Una pandemia global ha conmocionado al mundo, provocando miles de muertes, dificultades económicas y profundos trastornos sociales. Mientras nos preocupamos por nuestras necesidades inmediatas debemos recordar que se avecina otra crisis: el cambio climático. El cierre dejó claro que quedarse en casa y frenar la economía no es suficiente para resolver la crisis climática. Seguimos emitiendo más del 80% de CO2 de lo normal a pesar de tener un 17% menos de emisiones respecto a 2019, lo que supone uno de los descensos más importantes de los últimos años 1 . Si no actuamos con decisión ahora los daños económicos causados por el cambio climático en las próximas dos décadas serán probablemente tan graves como una pandemia del tamaño de COVID cada diez años 2.
A partir de hoy tenemos que acelerar rápidamente nuestra transición hacia el carbono cero. Esta transición requiere medidas de mitigación y adaptación que reduzcan las emisiones de gases de efecto invernadero y aumenten la resiliencia frente a las catástrofes meteorológicas. A pesar de los intereses creados, la competencia geopolítica y los líderes populistas, se están realizando enormes avances tecnológicos para hacer frente a la crisis climática. En los últimos años se han desarrollado aplicaciones prometedoras de la inteligencia artificial y la ciencia de datos para dar sentido a las enormes cantidades de datos generados en todos los sectores y controlar mejor los recursos de la Tierra.
Pero hay varias preguntas que siguen sin respuesta: ¿hasta qué punto puede la IA contribuir a una economía neta cero? ¿Con qué rapidez puede conseguirse, dada la urgencia del reto? ¿Cuál es el efecto neto sobre el planeta? ¿Y qué podemos hacer al respecto?
En primer lugar, los sistemas de IA tienen el potencial3 de desvincular el crecimiento económico del aumento de las emisiones de carbono y la degradación del medio ambiente. La IA, como pila de datos, algoritmos de aprendizaje y dispositivos de detección, puede ayudar a desvincular el impacto y los recursos.
Desvinculación del impacto significa disminuir el daño ambiental, incluidas las emisiones de CO2, por unidad de producción económica4. Por ejemplo, podemos frenar las emisiones en el sector energético utilizando la tecnología de IA para prever la oferta y la demanda de energía en la red, mejorar la programación de las energías renovables y reducir las emisiones de los combustibles fósiles durante su ciclo de vida mediante un mantenimiento predictivo. Las aplicaciones de IA en el transporte pueden permitir predicciones de tráfico más precisas, la optimización del transporte de mercancías y una mejor modelización de la demanda y las opciones de movilidad compartida. Otros tipos de impactos son los residuos que perturban los ecosistemas, los contaminantes que afectan a la salud humana y animal y la pérdida de biodiversidad. Aprovechando las franjas de datos de los sensores y los satélites podemos predecir mejor los impactos del cambio climático y administrar proactivamente estos ecosistemas. También podemos aumentar activamente la capacidad de los sumideros de carbono, como las turberas, y acelerar la repoblación forestal mediante la localización de lugares de plantación adecuados, el seguimiento de la salud de las plantas e incluso el control de drones planta-árboles.
Además, la IA puede ser útil en la desvinculación de recursos, es decir, la desvinculación de la producción económica del volumen de recursos utilizados del medio ambiente, como los materiales, el agua y la tierra. Por ejemplo, la IA aplicada a los sistemas alimentarios puede ayudar a controlar mejor el rendimiento de las cosechas, reducir la necesidad de productos químicos y el exceso de agua mediante la agricultura de precisión y minimizar el desperdicio de alimentos mediante la previsión de la demanda y la identificación de los productos estropeados. Por último, los sistemas de IA utilizados en los edificios y las ciudades pueden ayudar a controlar automáticamente la calefacción y la refrigeración, así como a modelar la energía utilizada para decidir qué edificios hay que modernizar.
La IA para la acción climática tiene el potencial de reducir las emisiones globales de gases de efecto invernadero hasta en un 4,0% 5. Sin embargo, los centros de datos globales y los algoritmos predictivos también están acelerando las cadenas internacionales de logística, la extracción de recursos y las emisiones de combustibles fósiles de formas que no vemos ni entendemos. De cara al futuro debemos asegurarnos de que las ventajas de utilizar la IA para hacer frente al cambio climático superen los contratiempos.
Los servicios que ofrecen las grandes empresas tecnológicas están comprometiendo el camino hacia una transición verde. No se trata de desmantelar, capturar o secuestrar carbono.
Recientemente el consumo de energía de los sistemas de IA, específicamente el aprendizaje automático, ha sido objeto de escrutinio. Entre 2012 y 2018 los cálculos necesarios para la investigación del aprendizaje profundo se han duplicado, lo que supone un aumento estimado de 300.000 veces. Son varios los factores que influyen en el carbono emitido por las redes neuronales: la ubicación del servidor utilizado para el entrenamiento; la red energética a la que se conecta; el tamaño del conjunto de datos; y el hardware donde se realiza el entrenamiento 6. Aun así, el uso de unidades de procesamiento cada vez más eficientes desde el punto de vista energético así como la eficiencia de los servidores, el almacenamiento, los dispositivos y los centros de datos a hiperescala ofrecen cierto optimismo para el futuro.
Lo que es más alarmante son las divisiones especiales de petróleo y gas o las grandes asociaciones de grandes empresas tecnológicas como Google, Amazon y Microsoft con empresas como Chevron, Total, Aramco, ExxonMobil, Shell y BP. Los servicios ofrecidos por las grandes tecnológicas están comprometiendo el camino hacia una transición verde. No se trata de desmantelar, capturar carbono o secuestrarlo sino de ayudar a las compañías petroleras a identificar pozos, automatizar la perforación y hacer que la extracción sea lo más eficiente y productiva posible. Esto indica que la promesa de la desvinculación puede ser relativa, es decir, que las emisiones no disminuirán con la suficiente rapidez, y que puede afectar sólo a recursos y lugares concretos.
Desde 2019 las empresas tecnológicas han respondido a estas preocupaciones adoptando nuevas políticas e iniciativas verdes. Los ejemplos incluyen la promesa de Microsoft de ser carbono negativo para 2030 y eliminar todo el carbono que la compañía ha emitido desde 1975; el uso de aluminio bajo en carbono por parte de Apple; los bonos de sostenibilidad de 5.750 millones de dólares de Google que financiarán proyectos ambiental y socialmente responsables; y la promesa de Amazon de ser neto cero para 2040. En los próximos cinco años debemos vigilar cuidadosamente si estos compromisos son marketing de la industria o auténticos planes de acción climática.
La IA ofrece muchas oportunidades pero también hay compensaciones y preocupaciones. La configuración de un escenario positivo para nuestro futuro requerirá una acción colectiva a múltiples niveles: integrar la regulación de la tecnología con las políticas del Green New Deal, desarrollar nuevas normas para mitigar el impacto medioambiental, adoptar directrices ecológicas para la industria de la IA y formar a la próxima generación de tecnólogues responsables de la IA.
Cualquier aplicación de la IA en la mitigación y adaptación al cambio climático deberá garantizar que los impactos ambientales no se externalicen a las poblaciones más marginadas
De cara al futuro quiero sugerir cuatro pilares de actuación para tecnólogues, científiques de datos, diseñadores, ingenieres y activistas tecnológicos:
Invito a les tecnólogues a aplicar sus conocimientos a la mitigación del cambio climático y a trabajar para transformar la forma en que se desarrollan y comercializan a escala soluciones basadas en datos. Industrias como la energética, la alimentaria, la manufacturera y la financiera necesitan una transición en los próximos 5 años. Un entorno de datos e inteligencia artificial digno de confianza requerirá, entre otras cosas, normas abiertas, marcos compartidos para compartir datos y prácticas sólidas de descubrimiento y publicación de datos entre las industrias en transición. Estos mercados de datos emergentes pueden darnos una imagen sistémica de la oferta y la demanda a nivel nacional y regional. Además, la integración de diversas formas de datos públicos, privados y de ciencia ciudadana requerirá directrices para las colaboraciones de datos público-privadas que pueden materializarse a través de los bienes comunes de datos y otras instituciones de datos novedosas.
Las comunidades de IA y ciencia de datos tendrán que seguir los pasos de les informátiques, que tienen un largo historial de investigación sobre computación sostenible. Les investigadores pueden abogar por hacer de la eficiencia un criterio de evaluación para la investigación, utilizar hardware y algoritmos más eficientes desde el punto de vista computacional e informar del "precio" de sus modelos. Como alternativa se han propuesto informes sobre el uso de la energía como parte de las prácticas de responsabilidad algorítmica más ecológicas y herramientas como la Calculadora de Emisiones de Aprendizaje Automático pueden ayudar a estimar la cantidad de emisiones de carbono producidas por el entrenamiento de modelos de IA. Del mismo modo, les profesionales pueden empezar a informar sobre el tiempo de reentrenamiento de los modelos, compartir la infraestructura local en lugar de depender de la computación en la nube y elegir proveedores de la nube que compensen sus emisiones.
Una transición justa requiere que prestemos atención a las luchas de diversas comunidades que ya están defendiendo su tierra, aire, agua y medios de vida de actividades extractivas como la minería, el fracking, la quema de gas, etc. Cualquier aplicación de la IA en la mitigación y adaptación al cambio climático deberá garantizar que los impactos ambientales no se externalicen a las poblaciones más marginadas, y que los beneficios no sólo sean captados por los países digitalmente maduros del norte global. Para ello es necesario centrarse en las comunidades de primera línea y permitirles que se apropien de sus datos y de los planes de acción climática de base.
En 2019 miles de empleades de Amazon, Google, Microsoft, Facebook y Twitter se organizaron como la Coalición de Trabajadores de la Tecnología. Marcharon para exigir a sus empleadores que lleven sus emisiones a cero para 2030, dejen de explotar a los refugiados climáticos y cancelen los contratos con las empresas de combustibles fósiles. Será de vital importancia que los trabajadores del sector tecnológico se conciencien en su trabajo sobre el impacto climático de la tecnología. Las empresas tecnológicas deben ser más transparentes sobre sus emisiones y ser presionadas para que proporcionen esta información a les clientes, a les reguladores y al público. Esta transparencia será el primer paso para informar a la regulación y al discurso público, así como para incentivar a les profesionales a tomar decisiones más sostenibles.
La escala planetaria de nuestros conocimientos y tecnologías está revelando nuevas interdependencias y circuitos de retroalimentación entre los sistemas ambientales y de ingeniería. Esta comprensión renovada requiere un discurso ético, ontológico y práctico actualizado, que no sea reduccionista, sino que haga aún más urgente la responsabilidad moral de la custodia planetaria. En consecuencia, la consideración de los impactos ambientales y la responsabilidad de cuidar nuestro planeta deben reflejarse en nuestra infraestructura técnica, en nuestras formas de trabajo y en nuestras prácticas y políticas de sistemas de IA justos, responsables, transparentes y éticos. La IA no será un sustituto de las formas de conocimiento más integradoras ni de las agendas políticas decrecentistas sino que, si se utiliza de forma responsable, puede ser un elemento que nos ayude a avanzar más rápidamente hacia un mundo pos-carbono seguro y justo.
Referencias
1. Le Quéré, C., Jackson, R.B., Jones, M.W., Smith, A.J., Abernethy, S., Andrew, R.M., De-Gol, A.J., Willis, D.R., Shan, Y., Canadell, J.G. y Friedlingstein, P., 2020. Reducción temporal de las emisiones globales diarias de CO 2 durante el confinamiento forzado de COVID-19 ("Temporary reduction in daily global CO 2 emissions during the COVID-19 forced confinement"). Nature Climate Change, pp.1-7.
preprint arXiv:1907.10597.
2. Bill Gates, 2020, "COVID-19 es horrible. El cambio climático podría ser peor", Gates Notes, Sitio web consultado el 15 de agosto de 2020
3. Rolnick, D., Donti, P.L., Kaack, L.H., Kochanski, K., Lacoste, A., Sankaran, K., Ross, A.S., Milojevic-Dupont, N., Jaques, N., Waldman-Brown, A. y Luccioni, A., 2019. Afrontando el cambio climático con aprendizaje automático ("Tackling climate change with machine learning").arXiv preprint arXiv:1906.05433.
4. Parrique, T., Barth, J., Briens, F., Kuokkanen, A. y Spangenberg, J.H., 2019. Evidencias y argumentos contra el crecimiento verde como única estrategia para la sostenibilidad ("Evidence and arguments against green growth as a sole strategy for sustainability").
5. Joppa, L. y Herweijer, C., 2018. Cómo la IA puede permitir un futuro sostenible ("How AI can enable a sustainable future"). Microsoft en asociación con PwC.
6. Schwartz, R., Dodge, J., Smith, N.A. y Etzioni, O., 2019. Inteligencia artificial verde ("Green AI"). arXiv
Eirini Malliaraki es ingeniera de diseño y empresaria. Supervisa el desarrollo de proyectos sobre el cambio climático y la ciencia del medio ambiente en el Instituto Alan Turing, el Instituto Nacional de Inteligencia Artificial y Ciencia de Datos del Reino Unido.