Investigación de IA para el cambio climático y la sostenibilidad ambiental: desafíos y perspectivas.

Predecir con precisión la evolución del clima y anticipar eventos climáticos extremos es un desafío, particularmente debido a la heterogeneidad de los datos. La inteligencia artificial y el aprendizaje automático podrían ayudar a afrontar la crisis climática. Teniendo esto en cuenta, Claire Monteleoni, científica del centro Inria de París, creó un proyecto en equipo de Inria dedicado a estas cuestiones con IA. Descubramos más sobre los desafíos y objetivos de su investigación sobre IA para afrontar la crisis climática.

La ciencia del clima es un campo extremadamente rico en datos, como nos recuerda Claire Monteleoni:

Los modelos de simulación climática, que se basan en la física, han generado una asombrosa cantidad de datos. Algunos científicos del clima estiman que hay más datos simulados por modelos disponibles que todos los datos satelitales de observación de la Tierra.

El desafío del big data para enfrentar el cambio climático

El aumento del número de estaciones meteorológicas, radares, globos meteorológicos y satélites significa que cada vez hay más información sobre los cambios en los niveles del agua en los océanos, el derretimiento de los glaciares, la salud de los bosques y los cambios en la composición de la atmósfera. Los datos de observación también incluyen información que se remonta a miles de años atrás (lo que se conoce como paleoclimatología), basada en el análisis de archivos naturales como núcleos de hielo, anillos de árboles, corales, foraminíferos y polen.

Mientras tanto, los modelos climáticos basados en la física han resultado extremadamente útiles para comprender y predecir el cambio climático. Basados en modelos matemáticos muy complejos, toman la forma de simulaciones por ordenador a gran escala en las que geofísicos, climatólogos y meteorólogos “codifican” sus conocimientos. Además de ser heterogéneos, todos estos conjuntos de datos (observados y simulados) son variables tanto en el tiempo como en el espacio.

A pesar de los enormes volúmenes de datos, todavía existe mucha incertidumbre sobre el cambio climático y sus impactos a corto y largo plazo. Por ejemplo, pronosticar fenómenos meteorológicos extremos repentinos sigue siendo un desafío, especialmente a nivel local.

IA para afrontar el cambio climático

Cuadrículas atmosféricas globales centradas en la ubicación de la tormenta: campos de viento (u y v) y altura geopotencial (z): la trayectoria de una tormenta depende de flujos atmosféricos a gran escala. Extrajimos los campos de viento en U y en V en una cuadrícula de 25 × 25 ° centrada en la ubicación actual de la tormenta, en tres niveles de presión atmosférica (700, 500 y 225 hPa). La idea es capturar los movimientos del aire en los diferentes niveles de la troposfera: bajo, medio y alto. (Giffard-Roisin et al., 2020).

Claire Monteleoni es muy consciente de los problemas relacionados con el big data. Llegó al centro Inria de París en enero de 2023 en el marco del programa Choose France de la estrategia nacional de IA lanzada por el presidente Macron en 2018. El objetivo de Claire Monteleoni es crear un nuevo equipo de científicos en el campo de la investigación de la inteligencia artificial para afrontar el cambio climático – IA para afrontar la crisis climática.

Aparte de los volúmenes difíciles de manejar de datos, los científicos se han topado con otros problemas, incluida la falta de datos disponibles en ciertas partes del mundo. Como explica Claire Monteleoni, para determinadas regiones se recogen muchos datos, pero para otras son limitados. La IA no solo podría ayudar a los científicos a anticipar los cambios venideros al llenar los vacíos en los datos, sino que también podría brindar apoyo a las autoridades locales cuando se trata de desarrollar nuevas estrategias de adaptación al cambio climático.

Informática climática: una disciplina emergente para el futuro

Claire Monteleoni ha sido una especie de pionera en lo que respecta a combinar el aprendizaje automático y la ciencia climática. En 2008 asistió a un seminario celebrado en la Columbia University por Gavin Schmidt, un destacado científico de la NASA que deseaba generar un debate sobre los enormes volúmenes de datos y la necesidad de colaborar con la informática. Claire planteó la siguiente pregunta durante su charla: “¿Has probado el aprendizaje automático para estos problemas?” Fue una buena pregunta. Después de todo, el aprendizaje automático (que junto con los métodos de optimización y estadística proporciona las bases algorítmicas para gran parte de la inteligencia artificial moderna) ya había demostrado su valor para la previsión, incluso en el mercado de valores, combinando predicciones de múltiples expertos. También se estaba volviendo cada vez más común en la industria y la medicina. Entonces, ¿por qué no utilizar estos métodos para combinar las predicciones de los modelos climáticos empleados por el IPCC (Panel Intergubernamental sobre Cambio Climático)?

Esta fue la idea planteada por Claire y Gavin, y sus resultados fueron discutidos posteriormente por el IPCC. En una conferencia de la NASA en California en 2010, su artículo recibió el premio al mejor artículo (Monteleoni et al., 2010). Luego, en 2011, fundaron la Conference on Climate Informatics, que reunió a una red internacional de científicos para formar una nueva comunidad de investigación llamada informática climática – climate informatics.

El aprendizaje automático es la clave para desbloquear conocimientos sobre las enormes cantidades de datos climáticos existentes.

Claire cree que la IA es la forma más rentable de aprender de los enormes volúmenes de datos que ya se han recopilado, ya sea mediante simulaciones digitales u observados mediante sensores remotos y mediciones in situ. Mientras tanto, una ventaja del aprendizaje automático es que, cuantos más datos haya para analizar, mejor será el rendimiento de la IA.

Leído en:

Inria