Inteligente y ecológica: la economía global en el siglo XXI

Publicación destacada del autor invitado Nicholas Stern, director, Instituto de Investigación Grantham sobre Cambio Climático y Medio Ambiente, London School of Economics

El mundo tiene en sus manos el potencial de aplicar la Inteligencia Artificial (IA) y el aprendizaje automático (AA) para promover la transición hacia el cero neto y darnos la oportunidad de mantenernos dentro de los 1.5 °C. La IA y el AA pueden contribuir enormemente al ritmo de los procesos (p. ej., en la automatización de procesos, el procesamiento de datos acelerado y la previsión), pueden aumentar la productividad (p. ej., en relación con la eficiencia energética y productividad de los recursos) y ayudan a diseñar y ejecutar mejores sistemas (p. ej., la forma en que la energía, las ciudades o los sistemas de movilidad funcionan como un sistema, y cómo interactúan esos sistemas entre sí). Juntas, estas tecnologías pueden desbloquear un nuevo crecimiento sustentable, resiliente y equitativo, y, al mismo tiempo, administrar los riesgos inmensos y urgentes del cambio climático, la pérdida de biodiversidad y la contaminación.

Aunque existen algunas investigaciones sobre el alcance del efecto del crecimiento combinado de la IA y la transición a una economía con bajas emisiones de carbono, hay pruebas de que se combinan muy bien para acelerar el cambio del sistema. En mi investigación reciente, que realicé en colaboración con varios expertos, se han identificado cinco áreas en las que las aplicaciones de la IA y el AA podrían ser particularmente eficientes para acelerar la transición a una economía con bajas emisiones de carbono:

1. Mejorar sistemas complejos: La acción eficaz sobre el clima requiere una transformación estructural rápida en sistemas clave, lo que incluye ciudades, uso de terrenos, transporte, industria y energía. La IA puede ayudar a rediseñar esos sistemas complejos para que su funcionamiento sea eficaz y eficiente. Por ejemplo, en el sector energético, la IA puede ayudar a administrar la previsibilidad en el equilibrio de la oferta y la demanda, y a mejorar la productividad del sistema. Google DeepMind demostró que esas aplicaciones pueden ayudar a aumentar el valor económico de la energía eólica en un 20% mediante la reducción de la dependencia de fuentes de energía de reserva.

2. Fomentar un cambio de comportamiento: La tecnología de IA y AA ya se usa para identificar y predecir patrones de comportamiento individuales y colectivos. Esto se puede aplicar para ayudar a reducir emisiones ofreciendo opciones más sustentables que tengan un impacto ambiental más bajo. Por ejemplo, en el proyecto Ant Forest de Alipay, se recompensa a los usuarios con “puntos de energía verdes” cada vez que eligen “una opción verde”, como usar una bicicleta compartida para ir a trabajar. A cambio de los puntos, Alipay planta un árbol o protege hábitats. La IA puede ayudar a impulsar mucho más esos mecanismos para alentar comportamientos que logren cambios sustentables en el sistema, dado que las normas sociales y las acciones de otras personas son importantes para promover un comportamiento de cuidado del medioambiente.

3. Descubrir soluciones y tecnologías nuevas: Los próximos 10 años serán cruciales para llevar tecnologías limpias al mercado. La IA y el AA pueden acelerar el proceso de descubrimiento científico de formas que eran impensables hace solo algunos años. Por ejemplo, recientemente se identificaron más de 2 millones de estructuras cristalinas teóricas con Google DeepMind y una herramienta de IA llamada GNoME, 45 veces más que la cantidad de estructuras de ese tipo que había identificado la ciencia hasta ahora. Como se muestra en un reciente estudio de la London School of Economics, las tecnologías de uso general guían la dirección del cambio tecnológico y, en especial, la competencia entre tecnologías limpias y sucias.

4. Definir políticas y sistemas climáticos: El cambio climático ya está generando impactos importantes a nivel mundial, incluidos el aumento de los niveles del mar y el incremento de la frecuencia de eventos climáticos extremos. La IA y el AA pueden mejorar la comprensión de las causas de esos eventos, por ejemplo, por medio del análisis de las interacciones complejas entre el cambio climático y la pérdida del hielo del océano Ártico. También pueden aplicarse para mejorar el diseño y la implementación de políticas públicas para la acción climática, con una mejor predicción de su eficacia para guiar las decisiones y los comportamientos de organizaciones y personas.

5. Prever el impacto para aumentar la adaptación y resiliencia: Una de las aplicaciones más importantes de la IA es la previsión de peligros y la mejora de los sistemas de alerta de desastres climáticos. Investigadores del British Antarctic Survey y del Alan Turing Institute desarrollaron IceNet, una herramienta de IA predictiva que prevé los niveles del hielo del océano usando datos de sensores satelitales de modelización climática. Flood Hub de Google usa IA para ayudar a proporcionar información más precisa sobre inundaciones fluviales hasta siete días antes, lo que ayuda a pronosticar inundaciones en más de 80 países.

El potencial es enorme. Sin embargo, hay una cantidad de problemas, riesgos y elementos desconocidos que requieren más consideración y atención. Entre algunas preguntas sobre este tema, se incluyen las siguientes:

1. ¿Cómo podemos administrar el sesgo inherente en los sistemas actuales de IA, en especial sesgos debidos a datos clave que se basan en información del norte global y están definidos por conocimientos en inglés?

2. Las tecnologías de IA y AA basan sus predicciones futuras en patrones de datos antiguos. Por lo tanto, debemos tener cuidado a la hora de usarlas para guiar cambios estructurales que es probable que sean muy distintos en comparación con el pasado. ¿Las predicciones de IA y AA sortearán las trampas que antes nos llevaron a subestimar de forma sistemática el poder de la innovación y adopción de tecnologías con bajas emisiones de carbono a gran escala?

3. A medida que la economía se inclina hacia un futuro de cero neto y se empiezan a escalar las aplicaciones de IA y AA, ¿cómo podemos abordar las preocupaciones en torno a la automatización y los puestos de trabajo para promover una transición justa frente a estas dos transformaciones combinadas?