Verde e inteligente: la economía mundial del siglo XXI

Publicación destacada de Nicholas Stern, presidente del Instituto de Investigación Grantham sobre Cambio Climático y Medio Ambiente de la Escuela de Economía de Londres

El mundo dispone del potencial necesario para impulsar la transición a cero emisiones netas y lograr que la temperatura global no aumente más de 1,5 ℃, todo esto con la ayuda de la inteligencia artificial (IA) y el aprendizaje automático. Estas herramientas pueden contribuir en gran medida al cambio de ritmo de los procesos (automatización, tratamiento acelerado de datos, previsión, etc.), pueden fomentar una mayor productividad (eficiencia energética, productividad de los recursos, etc.) y pueden ayudar a diseñar y ejecutar mejores sistemas (cómo funcionan los sistemas de energía, de las ciudades y de movilidad, entre otros, y cómo interactúan entre ellos). En conjunto, pueden impulsar un nuevo crecimiento sostenible, resiliente y equitativo, y contribuir a gestionar los enormes y urgentes riesgos del cambio climático, la pérdida de biodiversidad y la contaminación.

Aunque no existe una amplia investigación sobre el alcance del crecimiento combinado de la IA y la transición a bajas emisiones de carbono, hay indicios de que estas herramientas, combinadas, pueden acelerar el cambio. En mi reciente investigación, en colaboración con diversos expertos, he identificado cinco áreas en las que la aplicación de IA y aprendizaje automático podrían ser especialmente eficaces a la hora de agilizar la transición hacia una sociedad con bajas emisiones de carbono:

1. Mejora de los sistemas complejos: una acción eficaz a favor del clima requiere una rápida transformación estructural de los sistemas clave, como las ciudades, el uso del suelo, el transporte, la industria y la energía. La IA puede contribuir a rediseñar dichos sistemas complejos y gestionarlos con eficacia y eficiencia. Por ejemplo, en el sector energético, la IA puede ayudar a gestionar la previsibilidad del equilibrio entre la oferta y la demanda y mejorar la productividad del sistema. Google DeepMind ha demostrado que este tipo de aplicaciones pueden contribuir a aumentar en un 20 % el valor económico de la energía eólica al reducir la dependencia de fuentes de energía de reserva.

2. Fomento del cambio de comportamiento: la tecnología de IA y aprendizaje automático ya se utiliza para identificar y predecir patrones de comportamiento individuales y colectivos. Esto puede aplicarse para contribuir a la reducción de emisiones al ofrecer a los consumidores opciones más sostenibles y con menor impacto ambiental. Por ejemplo, el proyecto Ant Forest de Alipay recompensa a sus usuarios con "puntos de energía verde" cada vez que toman una "decisión ecológica", como utilizar una bicicleta pública para ir al trabajo. A cambio de puntos, Alipay planta un árbol o protege un hábitat. La IA podría contribuir al desarrollo de estos mecanismos para fomentar comportamientos que propicien un cambio hacia un sistema sostenible, ya que las normas sociales y las acciones de los demás son factores que impulsan comportamientos a favor del medio ambiente.

3. Descubrimiento de nuevas tecnologías y soluciones: los próximos 10 años serán decisivos para sacar al mercado tecnologías limpias. La IA y el aprendizaje automático pueden acelerar el proceso de descubrimiento científico de formas que eran inimaginables hace tan solo unos años. Por ejemplo, Google DeepMind identificó hace poco mediante una herramienta de IA denominada GNoME más de 2 millones de estructuras cristalinas teóricas, equivalente a más de 45 veces el número de estructuras de este tipo identificadas hasta ahora por la ciencia. Como demuestra un reciente estudio de la Escuela de Economía de Londres, las tecnologías de uso general impulsan la dirección del cambio tecnológico y, en especial, la competencia entre tecnologías limpias y contaminantes.

4. Elaboración de modelos de sistemas y políticas climáticos: el cambio climático ya está teniendo graves repercusiones a nivel mundial, como la subida del nivel del mar y el aumento de la frecuencia de fenómenos meteorológicos extremos. La IA y el aprendizaje automático pueden mejorar la comprensión de las causas de estos fenómenos analizando, por ejemplo, las complejas interacciones entre el cambio climático y el deshielo en el océano Ártico. También pueden aplicarse para diseñar e implementar con mayor eficacia políticas públicas de acciones a favor del clima, con una mejor predicción de su eficacia a la hora de impulsar las decisiones y comportamientos de organizaciones e individuos.

5. Previsión de riesgos para aumentar la adaptación y la resiliencia: una de las principales aplicaciones de la IA es la previsión de riesgos y la mejora de los sistemas de alerta de desastres climáticos. Investigadores del British Antarctic Survey y del Instituto Alan Turing han desarrollado IceNet, una herramienta predictiva de IA que pronostica los niveles de hielo marino mediante datos de sensores de satélites en modelos climáticos. Flood Hub de Google utiliza IA para proporcionar información más precisa sobre inundaciones fluviales con hasta siete días de antelación, lo que permite prever inundaciones en más de 80 países.

Las posibilidades son infinitas. Sin embargo, hay una serie de asuntos, riesgos e incógnitas que requieren más reflexión y atención. Entre las preguntas sobre este tema se incluyen las siguientes:

1. ¿Cómo podemos gestionar los sesgos inherentes a los actuales sistemas de IA, especialmente los que se deben a que los datos clave se basan principalmente en información proveniente del norte global y escrita en inglés?

2. Las tecnologías de IA y aprendizaje automático basan sus predicciones futuras en patrones de datos previos. Por lo tanto, debemos tener cuidado a la hora de utilizarlos como guía para los cambios estructurales, ya que probablemente serán muy distintos de los del pasado. ¿Evitarán las predicciones de IA y aprendizaje automático las dificultades que nos han llevado a subestimar de forma sistemática la capacidad de innovación y la adopción a gran escala de tecnologías bajas en emisiones de carbono?

3. A medida que la economía avanza hacia un futuro de cero emisiones netas y las aplicaciones de la IA y el aprendizaje automático siguen creciendo, ¿cómo podemos abordar las preocupaciones en torno a la automatización del empleo, fomentando una transición justa ante estas dos transformaciones combinadas?