Los cambios en los sistemas climáticos de nuestro planeta y el calentamiento global están siendo analizados con una visión más amplia y precisa gracias a tecnologías maduras y emergentes como la inteligencia artificial.
Tecnologías para entender y remediar el calentamiento global
Distintas tecnologías nos ayudan a entender la crisis climática, prevenir sus riesgos y remediar sus efectos. Algunos ejemplos son:
- Recopilación y análisis de big data climática.
- Sensores que captan alteraciones en los ecosistemas de la Tierra.
- Plataformas abiertas de datos (open data) relacionadas con el uso del agua para consumo humano y la agricultura.
- Información sobre evapotranspiración.
- Dinámicas en las corrientes de cuerpos de agua terrestres y marinos.
- Así como, algoritmos y modelos capaces de pronosticar eventos atmosféricos.
La innovación en los enfoques de estudio de la problemática del cambio climático no se detiene. Y tampoco las entidades multinacionales que suman sus recursos, conocimientos y esfuerzos.
Como resultado se obtienen avances y nuevas evidencias como las anunciadas recientemente, en donde está involucrada la inteligencia artificial (IA).
El calentamiento global y su rápido avance según la IA
Las redes neuronales artificiales (Artificial Neural Networks, ANNs), y los algoritmos predictivos, son aplicaciones de la inteligencia artificial útiles para el análisis de big data asociada a cambios de temperatura.
Este es el caso de un estudio recientemente publicado por Noah Diffenbaugh y Elizabeth Barnes, docentes e investigadores de Estados Unidos. Ellos entrenaron redes neuronales artificiales con datos originados en un modelo climático. Adicionalmente, utilizaron un patrón espacial de observaciones históricas de temperatura para predecir el tiempo, hasta alcanzar umbrales críticos de calentamiento.
4 etapas para estudiar el calentamiento global con IA
Los investigadores validaron en su estudio un marco de trabajo con cuatro etapas:
- Identificación del momento en que se alcanza el umbral de calentamiento para cada modelo climático en cada escenario establecido.
- Entrenamiento, validación y prueba de una ANN para cada umbral de calentamiento global. Para este fin usaron solo los mapas simulados de anomalías de temperatura anuales y valores de tiempo simulado.
- Uso de los mapas observados de anomalías históricas de temperatura anual para predecir el número de años hasta que se alcance cada umbral de calentamiento global.
- Aplicación de inteligencia artificial explicable (Explainable Artificial Intelligence, XAI) para identificar áreas del planeta más resaltantes para las predicciones.
Resultados aportados
- Se sugiere una probabilidad sustancial de superar el umbral de 2 °C, incluso en el escenario de un forzamiento climático bajo.
- La estimación central para el umbral de calentamiento global de 1,5 °C obtenida es entre 2033 y 2035.
- Se confirma que la Tierra estará 1,5 °C más caliente en los próximos 10 años.
Qué tan confiable es la IA
Sin embargo, puede surgir la pregunta: ¿qué tan confiable es la inteligencia artificial y las predicciones que de ella derivan?
La confiabilidad de esta tecnología parte de:
- La diversidad de proyectos y situaciones en donde se ha utilizado.
- La evolución de los algoritmos de aprendizaje automático y de predicción.
- Y la integración en enfoques multidisciplinares para el análisis de problemáticas complejas.
Cómo estamos atendiendo las afectaciones en el planeta con IA
En el caso del análisis de las afectaciones climáticas, en el marco del proyecto Xaida existen varios ejemplos de la aplicación de la IA:
- Ola de calor en el Pacífico de América del Norte, junio 2021.
- Brote de frío en Europa, primavera 2021.
- Huracán Irma, septiembre de 2021.
Son proyectos en donde se han diseñado, aplicado y validado frameworks de IA que incrementan el conocimiento sobre:
- Identificación de las cualidades de los conjuntos de datos apropiados para entender la dinámica de los fenómenos climáticos.
- Modelado mediante aprendizaje automático de efectos en la vegetación debido a incendios, heladas, sequías o inundaciones.
- Interpretación de imágenes y modelos procedentes de otras tecnologías, por ejemplo, la teledetección satelital.
- Reducción de la deforestación gracias a la televigilancia orientada con IA de bosques y áreas protegidas.
El estudio de Diffenbaugha y Barnes es un ejemplo de cómo funciona la IA y su utilidad para mejorar el reconocimiento, modelado o predicción a partir del entrenamiento con datos.
El cambio climático es un problema con serias afectaciones, cuyos efectos se están haciendo más graves. Identificar mecanismos impulsores que se pueden atribuir a los eventos climáticos es importante para prevenir o limitar su desarrollo. Con la Inteligencia Artificial es posible entender mejor cómo son las dinámicas del calentamiento global y buscar salidas para remediarlo.
Imagen de Unsplash.
