Inteligencia artificial para llegar a un mundo Net Zero

El uso de la inteligencia artificial (IA) se ha generalizado. Como nos contaba Nuria Oliver en este #FutureTalks, la IA está ya presente en nuestras vidas: búsquedas y compras en Internet, reservas de alojamientos, juegos y plataformas de streaming, pero también en campos menos conocidos, como la salud, los nuevos materiales o la fusión nuclear.

En definitiva, la IA es, también, una herramienta clave para resolver los grandes retos a los que se enfrenta la humanidad, dada su capacidad de analizar millones de datos y de crear modelos predictivos: los avances en la potencia informática, la disponibilidad de enormes cantidades de datos –Big data– y el diseño de nuevos y sofisticados algoritmos, están permitiendo realizar simulaciones y predicciones imposibles de realizar hace pocos años.

Y es precisamente ahí, en las simulaciones y predicciones, donde la IA tiene mucho que aportar para llegar a un mundo Net Zero, esto es, con cero emisiones netas de gases de efecto invernadero (GEI).

Recientemente explorábamos cómo la computación cuántica permitirá afrontar oportunidades hacia Net Zero, difíciles de imaginar. Hoy nos vamos a centrar en las posibilidades de la IA para abordar Net Zero.

La combinación de la IA y la computación cuántica será el tema central de nuestro próximo Future Trends Forum así que, en el arranque del próximo año, exploraremos las capacidades conjuntas de estas dos tecnologías en este y otros ámbitos.

Net Zero es una necesidad imperiosa, que acelera el uso de la inteligencia artificial

Tal y como concluyeron los expertos en el reciente Future Trends Forum Construyendo un mundo Net Zero, la urgencia en reducir las emisiones de gases de efecto invernadero (GEI) es enorme, si no queremos que el calentamiento global ponga en grave riesgo la civilización.

La presión sobre las empresas, sean del sector que sean, para que respondan de manera contundente a la amenaza del calentamiento global es cada vez mayor. Tanto los consumidores, como los reguladores y los inversores examinan cada vez más el impacto climático de las empresas de todos los sectores. Y muy especialmente en el sector energético y en el transporte.

Y también concluyen que las soluciones vendrán de tres grandes áreas:

1. Las innovaciones en energías limpias, con nuevos materiales, nuevos combustibles y nuevas formas de almacenamiento de energía, incluyendo el hidrógeno verde.
2. Las innovaciones para construir tecnologías para capturar, reutilizar y almacenar el carbono (CCUS).
3. Las innovaciones para conseguir mayor eficiencia energética.

Además de una cuarta, que es la de enfrentar los daños causados por los crecientes desastres naturales, con soluciones que se agrupan bajo la denominación de adaptación al cambio climático.

Es decir, por un lado, tratar de conseguir frenar el cambio climático y, por otro, adaptarse a lo que ya está ocurriendo.

En este contexto, la inteligencia artificial puede cambiar las reglas del juego. Su capacidad para ofrecer una visión profunda y rápida en multitud de campos, ofrece una vía prometedora para acelerar la transformación sostenible. A continuación se exponen algunas aplicaciones a título ilustrativo.

Inteligencia artificial y energías limpias

La IA puede utilizarse para resolver los complejos problemas de diseño de las plantas solares y eólicas, lo que se traduce en un ahorro de costes y una mayor eficiencia.

Pero también para el diseño de nuevos materiales y de nuevos procesos. Por ejemplo, se está desarrollando un algoritmo de aprendizaje profundo (Deep learning), para determinar cómo debe ser la pulverización óptima de combustibles sintéticos en un motor y cuáles son los parámetros críticos para el diseño. Los combustibles sintéticos neutros en carbono, derivados del hidrógeno y producidos a partir de fuentes de energía renovables (que se denominan e-fuels) necesitan nuevos mapas de inyección que, sin la ayuda de la IA, necesitarían innumerables pruebas reales, que podrían llevar años.

Y, yendo más a la base, nos encontramos con algoritmos que están ayudando a la optimización en el cultivo de algas para la obtención de biocombustible, o con soluciones de aprendizaje automático para optimizar las turbinas de viento.

Inteligencia artificial y captura de gases de efecto invernadero

El aprendizaje automático se está utilizando para el modelado y análisis de soluciones de captura, almacenamiento y reutilización del CO2. Tanto en el ámbito de los materiales como en el ámbito de los métodos y procesos.

La forma más común de almacenar el carbono es bajo tierra, normalmente en antiguos pozos de petróleo o de gas. Se está utilizando la IA para realizar simulaciones de almacenamiento de carbono que ayudan a:

• Seleccionar los lugares más adecuados,
• las tasas de inyección adecuadas,
• controlar el aumento de la presión,
• maximizar la eficiencia del almacenamiento,
• garantizar que la actividad de inyección no fracture la formación rocosa y
• comprender la propagación del CO2 a través del suelo.

Un ejemplo de todo ello es el estudio llevado a cabo para ExxonMobil por la universidad de Stanford, NVIDIA y el California Institute of Technology.

Inteligencia artificial y eficiencia energética

En el ámbito de la energía eléctrica, los operadores de la red pueden utilizar la IA y el aprendizaje automático para simular y prever la generación, programar el mantenimiento y gestionar los flujos de energía. Al mismo tiempo, los consumidores pueden obtener información actualizada sobre el suministro para ayudar a gestionar su consumo, la generación distribuida y el almacenamiento para reducir sus facturas de energía. La creciente adopción de contadores inteligentes está generando datos que los algoritmos de IA pueden utilizar para predecir la demanda y la carga de la red, desplazando la carga para optimizar el consumo de los sistemas renovables (principalmente solares y eólicos) y de almacenamiento de energía.

Inteligencia artificial y adaptación al cambio climático

Además de acelerar las soluciones para lograr llegar a Net Zero, la IA está demostrando ser una herramienta muy útil para desarrollar medidas de adaptación al cambio climático.

En este sentido, las soluciones se basan en modelos predictivos, que pretenden anticiparse a fenómenos meteorológicos extremos. También, permiten realizar simulaciones que permiten planificar las necesarias obras civiles para evitar, por ejemplo, inundaciones de áreas habitadas cercanas a las costas.

Un ejemplo que utiliza modelos predictivos es el proyecto HAMLET que, entre otras cosas, busca predecir olas de calor y de frío y eventos meteorológicos extremos. Y otro ejemplo interesante es el sistema de IA desarrollado por Google para predecir inundaciones, que se utiliza especialmente en la India y es capaz de enviar millones de alertas en tiempo real para avisar a los ciudadanos afectados.

Una vez ocurre un desastre climático grave (como grandes huracanes, incendios o inundaciones que afectan a áreas pobladas), la IA se utiliza para optimizar la llegada de las ayudas necesarias y coordinar a los equipos de rescate y atención.

En este ámbito, destacamos la iniciativa de la Unión Internacional de Telecomunicaciones (ITU), que ha creado un grupo de expertos que trabajan sobre la IA para la gestión de catástrofes naturales.

Si quieres saber más sobre las innovaciones y tecnologías más prometedoras para lograr un mundo net zero, te lo contamos aquí. Si además te preguntas cómo sumar a tu empresa al esfuerzo en el camino hacia un mundo Net Zero y no sabes por dónde empezar, existen iniciativas muy interesantes en las que puedes inspirarte y buscar herramientas. Por ejemplo, la iniciativa Science Based Targets initiative (SBTi), que define y promueve las mejores prácticas en materia de reducción de emisiones y objetivos Net Zero.

Si quieres conocer otras áreas donde la inteligencia artificial está marcando la diferencia, puedes consultar la tenencia del Future Trends Forum sobre Inteligencia Artificial.

Y si quieres profundizar en otras tendencias que están marcando y marcarán el futuro, te invitamos a que visites nuestro conectoma.