La Inteligencia Artificial (IA) se ha convertido en una herramienta para abordar los desafíos de la sostenibilidad. Acompáñanos a conocer sus ventajas y desventajas.
En un mundo cada vez más impulsado por la tecnología, la Inteligencia Artificial (IA) ha cobrado cada vez más relevancia en la cotidianidad, como herramienta para potencializar y optimizar diferentes labores e incluso tareas cotidianas. De IA oímos hablar constantemente en los últimos años, en redes sociales, en el ámbito laboral, en conversaciones entre amigos, y aunque es una inminente realidad las dudas y debates aún son significativos.
La combinación de IA y sostenibilidad está ganando terreno como una tendencia crucial en la búsqueda de soluciones innovadoras para preservar nuestro planeta y construir un futuro más sostenible. De acuerdo con la Unión Europea, la IA es la “habilidad de una máquina de presentar las mismas capacidades que los seres humanos, como el razonamiento, el aprendizaje, la creatividad y la capacidad de planear. La IA permite que los sistemas tecnológicos perciban su entorno, se relacionen con él, resuelvan problemas y actúen con un fin específico”.
Según Sergio Rengifo, director ejecutivo del Consejo Empresarial Colombiano para el Desarrollo Sostenible – CECODES, en su columna de opinión La inteligencia artificial como aliada a la sostenibilidad, la IA es una herramienta fundamental para la sostenibilidad, pero todo depende del uso que el ser humano le dé a esta y cada una de las tecnologías que la Cuarta Revolución ha puesto en nuestro camino. Entonces, ¿Cuáles son las ventajas y desventajas de implementar la inteligencia artificial en la sostenibilidad?
Eficiencia energética y gestión de recursos
La IA ofrece la capacidad de analizar grandes cantidades de datos en tiempo real y optimizar el uso de recursos. En el ámbito de la energía, los algoritmos de IA pueden monitorear y controlar de manera eficiente la distribución de energía, optimizar la demanda y mejorar la eficiencia de los sistemas energéticos. Además puede ayudar en la gestión inteligente del agua, el tratamiento de residuos, entre otros.
Sin embargo, los sistemas de IA requieren una gran cantidad de recursos computacionales y energía para funcionar, lo que puede resultar en aumento del uso de electricidad y mayores emisiones de gases de efecto invernadero (GEI). Según científicos de la Universidad de California en Berkeley el consumo energético de modelos de IA como ChatGPT-3 significó un uso de 1.287 GW/h, equivalente al consumo de 120 hogares medios estadounidenses. Por lo anterior, sería esencial desarrollar métodos y algoritmos eficientes para minimizar este impacto de energía.
Transporte y movilidad sostenible
Los sistemas de transporte inteligente pueden optimizar el flujo de tráfico, reducir congestión y disminuir las emisiones de GEI. Además, los vehículos autónomos impulsados por IA tienen el potencial de mejorar la eficiencia energética y reducir la contaminación al optimizar las rutas y el consumo de combustible. De hecho, según el Banco Interamericano de Desarrollo (BID), problemáticas que aquejan al sector transporte en América Latina y el Caribe, ya se benefician de soluciones basadas en modelos de Inteligencia Artificial. Estás iniciativas se fundamentan en distintas ramas de la IA, como la visión artificial (Computer Vision), el aprendizaje automático o profundo (Machine and Deep Learning) o las redes neuronales.
No obstante, el BID también evidencia en su blog sobre transporte y movilidad, que muchos empleos del sector transporte están en riesgo de desaparecer frente a la automatización. Un estudio realizado en 2021, mostró que hasta 25% de los empleos de transporte y comunicación en la región estaban en alto riesgo de ser automatizados. Una de las medidas faro para mitigar estos riesgos es acompañar a los trabajadores con programas de formación y entrenamiento en estas tecnologías. El BID cuenta con un curso de Inteligencia Artificial Aplicada al Transporte para impulsar las habilidades y conocimientos digitales del personal técnico de las agencias y ministerios de transporte.
Conservación de la biodiversidad
Los algoritmos de aprendizaje automático pueden analizar grandes cantidades sobre hábitats, especies y amenazas, ayudando a los científicos a comprender mejor los patrones y tendencias. Lo anterior, permite una toma de decisiones informada para la conservación de especies en peligro de extinción, la prevención de la caza furtiva y la gestión de áreas protegidas.
Un ejemplo de esto es el primer mapa de la vegetación natural de Colombia, en cabeza del Ministerio de Ambiente y Desarrollo Sostenible, la Universidad Nacional y los institutos de investigación del SINA – incluído el Instituto Alexander Von Humboldt. Este mapa se realizó con una metodología novedosa que aprovecha las últimas tecnologías de información satelital, desde Google Earth Engine, una plataforma abierta que utilizan los científicos y académicos, para estudiar y visualizar conjuntos de datos geoespaciales.
Cambio climático y predicción de desastres
Los modelos de IA pueden analizar datos climáticos históricos y en tiempo real para predecir eventos extremos como tormentas, inundaciones y sequías. Según cuenta Sergio Rengifo, director de CECODES, en su columna de opinión de Publimetro, The Boston Consulting Group expone que la IA puede ayudar a reducir las emisiones de GEI en un equivalente al 5% o el 10% de la huella de carbono de una organización.
Según Adam Elman, responsable de Sostenibilidad para EMEA (Europa, Oriente Medio y África) de Google, en El Tiempo, “dados los impactos de la crisis climática, necesitamos utilizar todas las herramientas disponibles, tanto para la mitigación como para la adaptación”. Google lanzó, por ejemplo, su propio sistema de alertas de calor extremo en su Buscador. Así mismo, ha desarrollado Tree Canopy, una herramienta que forma parte de Environmental Insights Explorer y que combina IA e imágenes áreas para ofrecer estimaciones del dosel arbóreo, entre otras cosas.
Algunos otros desafíos de la IA
- Dependencia tecnológica: Existe el riesgo de una dependencia excesiva de la tecnología, a medida que esta se vuelve más omnipresente en la sociedad. Si nos acostumbramos demasiado a la IA para resolver problemas de sostenibilidad, podríamos descuidar soluciones más simples pero igualmente efectivas. Es importante mantener un enfoque equilibrado y diversificado en la búsqueda de soluciones sostenibles.
- Sesgo y ética: La IA se basa en algoritmos y datos para tomar decisiones y realizar predicciones. Sin embargo, estos algoritmos pueden estar sujetos a sesgos inherentes en los datos de entrenamiento, lo que puede generar discriminación o resultados no deseados. Es fundamental que la IA se desarrolle y utilice de manera ética y equitativa, evitando la amplificación de sesgos existentes y garantizando la transparencia en la toma de decisiones.
- Privacidad y seguridad de datos: Debido a que la IA se basa en la recopilación y el análisis de grandes cantidades de datos, surgen preocupaciones sobre la privacidad y seguridad de la información personal. Es por esto que es necesario establecer marcos regulatorios sólidos para proteger los datos de los individuos y garantizar su uso responsable.