¿Pueden las soluciones basadas en inteligencia artificial ayudar a mitigar la crisis del cambio climático?

La ayuda de la Inteligencia Artificial (IA) ha sido desplegada por empresas tecnológicas y ONG de todo el mundo para luchar contra la crisis del cambio climático. Gadgets 360 se puso al día con algunos, incluido el equipo de Sustainable Environment and Ecological Development Society (SEEDS), una ONG con sede en Nueva Delhi, e IBM India, para hablar sobre sus esfuerzos por aplicar tecnología para mitigar la crisis climática.

Aunque las grandes empresas tecnológicas ahora están avanzando hacia medidas para volverse más sostenibles (Apple y Facebook se han comprometido a ser neutrales en carbono para finales de la década), queda mucho por hacer, y esta es una de las áreas en las que la inteligencia artificial está avanzando. un impacto.

Con la Conferencia de la ONU sobre el Cambio Climático que comenzó en Glasgow el 31 de octubre, el discurso sobre la crisis global del cambio climático vuelve a ser el centro de atención. La 26ª edición de las Conferencias de las Partes (COP26) continuará hasta el 14 de noviembre y verá a líderes mundiales, expertos académicos y activistas reunidos para discutir cómo contener el aumento de las temperaturas globales.

Pero mientras los líderes mundiales desarrollan políticas y planes a largo plazo, hablamos con empresas que innovan sobre el terreno para ver cómo pueden contribuir al cambio.

Evitando desastres a través de Sunny Lives

SEEDS desarrolló Sunny Lives, un modelo de impacto de desastres impulsado por inteligencia artificial que utiliza imágenes satelitales de alta resolución para evaluar los riesgos de peligros a un nivel hiperlocal. El proyecto Sunny Lives se ha ejecutado en asociación con Microsoft y el socio tecnológico Gramener, y cuenta con el apoyo del programa global de Microsoft ‘Inteligencia artificial para la acción humanitaria’.

Mridula Garg, quien dirige el proyecto Sunny Lives en SEEDS, dijo que Sunny Lives detecta huellas de edificios y luego les asigna puntuaciones de riesgo relativo como valores de 1 a 5. “El modelo tiene en cuenta el tipo de peligro, como inundaciones u olas de calor, analiza la exposición se basa en parámetros geográficos como la pendiente y la vegetación, y utiliza la clasificación de los edificios como un indicador de la vulnerabilidad socioeconómica de los habitantes. Nuestros equipos de respuesta a desastres utilizan el puntaje de riesgo relativo asignado después de detectar las huellas del edificio para priorizar a las familias en mayor riesgo ”, dijo Garg.

Durante la solicitud de un ciclón inminente, se obtienen imágenes de satélite para las áreas de interés que se seleccionan en función de la ruta prevista del ciclón emitida por el IMD. A continuación, se ejecuta el modelo de inteligencia artificial de Sunny Lives para estas áreas para generar las puntuaciones de riesgo.

El equipo de SEEDS tenía claro que el tipo de edificio desempeñaba un papel importante en la predicción del efecto de un desastre en él. Por ejemplo, una casa de concreto y una vivienda con techo de paja enfrentarían una diferencia en el impacto de un ciclón, incluso cuando estén ubicadas una al lado de la otra. El modelo se desarrolló a partir del deseo de codificar este conocimiento para que la evaluación del riesgo de desastres se pudiera escalar ampliamente.

El equipo de ciencia de datos de Microsoft y el socio tecnológico Gramener utilizó el aprendizaje automático para automatizar el proceso de identificación de viviendas y sus tipos. Se utilizaron imágenes satelitales de asentamientos de bajos ingresos, altamente densos y vulnerables en la India para identificar 7 categorías diferentes de viviendas, incluidos techos de lona, ​​techos de láminas de metal, techos de tejas inclinadas de doble cara, etc.

El modelo de inteligencia artificial se entrenó en 15.000 edificios de asentamientos de bajos ingresos, muy densos y vulnerables de Puri y Mumbai. Los 15.000 edificios se etiquetaron para construir el conjunto de datos de entrenamiento para el modelo de inundación de IA. Ahora se está realizando un ejercicio similar para las ciudades de Dehradun y Gangtok mientras se adapta el modelo para evaluar los riesgos de terremotos.

Sunny Lives se implementó a escala por primera vez durante el ciclón Yaas en mayo de 2021. El modelo se ejecutó para Puri en Odisha, según el cual SEEDS llegó a más de 1,000 familias identificadas como de alto riesgo. Se compartieron avisos que describían los pasos a seguir en caso de evacuación y también sugirieron medidas de bajo costo para reducir

Garg dijo que las encuestas de impacto posteriores al desastre destacaron que el 97 por ciento de las familias encontraron la información útil y pudieron reducir las pérdidas y tomar medidas preventivas durante el ciclón. “Además, recientemente concluimos alrededor de 1.500 estudios de verificación en tierra en Puri que ayudarán a analizar y mejorar aún más la precisión del modelo”, dijo Garg.

Un modelo de inteligencia artificial como Sunny Lives ofrece una posibilidad infinita de escalar a través de geografías urbanas y se está adaptando para múltiples peligros. La implementación del modelo a escala a través de colaboraciones es el próximo enfoque clave para SEEDS. “Hemos reunido mucho interés de varias autoridades gubernamentales estatales y estamos llegando a muchas más. Nuestra visión es integrar el uso del modelo para la adaptación al cambio climático y la gestión de desastres de manera que se comprenda el riesgo hiperlocal de las comunidades y se pongan en práctica vías para su protección y resiliencia ”, dijo Garg.

La solución de las empresas tecnológicas para el recuento de CO2

Las principales empresas de todo el mundo se han comprometido a detener el cambio climático. Estas empresas se enfrentan al desafío de cuantificar sus emisiones y comprender la mejor manera de mitigar la crisis del cambio climático. En respuesta a esto, varias empresas de tecnología han ideado soluciones para ayudar a las empresas a prepararse y responder a los riesgos climáticos.

El equipo de Salesforce creó Salesforce Sustainability Cloud con la misión de realizar un seguimiento de las emisiones. Sustainability Cloud tiene un precio de $ 4,000 (aproximadamente Rs. 3 lakh) al mes. Microsoft también ofrece una vista previa de una herramienta para calcular las emisiones llamada Microsoft Cloud for Sustainability. Su objetivo es que esté disponible a mediados de 2022.

IBM también presentó recientemente un conjunto de software de inteligencia ambiental que utiliza IA para ayudar a las organizaciones a prepararse y responder a los riesgos climáticos. El equipo de IBM dijo que la suite ayudará a las empresas que la han implementado a evaluar más fácilmente su impacto en el planeta y reducir la complejidad del cumplimiento normativo y los informes.

“Queríamos facilitar a las empresas la gestión y el conocimiento del riesgo que afecta a sus operaciones comerciales y actuar de manera diferente para minimizar los riesgos”, dijo Gargi Dasgupta, director de IBM Research, India.

La suite utiliza datos meteorológicos existentes de diversas fuentes para recopilar y compilar datos. IBM dijo en su publicación de blog que la suite es una solución de software como servicio (SaaS) diseñada para ayudar a las organizaciones a monitorear las condiciones ambientales disruptivas, predecir los impactos potenciales del cambio climático, priorizar los esfuerzos de mitigación y respuesta, y medir e informar sobre iniciativas ambientales. . IBM Environmental Intelligence Suite utiliza las innovaciones impulsadas por la inteligencia artificial de IBM Research.

Shantanu Godbole, el líder técnico del equipo de investigación global de IBM, dijo que mientras evaluaban cómo la tecnología afectaría el cambio climático, se enfocaron en dos áreas: mitigación y adaptación. “La mitigación trabaja para ayudar a las organizaciones a alcanzar sus objetivos de emisión neta de carbono cero, optimizar sus emisiones y hacer que sus procesos comerciales sean más sostenibles”, dijo.

Godbole agregó que el enfoque de su equipo en términos de adaptación era ayudar a las empresas a adaptarse a condiciones climáticas extremas. “La previsión meteorológica se realiza hasta una o dos semanas en el futuro. No hay datos disponibles en la escala de seis meses o tres años más adelante. Ese es un horizonte que es un área de oportunidad importante desde una perspectiva de planificación y toma de decisiones. Creemos que las empresas necesitan tener tecnología para ayudar a tomar decisiones en esos momentos ”, dijo Godbole.


Los enlaces de afiliados se pueden generar automáticamente; consulte nuestra declaración de ética para obtener más detalles.

Leave a Comment