Internacional: ¿Puede la inteligencia artificial (IA) ayudar a frenar las sequías en los próximos años?

A pesar de las lluvias de los últimos días, la sequía en España puede llegar a imponer límites al uso del agua en algunas ciudades, pero ¿puede la inteligencia artificial (IA) frenar las sequías en los próximos años?, “Sí”, asegura Nuria Oliver, directora de La Fundación ELLIS Alicante (European Laboratory for Learning and Intelligent Systems).

Existen múltiples metodologías de IA y, específicamente redes neuronales profundas aplicadas a una gestión eficiente del ciclo integral del agua, con el objetivo de frenar sequías y evitar su desperdicio, explica, Oliver, ingeniera en telecomunicaciones.

Para la especialista, a partir de datos muy complejos provenientes de satélites o de sensores, ingenieros y científicos buscan dar una respuesta más eficiente y rápida a los desastres naturales y a fenómenos meteorológicos extremos como terremotos, tormentas, huracanes, danas, precipitaciones torrenciales, inundaciones, incendios, periodos de escasez hídricos.

En el caso de las sequías, y mediante técnicas de IA se focalizan esfuerzos para medir el consumo de agua y fomentar un uso más racional, se minimizan fugas que eviten su desperdicio y se adecuan planes de inversión en infraestructuras, además de un control de los embalses con el objetivo de garantizar calidad y suministro a la población, detalla Oliver.

La experta también ha hecho hincapié en otro aspecto de suma importancia: “Concienciar” a los consumidores sobre el consumo del agua y de cómo reducirlo, todo ello sin olvidar una correcta recuperación, tratamiento y aprovechamiento del agua.

En el campo, la agricultura inteligente o Smart Farming aporta un gran valor, sobre todo, en el ahorro y gestión sostenible de los recursos hídricos, a la hora de optimizar y evaluar el consumo en los distintos cultivos adaptándolos a un tipo de terreno.

Asimismo, se utilizan sensores inteligentes que favorecen la detección temprana de plagas y sistemas automatizados que riegan, fertilizan y fumigan las tierras de cultivo de acuerdo a sus particularidades y a las previsiones meteorológicas.

Otro de los grandes problemas medioambientales más acuciantes en este siglo, los incendios forestales encuentran un hueco en técnicas de IA mediante sistemas de teledetección que obtienen datos de campo y facilitan las tareas de extinción.

Por ejemplo, enumera Nuria Oliver, existen sensores que miden la temperatura, la humedad y la dirección y velocidad del viento, así como drones e imágenes satélitales capaces de detectar zonas de calor en grandes masas forestales e identificar áreas en las que talar y eliminar rastrojo, con el fin de estar pendiente ante cualquier indicio de fuego.

También se pueden realizar mapas interactivos en tiempo real que combinan información procedente de satélites, drones, cámaras en torres de vigilancia y de los propios agentes y bomberos forestales, para movilizar recursos donde más se necesiten.

Sin embargo, en este punto Oliver destaca la “dualidad” entre estas técnicas inteligentes y el gasto energético que acarrean: “El desarrollo y uso de estos grandes modelos genera una huella de carbono enorme, aunque necesitamos de inteligencia artificial para abordar los desafíos del siglo XXI”.

De esta manera, “el entrenamiento de estas redes tan complejas puede llegar a consumir una energía equivalente al gasto energético de países pequeños o emitir dióxido de carbono equivalente a lo que producirían los humanos en décadas”.

Para abordar esta situación, la experta detalla la existencia de un área activa de investigación conocida como “inteligencia artificial sostenible o verde”, cuya finalidad es el desarrollo de sistemas inteligentes con necesidades energéticas mucho más pequeñas para amortiguar esa huella de carbono tan grande.

“No podemos destruir el planeta en el proceso de resolver estos grandes desafíos, incluyendo el reto relacionado con el cambio climático y el modelado del clima, si detrás hay una gran huella de carbono”.

Para ello se están desarrollando medidas específicas muy eficientes energéticamente para entrenar estas grandes redes neuronales profundas, a la par que se diseñan centros de datos mucho más eficientes, porque “al final necesitamos estas cantidades ingentes de datos”, concluye Oliver.