos de las baterías y la energía solar fotovoltaica.
El desarrollo de nuevos materiales suele basarse en el método de ensayo y error, con experimentos repetidos hasta que se consigue algo. La IA puede ayudar a reducir de meses a semanas el tiempo necesario para desarrollar materiales. Al combinar un modelo de predicción temprana que reducía el tiempo necesario para cada experimento con un algoritmo que reducía el número de experimentos, un estudio sobre la maximización de la vida útil de las baterías consiguió reducir de 500 a 16 días el tiempo necesario para identificar técnicas de carga rápidas que minimizaran la degradación de las baterías.
A pesar de la promesa de esta tecnología de reducir las emisiones, la IA también supone un riesgo climático debido a su gran consumo energético. Los investigadores han descubierto que el entrenamiento de un solo modelo basado en IA puede consumir más electricidad que 100 hogares estadounidenses en todo un año. Pero la falta de transparencia y el rápido crecimiento del sector han dificultado la determinación exacta de la cantidad de energía que consume.
La IA también puede utilizarse para prolongar la vida de los combustibles fósiles. Las petroleras ya están utilizando la tecnología de aprendizaje automático para predecir los lugares más productivos para perforar en un momento en que la investigación apunta a la necesidad de reducir el uso de combustibles fósiles. Según una encuesta reciente de EY, más del 92 por ciento de las empresas petroleras y gasísticas están invirtiendo o tienen previsto invertir en IA en los próximos dos años.
En noviembre, Microsoft Corp. publicó un documento sobre la aceleración de las soluciones de sostenibilidad con IA, en el que se abordaba la cuestión energética. “A medida que se amplíe la infraestructura necesaria para apoyar los modelos de IA, aumentará la demanda de recursos como la energía y el agua”, escribieron los autores.
“Una de las cosas que estamos estudiando en este documento es comprender realmente de dónde procede el consumo de energía”, dijo la directora de sostenibilidad, Melanie Nakagawa, sobre la evolución de los conocimientos de Microsoft sobre el problema energético de la IA.
Junto con el consumo de energía, la seguridad es otro riesgo a tener en cuenta cuando se trata de aplicar la IA a problemas climáticos. Los modelos de IA pueden equivocarse, y un estudio detectó imprecisiones en más de la mitad de las respuestas a las preguntas de ChatGPT.
Aunque no siempre sea posible eliminar el riesgo de inexactitud o incertidumbre, es importante que las herramientas de IA cuantifiquen y comuniquen la incertidumbre para que los usuarios puedan responder adecuadamente, según Juliet Rothenberg, directora de producto del grupo de investigación de IA climática en Google, de Alphabet Inc. También pueden ser útiles para mitigar el riesgo otros respaldos humanos, como que una persona examine los resultados producidos por la IA.
Dijo que el proyecto de la empresa centrado en la optimización de los semáforos muestra un camino a seguir. La tecnología de IA de Google analizó los patrones de tráfico en las ciudades y proporcionó recomendaciones a los planificadores sobre cómo colocar los semáforos en un intento de reducir los tiempos muertos y el exceso de emisiones de carbono. En última instancia, los ingenieros de tráfico tenían la última palabra sobre si seguir o no las recomendaciones.
“Contar con ese conocimiento humano y contextual y colaborar estrechamente con las partes interesadas es algo que consideramos muy importante”, afirma Rothenberg.
-- Traducción del inglés de Adam Critchley
Lea más en Bloomberg.com
