Las expectativas puestas en la inteligencia artificial (IA) en la acción climática suelen pasar por alto la necesidad de reforzar los datos de entrenamiento utilizados.
Para combatir las emisiones mediante la IA, es necesario lograr una claridad radical de los datos sobre la infraestructura y las emisiones.
Los avances tecnológicos son clave para afrontar los desafíos globales, pero requieren innovación y salvaguardias.
La inteligencia artificial, como declaró Marc Andreessen hace más de una década sobre el software, está devorando el mundo. El problema es su dieta.
En la próxima década, la IA transformará profundamente todos los sectores, desde la sanidad hasta el transporte e incluso la física. También se está volviendo cada vez más habitual sugerir que la IA tiene el potencial de resolver algunos de los problemas más urgentes del mundo, incluidos el cambio climático y nuestra lucha por alcanzar las emisiones netas cero.
Casi el 90 % de los directores ejecutivos de los sectores público y privado considera que la IA es una herramienta esencial para combatir el cambio climático. Pero, pese al consenso sobre el potencial de la IA para mitigar los peores efectos del cambio climático, cada vez pasamos más por alto un defecto fundamental: los datos que conforman su dieta.
En un estudio reciente, el 75 % de los directivos indicó que no confían mucho en sus datos. Los modelos de IA son tan buenos como los datos con los que se entrenan. Dependen de conjuntos de datos sólidos y detallados para identificar patrones y tendencias que permitan a los modelos aprender y tener capacidad predictiva.
Las potentes capacidades analíticas de la IA, si se aplican a datos defectuosos, pueden generar una confianza injustificada en decisiones erróneas. Esta vulnerabilidad supone un riesgo significativo, especialmente al abordar problemas complejos como el cambio climático. Si los datos que alimentan la IA carecen de precisión, integridad, fiabilidad, exactitud y oportunidad, el sistema se vuelve susceptible a resultados equivocados.
El sector energético, que representa el 80 % de las emisiones en Estados Unidos y Europa, es un ejemplo claro de cómo la calidad de los datos puede determinar el éxito o el fracaso de los objetivos climáticos. Lograr una transición oportuna y justa hacia las emisiones netas cero exige una claridad radical de los datos, en concreto en relación con la infraestructura de generación eléctrica y las emisiones.
El enfoque de Los Supersónicos respecto a los datos
El impacto transformador de la IA en nuestra vida diaria demuestra su potencial para reducir las emisiones en infraestructuras críticas. En nuestra vida personal, confiamos en la toma eficiente de decisiones basada en datos. Por ejemplo, un informe del Boston Consulting Group de noviembre de 2023 Boston Consulting Group destacó cómo el transporte optimizado mediante IA guía a los conductores hacia las rutas más eficientes, reduciendo significativamente las emisiones a mayor escala dentro de nuestra infraestructura.
De manera similar, el éxito de los ajustes de termostatos impulsados por IA, ejemplificado por los termostatos Nest de Google, ha ahorrado acumulativamente 113 000 millones de kWh de energía, lo que equivale aproximadamente al doble del consumo anual de electricidad de Portugal entre 2011 y 2022. Este cambio hacia la toma de decisiones informada por datos ofrece un modelo convincente para la aplicación más amplia de la IA, y subraya el papel crucial de los datos precisos para lograr emisiones netas cero en las infraestructuras críticas de todos los sectores.
Los avances recientes en robótica, sensores, drones y otras tecnologías de recopilación de datos nos permiten recopilar y analizar datos sobre el entorno construido de formas impensables hace apenas cinco años. Estas innovaciones de estilo Supersónico ofrecen un acceso sin precedentes a datos de referencia reales recopilados del mundo físico.
Las tecnologías, entre ellas robots que recorren la superficie de las infraestructuras equipados con sensores como los ultrasónicos, que generan gemelos digitales con capas de datos de alta fidelidad sobre el estado de los activos, nos permiten comprender y afrontar desafíos que antes permanecían ocultos. Este cambio revolucionario puede marcar la diferencia entre operaciones fluidas y fallos catastróficos en lugares como refinerías de petróleo y gas, centrales eléctricas e instalaciones de fabricación.
También significa que podemos alimentar y entrenar la IA para realizar predicciones precisas, optimizando las operaciones y mejorando al mismo tiempo las métricas de sostenibilidad. Según la ONU, el mantenimiento predictivo mediante IA puede reducir los tiempos de inactividad en la producción de energía y, en última instancia, reducir la huella de carbono del planeta.
Mantener los datos a punto
Por citar un ejemplo, un informe reciente publicado por Rho Impact se centra en el potencial impacto ambiental del despliegue a gran escala de robótica e IA frente a un problema concreto del sector de generación eléctrica: los fallos en los tubos de las calderas.
El informe señala que eliminar los fallos en los tubos de las calderas de las centrales eléctricas, combinando inspecciones robotizadas con software impulsado por IA, podría reducir las emisiones de dióxido de carbono (CO2) en todo el mundo hasta en 230 millones de toneladas métricas, lo que equivale al 4,8 % de las emisiones de Estados Unidos.
Cuando fallan los tubos de las calderas, las centrales eléctricas se paralizan y, por lo general, se activa la generación de energía de respaldo para satisfacer la demanda energética. La generación de respaldo es menos eficiente y da lugar a mayores emisiones de CO2 por unidad de energía generada. La energía generada en carga base puede ser hasta un 32 % más eficiente que la misma cantidad de energía generada por centrales de respaldo.
Me llena de gran esperanza saber que ya se están desplegando innovaciones tangibles que impulsan resultados que aceleran nuestro avance hacia las emisiones netas cero. Adoptar la tecnología de forma pragmática y responsable generará avances significativos en sostenibilidad. Como líderes de la industria y de los gobiernos, tenemos la obligación moral y financiera de acelerar la inversión en este tipo de resultados, que están al alcance de la mano.
Al igual que los atletas más dotados, incluso los sistemas de IA más sofisticados no pueden esperar rendir al máximo sin una buena dieta. Este es el problema que hay que resolver.
En la próxima década, la IA transformará profundamente todos los sectores. Sin embargo, corremos el riesgo de que estas decisiones se tomen con la ayuda de algoritmos entrenados con datos incompletos o no representativos. Debemos alimentar estas tecnologías transformadoras del mundo con conjuntos de datos de primer orden. Las iniciativas globales, como las emisiones netas cero, avanzarán o fracasarán en función de nuestra capacidad para hacerlo bien.
