Aunque sea divertido usar herramientas de visual computing para crear imágenes locas (algunas de las de este newsletter las creamos con DALL-E), la utilidad de la inteligencia artificial va mucho más allá de los usos recreativos y puede ser una gran aliada para crear soluciones ambientales. Los potenciales usos son extremadamente variados y dependen de la imaginación de quienes desarrollan soluciones.
Debajo intentamos ordenar un poco potenciales usos, agrupando a partir de algunos casos que estábamos viendo y sin intentar hacer una taxonomía exhaustiva del tema:
- Monitoreo: la IA combinada con imágenes satelitales o cámaras permite supervisar regiones e identificar comportamientos, lo que hace posible por ejemplo identificar patrones de deforestación, monitorear procesos de regeneración ambiental, o identificar áreas para restauración,controlar especies exóticas, administrar procesos y recursos naturales como cauces hídricos, etc.;
- Optimización: por medio del agregado de diversos tipos de datos, se puede usar para hacer más eficiente el uso del agua, optimizar cadenas productivas, ahorrar energía en industrias y edificios, y mejorar la movilidad urbana, entre otros;
- Predicción: el análisis de datos históricos y actuales permite la generación de proyecciones y patrones de comportamiento. Un uso podría ser el modelado del curso o de las consecuencias de eventos climáticos extremos como incendios o inundaciones. Esto podría ayudar a prevenirlos y mitigar sus consecuencias (sequías, inundaciones o ciclones tropicales). También podría ayudar a optimizar la generación, consumo y suministro de energía, y el transporte.
Veamos algunos ejemplos. Varios proyectos globales usan análisis de big data, mapeo digital y robots para ofrecer recomendaciones y hacer más eficiente y sustentable la administración de producciones agrícolas: The Yield, Verdant Robotics, Trace Genomics, CropX o Kilimo son algunos de ellos.
En este ámbito trabaja Ana Indart, co-founder y CEO de Elytron, que desarrolla insumos biológicos para el agro. “Dentro de Elytron, donde una de las componentes es estudiar los microorganismos, sabemos que hay millones de años de evolución e incalculables relaciones biológicas, más aún cuando tratamos de vincular estos microorganismos con determinados targets como pueden ser los insectos, algo que entra dentro de una compleja coevolución. La inteligencia artificial es una herramienta sumamente poderosa que nos permite a través de algoritmos, modelos y regresiones, encontrar asociaciones entre fuentes de datos muy disímiles como la biología clásica, la genómica y la formulación, y el comportamiento ambiental que tendrán. Estos componentes de Machine Learning nos permiten potenciar mucho nuestro proyecto, sobre todo acortando procesos empíricos y alimentando el valor predictivo de nuestra plataforma”, explica. “Las herramientas de Deep Learning nos permiten tomar conocimiento de nuevas interacciones, producto del aprendizaje de estos modelos. Todo este bagaje de herramientas nos permite traccionar el conocimiento del equipo y no simplemente los datos, y generar nuevo conocimiento”.
Otro proyecto orientado al uso de IA en el agro es el incipiente Eiruinnova, de Fernanda Santibañez Ossa y Lucas Garibaldi, seleccionado para participar del programa SF Build Fall del fondo SF500. “Nuestro proyecto comprende un modelo ecológico espacialmente explícito de polinización de cultivos por abejas de miel. Utilizamos técnicas de inteligencia artificial para simular y predecir la distribución y abundancia de abejas en un cultivo determinado”, cuenta Santibañez Ossa. “Estamos usando técnicas de Machine Learning para modelar la distribución de especies en función de variables ambientales y de paisaje. Estos modelos pueden incorporar datos espaciales, como la conectividad de hábitats y la configuración del paisaje, para predecir cómo los cambios en el uso del suelo o la fragmentación del hábitat afectarán el servicio de polinización, permitiéndonos diseñar prácticas de manejo adecuadas para enfrentar estas dificultades”.
“La IA es una herramienta valiosa para abordar problemas ambientales y mejorar la gestión de los recursos naturales. Sin embargo, como seres humanos en general, y como científicos en particular, seguiremos agregando valor donde las máquinas no pueden, por ejemplo: la empatía, el sentido común, entre otras cosas, clave para la toma de decisiones”, agrega Santibañez.
Articulo tomado de Pulso by Antom Pulso by Antom.la | ruben@antom.la | Substack
