Conclusiones clave
- Los modelos de IA pueden ayudar a pronosticar el cambio climático, dicen los expertos.
- Una nueva herramienta de inteligencia artificial llamada IceNet podría permitir a los científicos pronosticar con precisión la profundidad del hielo marino en el Ártico.
-
La IA y el análisis meteorológico también pueden ayudar a combatir el cambio climático al reducir las emisiones en la cadena de suministro.
A medida que aumenta la evidencia de que el clima extremo de este verano está siendo impulsado por el cambio climático, la inteligencia artificial ayuda a predecir dónde cambiarán las condiciones.
Una nueva herramienta de IA podría permitir a los científicos pronosticar con mayor precisión meses de hielo marino en el Ártico en el futuro. IceNet tiene una precisión de casi el 95% al predecir si el hielo marino estará presente dos meses antes, dicen los investigadores. Es uno de los usos crecientes de la IA para predecir el cambio climático.
"La IA ha mejorado significativamente la eficiencia de ejecutar modelos climáticos complejos que históricamente han sido computacionalmente intensivos", dijo a Lifewire Daniel Intolubbe-Chmil, analista de Harbor Research, en una entrevista por correo electrónico.
Sin hielo, hielo, bebé
IceNet está trabajando en el formidable desafío de hacer pronósticos precisos del hielo marino del Ártico para la próxima temporada. Los investigadores describieron cómo funciona IceNet en un artículo reciente publicado en la revista Nature Communications.
"Las temperaturas del aire cerca de la superficie en el Ártico han aumentado de dos a tres veces la tasa del promedio global, un fenómeno conocido como amplificación del Ártico, causado por varios comentarios positivos", escribieron los investigadores en el artículo. "El aumento de las temperaturas ha jugado un papel clave en la reducción del hielo marino del Ártico, con la extensión del hielo marino de septiembre ahora alrededor de la mitad de la de 1979, cuando comenzaron las mediciones satelitales del Ártico."
El hielo marino es difícil de pronosticar debido a su compleja relación con la atmósfera por encima y el océano por debajo, según los autores del artículo. A diferencia de los sistemas de pronóstico convencionales que intentan modelar las leyes de la física directamente, los investigadores diseñaron IceNet basándose en un concepto llamado aprendizaje profundo. A través de este enfoque, el modelo "aprende" cómo cambia el hielo marino a partir de miles de años de datos de simulación climática, junto con décadas de datos de observación, para predecir la extensión del hielo marino del Ártico meses en el futuro.
"El Ártico es una región en la primera línea del cambio climático y ha experimentado un calentamiento sustancial en los últimos 40 años", dijo en una noticia el autor principal del artículo, Tom Andersson, científico de datos del BAS AI Lab. liberar. "IceNet tiene el potencial de llenar un vacío urgente en la previsión del hielo marino para los esfuerzos de sostenibilidad del Ártico y funciona miles de veces más rápido que los métodos tradicionales".
AI lanza una amplia red
Otros simuladores de IA también están atentos al cambio climático. Los investigadores han aprovechado la técnica Deep Emulator Network Search, por ejemplo, para mejorar una simulación sobre la forma en que el hollín y los aerosoles reflejan y absorben la luz solar. La investigación encontró que el emulador era 2 mil millones de veces más rápido y más del 99,999 % idéntico a su simulación física.
La IA y el análisis meteorológico también pueden ayudar a combatir el cambio climático al reducir las emisiones en la cadena de suministro, dijo Renny Vandewege, vicepresidente de la empresa de pronóstico del tiempo DTN, a Lifewire en una entrevista por correo electrónico.
"Por ejemplo, en el transporte marítimo, las rutas optimizadas para el clima pueden reducir las emisiones hasta un 4 % y reducir el consumo de combustible hasta un 10 %, y las rutas climáticas en la industria de la aviación pueden evitar cambios de ruta innecesarios para evitar el mal tiempo, o dando vueltas en un aeropuerto a la espera de aterrizar", dijo.
La previsión precisa de las redes de carreteras puede reducir el tratamiento innecesario de las carreteras en invierno, lo que reduce la cantidad de productos químicos nocivos, dijo Vandenwege.
"En lugar de tratar una carretera completa, los equipos de mantenimiento de carreteras pueden optar por tratar ubicaciones seleccionadas a lo largo de una carretera donde hay tramos de carretera con puntos fríos, o pueden decidir si el tratamiento es necesario", agregó.
El aprendizaje automático y los modelos de inteligencia artificial se utilizan cada vez más para ayudar a comprender las emisiones de CO2 y metano, Marty Bell, director científico de la empresa de pronóstico del tiempo WeatherFlow, le dijo a Lifewire en una entrevista por correo electrónico.
"Los modelos también aumentan nuestra resiliencia al cambio climático al ayudarnos a modificar nuestro enfoque sobre la producción y el uso de la energía", dijo Bell. "Mientras que muchas de estas aplicaciones de IA operan a gran escala en los sistemas de distribución de energía de los servicios públicos, otras operan a nivel doméstico donde ML informa a los modelos de IA integrados en los dispositivos cotidianos de Internet de las cosas que administran de manera más eficiente el uso de energía en el hogar".
