La innovación tecnológica es necesaria si el mundo quiere evitar los escenarios climáticos más peligrosos.
La innovación comienza con la investigación y el desarrollo (I+D), pero no termina ahí. La IA puede catalizar la innovación al traducir la I+D en acción climática.
Las capacidades de la IA generativa en el procesamiento del lenguaje natural, la síntesis y reducción de escala de datos y la creación de prototipos de productos pueden ofrecer herramientas prácticas a los líderes climáticos.
El mundo está apostando fuertemente por el papel de la tecnología en la crisis climática. En todo el planeta, científicos y tecnólogos impulsan la próxima ola de avances en adaptación y mitigación climáticas. Y hay motivos para el optimismo: en los últimos años se han registrado avances significativos, desde la previsión meteorológica hasta la descarbonización industrial.
La historia demuestra que a menudo subestimamos el ritmo del progreso científico y tecnológico y es probable que haya más avances.
Pero los avances no bastan. La crisis climática no puede resolverse dentro de un laboratorio: el impacto llega cuando los avances científicos y tecnológicos se materializan en el mundo real. Junto con la ciencia pura y la investigación y el desarrollo (I+D), los líderes climáticos deben centrarse en los resultados aplicables y en los segmentos «posteriores» del ciclo de innovación, como la creación de prototipos de productos, la localización y la participación de los usuarios.
IA y cambio climático
La llegada de la IA generativa (IAGen) amplió el imaginario colectivo sobre lo que puede hacer la IA. Ya sabemos que la IA puede impulsar avances científicos pero ¿puede ir más allá? Los líderes deben explorar cómo la IA puede actuar como catalizador posterior en el ciclo de innovación, impulsando la adopción de las herramientas más recientes y la difusión de la ciencia más actual. Estos son tres puntos de partida:
1. Organizar datos terrestres no estructurados y reducir la escala de los modelos a niveles locales
La ciencia de la Tierra se ha considerado «datos desordenados» debido a los complejos sistemas terrestres y datos ambientales no estructurados procedentes de métodos observacionales. Recientemente, el volumen de estos datos se ha disparado, con más de 100 terabytes de imágenes satelitales recopiladas a diario. Sin embargo, esto no simplifica la naturaleza no estructurada de los datos. La IA es clave para organizar y reducir la escala de este vasto volumen de datos para aplicaciones locales.
La Earth Engine de Google es una plataforma líder en ciencias de la Tierra que integra diversas imágenes satelitales y datos geoespaciales con capacidades analíticas. La plataforma permite a los usuarios visualizar y analizar datos relacionados con la cubierta forestal, las tierras agrícolas, las aguas superficiales y mucho más. En un nivel básico, estas capacidades son posibles gracias a algoritmos de aprendizaje automático que organizan grandes cantidades de datos no estructurados (concretamente, mediante la clasificación de los píxeles de las imágenes satelitales). Una lista creciente de casos de estudio ilustra el poder de la IA para agilizar las ciencias de la Tierra, convirtiendo la información bruta en conocimiento e impacto.
La IA también mejora las ciencias de la Tierra al reducir la escala de los modelos globales a entornos locales, mediante el aprendizaje por transferencia, que utiliza información previamente aprendida sobre una zona, y mejora tareas como la predicción de incendios forestales en ubicaciones específicas. Esto es crucial en regiones con escasez de datos, ya que ayuda a cerrar brechas de datos y a poner en funcionamiento extensos datos observacionales.
2. Crear una interfaz tipo «GPT» para traducir los modelos climáticos a un lenguaje sencillo
Las interfaces informáticas han permanecido en gran medida sin cambios durante décadas, con interacciones iniciadas por el usuario, como introducir términos de búsqueda y revisar resultados. La IAGen, impulsada por modelos de lenguaje de gran tamaño (LLM), está revolucionando esto al facilitar interacciones conversacionales. Los usuarios pueden comunicar directamente sus necesidades a programas como ChatGPT, que luego realizan tareas y sintetizan conocimientos, actuando como un «copiloto».
Los modelos climáticos son fundamentales para comprender la dinámica climática compleja. Implican ecuaciones multidimensionales y pueden superar 18.000 páginas de código. Estos modelos resultan difíciles de comprender para la mayoría de los usuarios. Sin embargo, entenderlos es esencial no solo para los científicos, sino también para los líderes empresariales, los políticos y los ciudadanos.
La IAGen podría simplificar esto proporcionando una interfaz tipo GPT que permita a usuarios de todos los orígenes interactuar con datos climáticos relevantes para sus necesidades, como el seguimiento de los cambios locales del nivel del mar. Este enfoque podría hacer que los modelos climáticos sean más accesibles y generar confianza en las proyecciones climáticas.
3. Acelerar la fase de creación de prototipos en el desarrollo tecnológico
La IA está revolucionando la I+D en ámbitos científicos, incluido el cambio climático. Sin embargo, la traducción de la investigación fundamental en soluciones climáticas tangibles no siempre está clara. El ciclo de la tecnología profunda (deep tech), es decir, el camino desde la investigación hasta el prototipo, puede ser largo y costoso. Estas preocupaciones son especialmente urgentes, ya que nos encontramos «a minutos de la medianoche» en lo que respecta a superar los umbrales clave de calentamiento.
La IA puede acortar el ciclo de la tecnología profunda, especialmente en la creación de prototipos, acelerando la introducción de tecnologías esenciales. En la ciencia de materiales, la IA acelera el descubrimiento y el diseño, fundamental para la mitigación climática (como la mejora de las baterías de iones de litio y de las células solares) y la adaptación (desarrollo de materiales resistentes al fuego). Los métodos tradicionales, que calculan las propiedades de los materiales desde cero, consumen un tiempo, unos costes y unos recursos computacionales considerables. Hasta un tercio de la potencia de supercomputación mundial se utiliza en la ciencia de materiales.
La IA ya predice nuevas propiedades de los materiales sin cálculos iniciales exhaustivos. Lo hace aprendiendo las relaciones entre las estructuras atómicas y sus propiedades, y sugiriendo configuraciones óptimas. Aunque este es un ámbito incipiente con limitaciones (por ejemplo, «alucinaciones» documentadas en los procesos de descubrimiento), existe un potencial significativo de innovación. Por ejemplo, la IAGen aborda el problema del diseño inverso, que parte de una propiedad deseada (por ejemplo, la resiliencia ante fenómenos meteorológicos extremos) y determina a la inversa su diseño.
Ecosistema de IA climática
El desarrollo de la IA avanza rápidamente. Pero que la tecnología subyacente evolucione con rapidez no significa que sus aplicaciones lo hagan también. El paradigma actual del desarrollo de la IA, caracterizado por la escala y el conocimiento general (por ejemplo, los LLM de base amplia), puede encontrar aplicaciones naturales en la investigación básica y en otros ámbitos que dependen del conocimiento teórico. Sin embargo, la crisis climática no es teórica. Es una realidad geofísica y exige herramientas prácticas y casos de uso.
Se necesita un enfoque de ecosistema para poner en marcha los casos de uso destacados en este artículo. En el pasado, los ecosistemas han demostrado su éxito al abordar retos multifacéticos, como el desarrollo de un sistema operativo de código abierto, la recuperación de la capa de ozono y la cartografía del genoma humano. Todos estos esfuerzos destacados se caracterizaron por la participación de múltiples partes interesadas, el intercambio abierto de datos y la colaboración precompetitiva.
Por tanto, los líderes deben dar un paso al frente para construir ecosistemas para la IA y el cambio climático. La Iniciativa de Tecnología para la Adaptación Climática del Foro Económico Mundial contribuye a crear este entorno necesario, reuniendo a actores de las grandes tecnológicas, las startups, el mundo académico, el gobierno y otras partes interesadas.
El proyecto más reciente de la iniciativa, el Kit de herramientas de acción, orienta sobre cómo la IA y otras tecnologías avanzadas pueden aprovecharse en actividades concretas relacionadas con el clima. En el futuro, la iniciativa seguirá promoviendo la colaboración y mostrando el potencial de la tecnología a lo largo del ciclo de innovación, desde la I+D hasta los casos de uso posteriores. La IA bien puede ser el avance que necesita el cambio climático, pero esto solo será el principio.
