María Uriarte, profesora del Departamento de Ecología, Evolución y Biología Ambiental en la Universidad de Columbia, está tratando de entender de qué manera el paso del huracán María en 2017 alteró la vida vegetal en Puerto Rico.
Sin embargo, tratar de identificar qué especies de árboles sobrevivieron y cuáles quedaron destruidas a lo largo de hectáreas de selva tropical mediante fotografías aéreas es una tarea casi imposible para la vista humana.
“El desafío de la ecología como campo de estudio y el cambio climático como área es que el mundo es muy variable”, explicó Uriarte. “Puedes aprender algo sobre qué ocurre en un lugar, pero después debes preguntarte: ¿qué tanto puede aplicarse ese caso en otras zonas en las que no he trabajado?”.
Por eso ha recurrido a la inteligencia artificial, en particular al aprendizaje automático, que es especialmente bueno para tomar grandes cantidades de información, ordenarla, clasificarla y aprender a detectar —y predecir— patrones con la intervención mínima de un ser humano.
Uriarte ha cartografiado e identificado los árboles de algunas zonas. Con esos datos, así como las fotografías de antes del huracán, la IA puede identificar las especies y mostrar cuál es su distribución en todo el bosque.
“Sabemos que en las tormentas graves hay ganadores y perdedores”, dijo Uriarte. “Algunas especies sufren mucho daño, otras no. A largo plazo, los ganadores dominarían más”.
Uno de los ganadores es un tipo de palmera, la sierra, que es muy resistente a los huracanes, y Uriarte está tratando de determinar dónde y cómo se extendió a lo largo de más de 11 mil hectáreas del Bosque Nacional El Yunque como resultado de tormentas pasadas.
Hay varias consecuencias del ascenso de esta palmera en específico, entre ellas la cantidad de carbono que se almacena (y después se emite) y cómo se ven afectadas el agua y la vida silvestre.
“Lo que nos permite hacer la IA es abordar esta pregunta a una escala que no puede realizarse por medio de enfoques tradicionales”, dijo Uriarte. “Tiene un potencial tremendo”.
Por eso los investigadores de la industria, la academia y las agencias de gobierno están usando la inteligencia artificial para ayudar a resolver problemas de sucesos de clima extremo como huracanes, inundaciones, sequías e incendios forestales.
Como ejemplo está el problema de los apagones más constantes y duraderos, provocados en parte por el aumento del clima extremo y el uso más variable de electricidad debido a nuevas tecnologías como los autos eléctricos. El uso errático de electricidad ejerce más presión en las redes eléctricas y dificulta más la tarea de poner a los técnicos de servicios públicos en el lugar y el momento adecuados.
Mientras que los servicios públicos tienen software disponible para ayudar a planear las operaciones diarias y próximas, no son tan inteligentes y dinámicas como se requiere.
La inteligencia artificial también está desempeñando un papel esencial en la agricultura.
En Australia, por ejemplo, el clima más cálido y un declive de las lluvias debido al cambio climático han provocado una caída importante en la producción de trigo y otros cultivos como la canola o colza y el azúcar de caña; el país contribuye alrededor del 12 por ciento del trigo que se comercializa en todo el mundo, de acuerdo con su agencia federal de investigación científica, la Organización de Investigación Científica e Industrial del Commonwealth. Además, el declive llega en un momento en el que se necesita más comida, no menos, para alimentar a una población mundial en crecimiento.
Así llega el proyecto Grid Resilience & Intelligence Platform, cuyo objetivo es aplicar el aprendizaje automático a la red eléctrica usando grandes cantidades de imágenes satelitales, datos del clima, datos de medidores inteligentes y otra información acerca de las operaciones de los servicios para detectar y solucionar problemas, como los árboles que crecen encima de las líneas eléctricas, lo cual puede ser problemático durante las tormentas.
La idea es “anticipar, absorber y recuperarse de sucesos que provoquen fallas en la red, como el clima extremo o un ciberataque”, comentó Ashley Pilipiszyn, directora del proyecto GRIP y estudiante de doctorado en la Universidad de Stanford.
El proyecto también es dirigido por el Laboratorio Nacional de Aceleradores SLAC, operado por la Universidad de Stanford, y el Laboratorio Nacional Lawrence Berkeley, gestionado por la Universidad de California. Como sucede en muchas de estas iniciativas enfocadas en la inteligencia artificial y el cambio climático, los sectores público y privado se encargan de proporcionar la investigación y el financiamiento.
En el caso de una falla provocada por una tormenta de invierno, por ejemplo, Pilipiszyn dijo que una red inteligente podría dar prioridad a distintas cargas eléctricas y agruparlas en islas para cercar las fallas, con lo que se aseguraría, por ejemplo, la prioridad en el suministro de los asilos o los hospitales.
GRIP es un proyecto de tres años; se espera que las demostraciones prácticas estén en total funcionamiento para finales de 2020, comentó Pilipiszyn.
No obstante, por prometedora que sea la inteligencia artificial en cuanto al entendimiento y el combate de los efectos del cambio climático, solo debe considerarse como una de muchas herramientas, dijo James Hodson, director ejecutivo de AI for Good, una organización sin fines de lucro con sedes en Europa y Norteamérica.
“Cuando haya más gente involucrada en el aprendizaje automático para solucionar estos problemas, es más probable que encontremos soluciones”, comentó. “Pero la realidad del cambio climático es que necesitamos soluciones sociales, la manera en que vivimos nuestra vida, gastamos el dinero del gobierno y la manera en que obligamos a las corporaciones a adoptar mejores prácticas”.
