¿Cómo puede la inteligencia artificial ayudarnos a luchar contra el cambio climático?  

La inteligencia artificial (IA) está cada vez más presente en nuestras vidas y en todos los ámbitos económicos y sociales. ¿Puede ayudarnos a combatir el cambio climático?

Como nos dice Nuria Oliver en este #FutureTalks, la IA puede formar parte de las soluciones a los grandes problemas a los que se enfrenta la humanidad, debido a su capacidad de analizar millones de datos y de crear modelos predictivos.  

Y uno de esos grandes problemas es la emergencia climática y los desastres naturales cada vez más frecuentes asociados con ella. 

¿Inteligencia artificial para llegar a net zero?

Net zero es el objetivo global que persigue la descarbonización de nuestra civilización, esto es, acabar con la emisión de gases de efecto invernadero o, al menos, compensar la emisión de gases con su captura. 

El número de promesas net zero de los países, regiones y empresas casi se ha duplicado año tras año. Sin embargo, estas promesas, o compromisos net zero varían enormemente en cuanto a su calidad y nivel de cumplimiento, lo que deja abierto el riesgo de ecoblanqueo. 

Este es un primer tema en el que la IA puede ayudar. Las organizaciones necesitan información específica y procesable sobre los riesgos medioambientales a los que se enfrentan y sobre el nivel de cumplimiento de los diferentes proyectos en los que están involucradas. La IA, apoyada en el análisis de Big Data, puede facilitar la presentación de datos y tendencias y la toma de decisiones. La gran potencia de la IA reside en su capacidad de aprender por experiencia, recopilando cantidades masivas de datos de su entorno. Intuyendo conexiones que los humanos no perciben y recomendando acciones apropiadas a partir de sus conclusiones. 

En esta línea trabaja The Alan Turing Institute desde Reino Unido, con su iniciativa Climate action at the Turing.  

Esto en cuanto a herramientas de seguimiento y supervisión de acciones y proyectos net zero. En cuanto a los propios proyectos net zero, podemos clasificarlos de acuerdo a las medidas que persiguen: 

• Reducir las emisiones de gases utilizando energías de origen renovable.  
• Fomentar la eficiencia energética.  
• Capturar las emisiones ya presentes en la atmósfera. 

Veamos algunas iniciativas interesantes de aplicación de la inteligencia artificial en estos 3 ámbitos: 

Inteligencia artificial para reducir las emisiones de gases

El uso de la inteligencia artificial para aplicaciones medioambientales podría reducir las emisiones mundiales de gases de efecto invernadero en un 4% hasta 2030, según el informe How AI can enable a Sustainable Future, elaborado por PwC UK. Según dicho informe, la reducción de las emisiones gracias a la IA equivale a 2,4 gigatoneladas de CO₂. Equivalente a las emisiones anuales de 2030 de Australia, Canadá y Japón juntos. 

Algunos ejemplos de aplicación de la IA para reducir las emisiones de CO₂ son: redes inteligentes de distribución de energías limpias, agricultura de precisión o nuevos materiales y moléculas mucho menos contaminantes. 

Por poner un ejemplo concreto, la compañía española IM2 energía solar utiliza algoritmos de inteligencia artificial que optimizan de forma automática e instantánea la utilización de la electricidad solar de los paneles. La IA toma decisiones de consumo o acumulación de la energía generada por el sol en función de parámetros como los horarios de consumo o la climatología presente y futura en una ubicación determinada. Este ejemplo, de reducción de emisiones por conversión a energías limpias, también ilustra el siguiente caso; el de la eficiencia energética. 

Inteligencia artificial para lograr mayor eficiencia energética

Las aplicaciones de IA se utilizan para supervisar, recopilar información, controlar, evaluar y gestionar el consumo de energía en redes, edificios y fábricas.  

Controlando el uso de la energía, estas aplicaciones identifican los problemas y detectan los fallos de los equipos antes de que se produzcan. También tienen la capacidad de analizar grandes conjuntos de datos que pueden ayudar a supervisar e interpretar los datos producidos por las industrias energéticas para optimizar el consumo de energía. 

Existen multitud de startups trabajando en la eficiencia energética aplicando la IA. Por ejemplo, Verdigris Technologies ha desarrollado una plataforma basada en SaaS (Software-as-a-Service) con inteligencia artificial para optimizar el consumo de energía. Hasta el momento, ha conseguido más de 40 millones de dólares de financiación. 

Inteligencia artificial para capturar las emisiones ya presentes 

Para lograr el objetivo net zero se están desarrollando las llamadas tecnologías CCUS (siglas en inglés de Carbon Capture, Utilisation and Storage). Tratan de eliminar el CO₂ liberado ya en la atmósfera, capturándolo y convirtiéndolo en materia prima para productos no contaminantes o guardándolo bajo tierra. 

En este último caso, se buscan antiguos yacimientos de gas y otros espacios del subsuelo donde sea seguro almacenar el CO₂. La inteligencia artificial se está utilizando para comprender la idoneidad de los lugares de almacenamiento para su uso en proyectos de secuestro de carbono. La comprensión de la capacidad de almacenamiento, el riesgo para la contención y la capacidad de sellado son elementos críticos afectados por la presencia de fallas que se muestran de una manera clara y precisa utilizando la IA. 

Startups que usan la IA para ayudar a capturar CO2

La startup inglesa Geoteric, que desarrolla y comercializa tecnología avanzada de análisis sísmico 3D, ha desarrollado algoritmos de IA para detectar si una ubicación concreta es susceptible de almacenar CO₂. 

La startup norteamericana Xyonix, fundada por Deep Dhillon, crea modelos de aprendizaje automático (machine learning) para ayudar a obtener nuevos materiales para soluciones mecánicas que eliminan el CO₂ de la atmósfera. Hasta ahora, existe escepticismo sobre la viabilidad de esta tecnología, debido al alto requerimiento energético de los sistemas de captura directa de aire (o DAC, de Direct Air Capture). Los sistemas DAC utilizan adsorbentes para separar las moléculas de carbono de los otros miles de moléculas de nuestra atmósfera. Los científicos están descubriendo nuevos materiales que pueden hacer este proceso más barato y eficiente gracias a modelos de aprendizaje automático creados por Xyonix. Estos modelos se entrenan para encontrar materiales óptimos con baja presión de vapor y componentes de baja degradación térmica para mejorar el rendimiento de los sistemas DAC. 

Si quieres profundizar más en la aplicación del aprendizaje automático para la captura, utilización y almacenamiento de carbono, te recomendamos una lectura: Harnessing the power of machine learning for carbon capture, utilisation, and storage (CCUS) – a state-of-the-art review. 

Si quieres conocer más sobre energías limpias y las tecnologías que están posibilitando un mundo net zero, lo puedes hacer en nuestra web.