Cómo la IA puede ayudar a reducir la contaminación del aire urbano

Como especie, hemos remodelado el mundo para adaptarlo a nuestras ambiciones, construyendo ciudades que rozan el cielo y redes digitales que laten con vida. Pero al hacerlo, también hemos llenado el aire de amenazas invisibles. La atmósfera de oportunidades que nos rodea está a menudo contaminada, cargada de sustancias nocivas que se infiltran silenciosamente en nuestros pulmones.

La contaminación atmosférica urbana es uno de los retos que definen nuestra época: compleja en su origen, dinámica en su comportamiento y cada vez más fuera del alcance de las herramientas tradicionales.

Pero a medida que las ciudades se vuelven más inteligentes, surge un nuevo y poderoso aliado en la lucha por un aire más limpio: la inteligencia artificial (IA).

¿Y si la IA nos ayudara a ver lo invisible? ¿Y si nos ayudara a respirar mejor, a vivir más tiempo y a reducir los efectos nocivos para la salud de la exposición a sustancias tóxicas invisibles?

La IA ofrece un conjunto de herramientas radicalmente nuevo para abordar este problema: permite analizar grandes conjuntos de datos, descubrir patrones ocultos, predecir condiciones futuras y optimizar el funcionamiento de nuestras ciudades. Este artículo explora cómo podemos utilizarla para monitorear, gestionar y, en última instancia, mitigar las concentraciones de contaminación atmosférica urbana y la exposición a ella en nuestro mundo en rápida urbanización.

Miles de millones de personas en todo el mundo respiran aire que supera los límites establecidos por la Organización Mundial de la Salud (OMS) para contaminantes como las partículas en suspensión (PM2,5) y el dióxido de nitrógeno (NO2). Esto provoca más de 8 millones de muertes prematuras al año y un costo para la economía global de 8 billones de dólares cada año.

Históricamente, nuestra comprensión de la contaminación atmosférica se ha basado en una red relativamente escasa de estaciones de monitoreo fijas y costosas. Si bien los monitores de referencia y los supersitios (estaciones de monitoreo intensivo con capacidades avanzadas) proporcionan datos valiosos, como la composición química y el tamaño de las partículas, ofrecen una visión limitada de la exposición a nivel hiperlocal, es decir, las variaciones que experimentan las personas a medida que se desplazan por las ciudades.

Hoy en día, eso está cambiando gracias a la inteligencia artificial, los modelos y las redes de sensores.

Las primeras aplicaciones de aprendizaje automático al control de la calidad del aire se centraron en modelos como bosques aleatorios, refuerzo de gradientes y enfoques híbridos. Estos permiten a los investigadores predecir mejor las concentraciones de contaminación atmosférica en las ciudades y distinguir los efectos de otras variables como el clima.

Esta capacidad predictiva abre nuevas perspectivas respecto a la eficacia de las intervenciones políticas.

Más recientemente, se han utilizado enfoques de aprendizaje automático para mejorar la calidad de las mediciones de los sensores de calidad del aire y determinar las fuentes complejas de contaminación, analizando conjuntos de datos que integran los niveles de contaminación, las condiciones meteorológicas, los flujos de tráfico, las operaciones industriales y mucho más.

En combinación con sensores, imágenes satelitales e incluso datos de crowdsourcing, la IA puede ahora generar mapas de contaminación de alta resolución y casi en tiempo real para rastrear la exposición e informar las medidas de salud pública.

Un ejemplo es el sistema DyNA desarrollado en el Imperial College de Londres, que combina la modelización física con técnicas de IA. Utiliza una red neuronal recurrente personalizada para procesar datos de series temporales y pronosticar eventos de contaminación.

Cuando se combina con técnicas de asimilación de datos, DyNA puede incorporar observaciones del mundo real para mejorar la precisión y la velocidad de las predicciones de la calidad del aire. La API de calidad del aire de Google también combina diversas fuentes para estimar las concentraciones globales de contaminantes.

Los sistemas más inteligentes permiten tomar decisiones más inteligentes, no solo para las ciudades, sino también para los ciudadanos.

Imaginemos un corredor o un ciclista que recibe alertas en tiempo real en su smartwatch, identificando los puntos críticos de contaminación a lo largo de su ruta y recomendándole que reduzca la velocidad o cambie de lado de la calle en un callejón estrecho donde se acumulan los contaminantes. Esta información, antes invisible, ahora es posible.

AirTrack, desarrollado por Air Aware Labs, ha permitido a deportistas y viajeros cambiar su ruta en función de datos de exposición en tiempo real. Este sistema combina datos GPS, inteligencia artificial, modelos de contaminación atmosférica y el comportamiento de los usuarios para ofrecer información personalizada sobre la exposición a la contaminación atmosférica, lo que permite a las personas tomar decisiones más inteligentes.

Por ejemplo, cambiar la ruta de un trayecto en bicicleta, ajustar el horario de una corrida o simplemente decidir el mejor momento para salir a la calle. Con una precisión extraordinaria, pronto será posible estimar dónde se ha emitido cada partícula que respiramos, lo que abrirá nuevas fronteras en materia de rendición de cuentas, monitoreo de la salud y prevención.

Con el tiempo, la IA guiará a sistemas urbanos completos —transporte, energía, uso del suelo— hacia un equilibrio más inteligente y limpio. Esto incluye la fijación dinámica de precios en las carreteras, la movilidad bajo demanda y los vehículos autónomos eléctricos que se ajustan a los objetivos de calidad del aire.

Al modelar el impacto de los edificios en el flujo de aire, las emisiones y el movimiento peatonal, las herramientas de IA ayudan a evitar la creación de puntos críticos de contaminación y a priorizar la salud en el diseño, desde el proyecto inicial hasta la construcción final. Esto supone un cambio de una planificación "reactiva" a una "proactiva", lo que permite crear ciudades más saludables desde el diseño.

El potencial de la IA es inmenso, pero también lo son los riesgos si esta se implementa de manera irresponsable. La contaminación del aire afecta más a los más pobres y la IA podría agravar estas desigualdades. Por ejemplo, debido a la falta de infraestructura, la API de Google no tiene cobertura en muchas ciudades africanas.

Para que la IA sea una fuerza positiva, debe ser:

La IA no debe imponerse a las personas, sino construirse con ellas. Eso significa abrir el acceso a los datos, apoyar el desarrollo de código abierto e involucrar a las voces locales en el diseño y la implementación de las herramientas.

Al mismo tiempo, la IA es un habilitador esencial si queremos alcanzar objetivos globales como la meta de la Organización Mundial de la Salud de reducir el impacto de la contaminación atmosférica en la salud en un 50% para 2040, establecida en la Conferencia Mundial sobre Contaminación Atmosférica y Salud.

La IA ofrece un poder transformador en la lucha contra la contaminación del aire urbano. Mejora la forma en que medimos, predecimos, optimizamos y actuamos, proporcionándonos las herramientas para crear ciudades más inteligentes, limpias, equitativas y habitables.

Estos avances podrían alinearse con iniciativas como la Alianza para el Aire Limpio del Foro Económico Mundial y el compromiso de C40 con los beneficios colaterales de la calidad del aire a través de la acción climática.

Pero este potencial no se alcanzará solo con algoritmos. Requiere una colaboración intencionada entre gobiernos, investigadores, startups, líderes municipales y todas las personas que respiran aire cada día.

Por lo tanto, las instituciones filantrópicas, multilaterales y el sector privado deben trabajar juntos para cerrar las brechas de datos en las regiones menos representadas, porque el aire limpio no debe depender del código postal o del producto interior bruto.

Nuestro aire no debería ser un peligro oculto. Contando con la IA como aliada y la equidad como brújula, podemos construir ciudades inteligentes donde el aire limpio fluya tan libremente como los datos que las impulsan.