El término inteligencia artificial se acuñó en 1956, pero la inteligencia artificial se ha vuelto más popular en la actualidad gracias al aumento de los volúmenes de datos, los algoritmos avanzados y las mejoras en la capacidad de computación y el almacenamiento. Las primeras investigaciones sobre IA en la década de 1950 exploraron temas como la resolución de problemas y los métodos simbólicos. En la década de 1960, el Departamento de Defensa de los Estados Unidos se interesó en este tipo de trabajo y comenzó a entrenar computadoras para imitar el razonamiento humano básico. Por ejemplo, la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) completó proyectos de mapas de calles en la década de 1970. Y DARPA produjo asistentes personales inteligentes en 2003, mucho antes de que Siri, Alexa o Cortana fueran nombres familiares. Este trabajo inicial allanó el camino para la automatización y el razonamiento formal que vemos en las computadoras de hoy, incluidos los sistemas de apoyo a la toma de decisiones y los sistemas de búsqueda inteligente que pueden diseñarse para complementar y aumentar las capacidades humanas.
Hay un número creciente de sectores que están haciendo uso de la inteligencia artificial para resolver algunos de sus mayores desafíos, ¿pero pueden ayudarnos las máquinas a entender y solucionar los problemas del cambio climático? Tu teléfono es capaz de reconocer tu cara y tu banco puede bloquear transacciones que no se corresponden con tus hábitos de gasto; tu supermercado online te recomienda productos veganos solo porque en una ocasión compraste leche de avena, y tu plataforma de cine online sabe que viste una telenovela el mes pasado y no para de recomendarte películas de serie B desde entonces.
Un número creciente de dispositivos y servicios que utilizamos hace uso de la inteligencia artificial (IA), una tecnología que sigue expandiéndose y se integra cada vez más en nuestras vidas. Científicos, emprendedores y gobiernos están usando IA para dar respuesta a algunos de los mayores retos de la sociedad, y entender el comportamiento del clima de la Tierra y cómo podría evolucionar en el futuro es uno de los temas prioritarios. Pero, aunque la tecnología nos está ayudando a entender mejor la enorme cantidad de información disponible, ¿qué puede hacer la inteligencia artificial para ayudarnos a mitigar los cambios medioambientales y adaptarnos al futuro?
«Cuando la gente habla de “IA”, se suele referir al aprendizaje automático (AA), que es un conjunto de algoritmos que pueden aprender a partir de datos», comenta el Dr. David Rolnick, profesor adjunto en la Universidad de Pensilvania. «Por lo general, la IA no va a hacer las cosas mejor que un ser humano, pero las hará mucho más rápido y podrá extraer patrones de fuentes de datos de gran tamaño». Es precisamente esta capacidad para procesar muy rápidamente enormes cantidades de datos, depurar la información y encontrar conexiones lo que ha hecho que la IA esté revolucionando todos los sectores.
Y esto también se puede aplicar a la ciencia climática y la vigilancia del cambio climático. Los satélites están recogiendo información climática a un ritmo sin precedentes y los pronósticos del tiempo son más detallados que nunca. Sin embargo, los modelos y escenarios climáticos siguen enfrentándose a muchas incertidumbres. Los científicos están usando IA para gestionar la enorme cantidad de datos que se mueve en este sector, mejorar la ciencia climática y ofrecer predicciones más precisas que permitan a la sociedad y la naturaleza adaptarse al futuro. «El AA nos permite aprender comportamientos complejos a partir de datos sin tener una comprensión física», afirma el Dr. Peter Dueben, investigador del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF, por sus siglas en inglés). «Cuanta más información tenemos, mejores son las herramientas. Cada vez hay una mayor cantidad de datos disponibles, así que las herramientas de aprendizaje automático mejorarán sin parar, y eso significa que estas cada vez serán más útiles para los científicos de este campo».
«El uso de máquinas nos ayuda a evaluar y monitorizar el mundo real, algo de vital importancia para tomar mejores decisiones para un futuro incierto», afirma la Dra. Nataliya Tkachenko, científica jefe de datos e IA en la Universidad de Oxford. «La IA en su forma más pura no se centra en los datos como tales, sino que tiene como cometido principal encontrar patrones y conexiones en un mundo complejo; pero la meta sigue estando en las decisiones, o la información procesada».
Los científicos han conseguido usar IA para producir imágenes más precisas de la Tierra. «La IA es una gran fuente de información espacial, es uno de sus superpoderes», afirma el Dr. Pierre-Philippe Mathieu, director de Philab Explore Office de la Agencia Espacial Europea. El Dr. Vincent Peuch, director del Servicio de Vigilancia de la Atmósfera de Copérnico (CAMS, por sus siglas en inglés), se muestra de acuerdo: «Es muy eficaz comparando imágenes de satélite y haciendo un seguimiento automático de los cambios en la cubierta terrestre, y es útil para zonas del mundo que carecen de mecanismos de vigilancia in situ. También ayuda a acelerar los modelos informáticos y a reducir los costes operativos, especialmente para pronósticos meteorológicos detallados que deben producirse con rapidez».
Según el Dr. Peuch, el Servicio de Cambio Climático de Copérnico (C3S, por sus siglas en inglés) y CAMS están probando y utilizando IA para detectar cambios en la cubierta terrestre y forestal, así como para perfeccionar los pronósticos de calidad del aire a escala urbana y procesar automáticamente imágenes por satélite.
En el mar de Amundsen, junto a la costa occidental de la Antártida, expertos del British Antarctic Survey (BAS) con sede en el Turing Institute están utilizando tecnología de aprendizaje automático para detectar, rastrear y monitorizar cómo se rompen los icebergs en piezas más pequeñas y estrechas, y usan esto para entrenar algoritmos de IA y predecir el estado del hielo marino en el futuro. Además, la IA les permite interpretar esas predicciones y, posiblemente, obtener nuevos conocimientos sobre la manera en la que las diferentes variables climáticas se influyen mutuamente en el tiempo y el espacio.
El número de aplicaciones de IA que buscan resolver grandes o pequeños problemas medioambientales y sociales sigue aumentando. La Universidad de Washington planea usar IA para rastrear y predecir mejor las olas de calor marinas, y el Conservation Resource Centre (Centro de Recursos de Conservación) de Tanzania usará IA en inspecciones aéreas centradas en la vida salvaje y la actividad humana para tratar de prevenir conflictos entre animales y humanos. La ciudad de Boston ha probado el software de GreenCityWatch para hacer un inventario de árboles basado en IA que ofrece información precisa sobre la medida y la salud de la cobertura arbórea urbana para orientar las políticas públicas.
La agricultura también se está beneficiando con la IA. FarmBeats, una plataforma creada en la nube de Microsoft Azure, reúne información recogida con sensores, cámaras, tractores y drones, y crea modelos de AA a partir de una combinación de datos para monitorizar las prácticas agrícolas y mejorar la resistencia de los agricultores frente al cambio climático. «Los agricultores deciden el momento de plantar, regar, cosechar y emprender otras actividades dependiendo del clima», dice Ranveer Chandra, científico jefe de Microsoft Azure Global. «Sin embargo, las predicciones del tiempo disponibles provienen de estaciones meteorológicas y no de las granjas. Uno de nuestros algoritmos de IA combina modelos climáticos detallados e información de estaciones meteorológicas con sensores situados en las granjas, con lo que se consiguen predicciones hiperlocales del tiempo que hará en estas granjas. Cuando se rellenan las lagunas de los datos de las granjas, se pueden predecir valores que ayudan a los agricultores a tomar mejores decisiones».
Una misión ambiciosa para la IA sería crear una gemela digital de la Tierra, o una réplica de los sistemas y procesos del planeta. «Sería un laboratorio numérico del planeta donde podríamos experimentar para crear políticas y evaluar posibles resultados», afirma el Dr. Mathieu. «Ya contamos con los conocimientos de IA para el desarrollo de gemelos digitales del medio natural y, en última instancia, para crear una gemela digital de la Tierra», dice el Dr. Scott Hosking, científico de información ambiental de BAS. «No podemos monitorizar todos los aspectos de un planeta tan cambiante como el nuestro con el nivel de detalle que se requiere. Desarrollando gemelos digitales de entornos naturales, podemos enfocar de forma inteligente nuestros modelos, lo que puede ser revolucionario para estudiar zonas remotas y hostiles, como las regiones polares, donde la carga de las baterías y la accesibilidad suponen un desafío. Esta información se podría usar, en tiempo real, para dar instrucciones sobre el próximo lugar a visitar a una flota de submarinos automatizados y drones, con lo que se aumentaría su eficacia en futuras mediciones».
Sin embargo, la IA no es todavía infalible. Según los expertos, no hay datos suficientes para capacitar algoritmos de predicción climática. «La IA tiene que ser entrenada usando datos históricos», explica el Dr. Judah Cohen, director de pronósticos estacionales de Atmospheric and Environmental Research (AER) y climatólogo del MIT. «La entrenamos con información que se remonta a 1979, cuando se generalizó el uso de satélites, pero esto no ofrece suficientes casos históricos para obtener soluciones de IA óptimas. Una forma de hacerlo sería crear datos sintéticos usando modelos, pero saber si la información de los modelos puede reemplazar a los datos históricos es una pregunta sin respuesta».
Además, como explica el Dr. Rolnick, la IA no puede reemplazar a la física climática. «La IA tiene sus limitaciones», añade el Dr. Mathieu. «Siempre podremos encontrar correlaciones entre los datos, pero eso no significa necesariamente que también exista un vínculo causal; por lo tanto, necesitamos expertos que puedan ofrecer explicaciones basadas en la física».
Y según el Dr. Dueben, de ECMWF, lo mismo ocurre con los modelos de pronóstico del tiempo. «Se ha dicho que la IA y el AA pueden superar a las herramientas convencionales para predicciones a muy corto plazo (pronósticos meteorológicos que se centran en las dos horas siguientes) y algunas predicciones multianuales. Pero es muy poco probable que el AA mejore los resultados de la mayor parte de las otras predicciones y, por lo tanto, “sustituya” a los modelos de previsión meteorológica, ya que sus proyecciones no serán tan precisas en la mayoría de los casos».
Y también encontramos otros desafíos, ya que un sistema de IA funciona bien solo con las cosas para las que ha sido entrenado. «Nos tenemos que asegurar de usarlo dentro del rango de valores para el que ha sido entrenado», dice el Dr. Peuch. «De lo contrario, se pueden obtener resultados falsos». Eso significa que, aunque un algoritmo puede interpretar bien la información para la que se creó, podría arrojar resultados poco precisos si los datos que se introducen están fuera de su rango de acción. Además, en el sector de la investigación climática no solo cambia la información, sino también el clima en sí mismo. «En lo referente al cambio climático, los algoritmos deben ser muy sofisticados, porque el clima sigue cambiando y nos tenemos que asegurar de que la IA no esté usando solamente el pasado para predecir el futuro», añade el director de CAMS. La elección de algoritmos también es difícil cuando hablamos de problemas relacionados con el cambio climático. «Existen muchas técnicas de IA, y elegir la que resulta óptima para la predicción del clima de entre todas las disponibles no es un asunto trivial», explica el Dr. Cohen. «Elegir y optimizar un algoritmo de IA que ofrezca una mejora sustancial en comparación con las predicciones climáticas actuales supondrá todo un desafío».
La tecnología de la IA también plantea preguntas sobre cómo obtenemos y manejamos la información. «No existe mucha preocupación sobre la privacidad de datos en las fuentes convencionales que se usan para las observaciones meteorológicas», comenta el Dr. Dueben. «Sin embargo, hay información procedente del llamado “Internet de las cosas” (IoT) que apenas se utiliza para las predicciones meteorológicas de hoy en día, pero que podría traer mejoras significativas en el futuro. Esto incluye, por ejemplo, observaciones a través de teléfonos móviles u otros tipos de información de colaboración colectiva. Estas fuentes traerían consigo problemas relacionados con la privacidad de datos». La Dra. Tkachenko va aún más allá y argumenta que si los datos primarios que se usan en fórmulas de toma de decisiones fueran manipulados, esto podría tener consecuencias negativas. «De la misma manera que enumeramos los ingredientes en las cajas de comida preparada, tal vez queramos saber cómo ha sido diseñada una IA y qué fuentes de datos se han integrado en ella», dice Tkachenko.
¿Pero pueden los científicos de los campos del clima y el medio ambiente aprender del uso que otros sectores hacen de la IA? «Solo debemos usar la IA si existe un problema que lo justifique», advierte el Dr. Rolnick. «Es fácil dejarse llevar por tecnologías llamativas, así que es esencial asegurarse de que la IA está aportando algo en todas las aplicaciones. Estas aplicaciones de IA deben tener muy en cuenta su impacto final, y deberían desarrollarse junto con las partes interesadas que utilizarán esta tecnología y se beneficiarán de ella. Un gran peligro es imaginar que la IA va a resolver problemas por arte de magia. La IA es algo muy potente, pero es solo una de las muchas herramientas que se pueden usar como parte de las estrategias de lucha contra el cambio climático».
♦
El término inteligencia artificial se acuñó en 1956, pero la inteligencia artificial se ha vuelto más popular en la actualidad gracias al aumento de los volúmenes de datos, los algoritmos avanzados y las mejoras en la capacidad de computación y el almacenamiento. Las primeras investigaciones sobre IA en la década de 1950 exploraron temas como la resolución de problemas y los métodos simbólicos. En la década de 1960, el Departamento de Defensa de los Estados Unidos se interesó en este tipo de trabajo y comenzó a entrenar computadoras para imitar el razonamiento humano básico. Por ejemplo, la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) completó proyectos de mapas de calles en la década de 1970. Y DARPA produjo asistentes personales inteligentes en 2003, mucho antes de que Siri, Alexa o Cortana fueran nombres familiares. Este trabajo inicial allanó el camino para la automatización y el razonamiento formal que vemos en las computadoras de hoy,
incluidos los sistemas de apoyo a la toma de decisiones y los sistemas de búsqueda inteligente que pueden diseñarse para complementar y aumentar las capacidades humanas.
Hay un número creciente de sectores que están haciendo uso de la inteligencia artificial para resolver algunos de sus mayores desafíos, ¿pero pueden ayudarnos las máquinas a entender y solucionar los problemas del cambio climático? Tu teléfono es capaz de reconocer tu cara y tu banco puede bloquear transacciones que no se corresponden con tus hábitos de gasto; tu supermercado online te recomienda productos veganos solo porque en una ocasión compraste leche de avena, y tu plataforma de cine online sabe que viste una telenovela el mes pasado y no para de recomendarte películas de serie B desde entonces.
Un número creciente de dispositivos y servicios que utilizamos hace uso de la inteligencia artificial (IA), una tecnología que sigue expandiéndose y se integra cada vez más en nuestras vidas. Científicos, emprendedores y gobiernos están usando IA para dar respuesta a algunos de los mayores retos de la sociedad, y entender el comportamiento del clima de la Tierra y cómo podría evolucionar en el futuro es uno de los temas prioritarios. Pero, aunque la tecnología nos está ayudando a entender mejor la enorme cantidad de información disponible, ¿qué puede hacer la inteligencia artificial para ayudarnos a mitigar los cambios medioambientales y adaptarnos al futuro?
«Cuando la gente habla de “IA”, se suele referir al aprendizaje automático (AA), que es un conjunto de algoritmos que pueden aprender a partir de datos», comenta el Dr. David Rolnick, profesor adjunto en la Universidad de Pensilvania. «Por lo general, la IA no va a hacer las cosas mejor que un ser humano, pero las hará mucho más rápido y podrá extraer patrones de fuentes de datos de gran tamaño». Es precisamente esta capacidad para procesar muy rápidamente enormes cantidades de datos, depurar la información y encontrar conexiones lo que ha hecho que la IA esté revolucionando todos los sectores.
Y esto también se puede aplicar a la ciencia climática y la vigilancia del cambio climático. Los satélites están recogiendo información climática a un ritmo sin precedentes y los pronósticos del tiempo son más detallados que nunca. Sin embargo, los modelos y escenarios climáticos siguen enfrentándose a muchas incertidumbres. Los científicos están usando IA para gestionar la enorme cantidad de datos que se mueve en este sector, mejorar la ciencia climática y ofrecer predicciones más precisas que permitan a la sociedad y la naturaleza adaptarse al futuro. «El AA nos permite aprender comportamientos complejos a partir de datos sin tener una comprensión física», afirma el Dr. Peter Dueben, investigador del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF, por sus siglas en inglés). «Cuanta más información tenemos, mejores son las
herramientas. Cada vez hay una mayor cantidad de datos disponibles, así que las herramientas de aprendizaje automático mejorarán sin parar, y eso significa que estas cada vez serán más útiles para los científicos de este campo».
«El uso de máquinas nos ayuda a evaluar y monitorizar el mundo real, algo de vital importancia para tomar mejores decisiones para un futuro incierto», afirma la Dra. Nataliya Tkachenko, científica jefe de datos e IA en la Universidad de Oxford. «La IA en su forma más pura no se centra en los datos como tales, sino que tiene como cometido principal encontrar patrones y conexiones en un mundo complejo; pero la meta sigue estando en las decisiones, o la información procesada».
Los científicos han conseguido usar IA para producir imágenes más precisas de la Tierra. «La IA es una gran fuente de información espacial, es uno de sus superpoderes», afirma el Dr. Pierre-Philippe Mathieu, director de Philab Explore Office de la Agencia Espacial Europea. El Dr. Vincent Peuch, director del Servicio de Vigilancia de la Atmósfera de Copérnico (CAMS, por sus siglas en inglés), se muestra de acuerdo: «Es muy eficaz comparando imágenes de satélite y haciendo un seguimiento automático de los cambios en la cubierta terrestre, y es útil para zonas del mundo que carecen de mecanismos de vigilancia in situ. También ayuda a acelerar los modelos informáticos y a reducir los costes operativos, especialmente para pronósticos meteorológicos detallados que deben producirse con rapidez».
Según el Dr. Peuch, el Servicio de Cambio Climático de Copérnico (C3S, por sus siglas en inglés) y CAMS están probando y utilizando IA para detectar cambios en la cubierta terrestre y forestal, así como para perfeccionar los pronósticos de calidad del aire a escala urbana y procesar automáticamente imágenes por satélite.
En el mar de Amundsen, junto a la costa occidental de la Antártida, expertos del British Antarctic Survey (BAS) con sede en el Turing Institute están utilizando tecnología de aprendizaje automático para detectar, rastrear y monitorizar cómo se rompen los icebergs en piezas más pequeñas y estrechas, y usan esto para entrenar algoritmos de IA y predecir el estado del hielo marino en el futuro. Además, la IA les permite interpretar esas predicciones y, posiblemente, obtener nuevos conocimientos sobre la manera en la que las diferentes variables climáticas se influyen mutuamente en el tiempo y el espacio.
El número de aplicaciones de IA que buscan resolver grandes o pequeños problemas medioambientales y sociales sigue aumentando. La Universidad de Washington planea usar IA para rastrear y predecir mejor las olas de calor marinas, y el Conservation Resource Centre (Centro de Recursos de Conservación) de Tanzania usará IA en inspecciones aéreas centradas en la vida salvaje y la actividad humana para tratar de prevenir
conflictos entre animales y humanos. La ciudad de Boston ha probado el software de GreenCityWatch para hacer un inventario de árboles basado en IA que ofrece información precisa sobre la medida y la salud de la cobertura arbórea urbana para orientar las políticas públicas.
La agricultura también se está beneficiando con la IA. FarmBeats, una plataforma creada en la nube de Microsoft Azure, reúne información recogida con sensores, cámaras, tractores y drones, y crea modelos de AA a partir de una combinación de datos para monitorizar las prácticas agrícolas y mejorar la resistencia de los agricultores frente al cambio climático. «Los agricultores deciden el momento de plantar, regar, cosechar y emprender otras actividades dependiendo del clima», dice Ranveer Chandra, científico jefe de Microsoft Azure Global. «Sin embargo, las predicciones del tiempo disponibles provienen de estaciones meteorológicas y no de las granjas. Uno de nuestros algoritmos de IA combina modelos climáticos detallados e información de estaciones meteorológicas con sensores situados en las granjas, con lo que se consiguen predicciones hiperlocales del tiempo que hará en estas granjas. Cuando se rellenan las lagunas de los datos de las granjas, se pueden predecir valores que ayudan a los agricultores a tomar mejores decisiones».
Una misión ambiciosa para la IA sería crear una gemela digital de la Tierra, o una réplica de los sistemas y procesos del planeta. «Sería un laboratorio numérico del planeta donde podríamos experimentar para crear políticas y evaluar posibles resultados», afirma el Dr. Mathieu. «Ya contamos con los conocimientos de IA para el desarrollo de gemelos digitales del medio natural y, en última instancia, para crear una gemela digital de la Tierra», dice el Dr. Scott Hosking, científico de información ambiental de BAS. «No podemos monitorizar todos los aspectos de un planeta tan cambiante como el nuestro con el nivel de detalle que se requiere. Desarrollando gemelos digitales de entornos naturales, podemos enfocar de forma inteligente nuestros modelos, lo que puede ser revolucionario para estudiar zonas remotas y hostiles, como las regiones polares, donde la carga de las baterías y la accesibilidad suponen un desafío. Esta información se podría usar, en tiempo real, para dar instrucciones sobre el próximo lugar a visitar a una flota de submarinos automatizados y drones, con lo que se aumentaría su eficacia en futuras mediciones».
Sin embargo, la IA no es todavía infalible. Según los expertos, no hay datos suficientes para capacitar algoritmos de predicción climática. «La IA tiene que ser entrenada usando datos históricos», explica el Dr. Judah Cohen, director de pronósticos estacionales de Atmospheric and Environmental Research (AER) y climatólogo del MIT. «La entrenamos con información que se remonta a 1979, cuando se generalizó el uso de satélites, pero esto no ofrece suficientes casos históricos para obtener soluciones de IA óptimas. Una forma de hacerlo sería crear datos sintéticos usando modelos, pero saber si la información de los modelos puede reemplazar a los datos históricos es una pregunta sin respuesta».
Además, como explica el Dr. Rolnick, la IA no puede reemplazar a la física climática. «La IA tiene sus limitaciones», añade el Dr. Mathieu. «Siempre podremos encontrar correlaciones entre los datos, pero eso no significa necesariamente que también exista un vínculo causal; por lo tanto, necesitamos expertos que puedan ofrecer explicaciones basadas en la física».
Y según el Dr. Dueben, de ECMWF, lo mismo ocurre con los modelos de pronóstico del tiempo. «Se ha dicho que la IA y el AA pueden superar a las herramientas convencionales para predicciones a muy corto plazo (pronósticos meteorológicos que se centran en las dos horas siguientes) y
algunas predicciones multianuales. Pero es muy poco probable que el AA mejore los resultados de la mayor parte de las otras predicciones y, por lo tanto, “sustituya” a los modelos de previsión meteorológica, ya que sus proyecciones no serán tan precisas en la mayoría de los casos».
Y también encontramos otros desafíos, ya que un sistema de IA funciona bien solo con las cosas para las que ha sido entrenado. «Nos tenemos que asegurar de usarlo dentro del rango de valores para el que ha sido entrenado», dice el Dr. Peuch. «De lo contrario, se pueden obtener resultados falsos». Eso significa que, aunque un algoritmo puede interpretar bien la información para la que se creó, podría arrojar resultados poco precisos si los datos que se introducen están fuera de su rango de acción. Además, en el sector de la investigación climática no solo cambia la información, sino también el clima en sí mismo. «En lo referente al cambio climático, los algoritmos deben ser muy sofisticados, porque el clima sigue cambiando y nos tenemos que asegurar de que la IA no esté usando solamente el pasado para predecir el futuro», añade el director de CAMS. La elección de algoritmos también es difícil cuando hablamos de problemas relacionados con el cambio climático. «Existen muchas técnicas de IA, y elegir la que resulta óptima para la predicción del clima de entre todas las disponibles no es un asunto trivial», explica el Dr. Cohen. «Elegir y optimizar un algoritmo de IA que ofrezca una mejora sustancial en comparación con las predicciones climáticas actuales supondrá todo un desafío».
La tecnología de la IA también plantea preguntas sobre cómo obtenemos y manejamos la información. «No existe mucha preocupación sobre la privacidad de datos en las fuentes convencionales que se usan para las observaciones meteorológicas», comenta el Dr. Dueben. «Sin embargo, hay información procedente del llamado “Internet de las cosas” (IoT) que apenas se utiliza para las predicciones meteorológicas de hoy en día, pero que podría traer mejoras significativas en el futuro. Esto incluye, por ejemplo, observaciones a través de teléfonos móviles u otros tipos de información de colaboración colectiva. Estas fuentes traerían consigo problemas relacionados con la privacidad de datos». La Dra. Tkachenko va aún más allá y argumenta que si los datos primarios que se usan en fórmulas de toma de decisiones fueran manipulados, esto podría tener consecuencias negativas. «De la misma manera que enumeramos los ingredientes en las cajas de comida preparada, tal vez queramos saber cómo ha sido diseñada una IA y qué fuentes de datos se han integrado en ella», dice Tkachenko.
¿Pero pueden los científicos de los campos del clima y el medio ambiente aprender del uso que otros sectores hacen de la IA? «Solo debemos usar la IA si existe un problema que lo justifique», advierte el Dr. Rolnick. «Es fácil dejarse llevar por tecnologías llamativas, así que es esencial asegurarse de que la IA está aportando algo en todas las aplicaciones. Estas aplicaciones de IA deben tener muy en cuenta su impacto final, y deberían desarrollarse junto con las partes interesadas que utilizarán esta tecnología y se beneficiarán de ella. Un gran peligro es imaginar que la IA va a resolver problemas por arte de magia. La IA es algo muy potente, pero es solo una de las muchas herramientas que se pueden usar como parte de las estrategias de lucha contra el cambio climático».
PrisioneroEnArgentina.com
Enero 1, 2021