Temps de Lectura: 4 minuts
CaixaBank
09 Maig, 2022
Científics i tecnòlegs d’arreu del món han trobat en la intel·ligència artificial una gran ajuda per intentar que la Terra sigui un bon lloc per viure-hi, tant per a nosaltres com per a les pròximes generacions.
De la monitorització d’espècies beneficioses per als oceans a l’estudi de la criosfera, la intel·ligència artificial és un poderós aliat a l’hora de preservar el planeta. T’ho expliquem amb exemples.
La llista d’animals en perill d’extinció és enorme. Segons la IUCN Red List, aproximadament dos de cada cinc amfibis corren aquest risc avui dia. Passa ben bé el mateix amb els taurons, les ratlles i les quimeres: tres de cada deu estan amenaçats com a espècie.
Evitar una extinció massiva és una tasca titànica en què la intel·ligència artificial ja ens dona un cop de mà. Monitorar, recollir imatges i etiquetar milers d’animals en perill d’extinció és una tasca massa feixuga per fer-la a mà, però no tant si la intel·ligència artificial n’accelera els processos.
A això es dedica la plataforma Wildbook, que fa servir algoritmes per accelerar els descobriments científics. Ja ha aconseguit seguir la pista a 10.000 taurons balena que resisteixen solcant els mars. Són animals essencials per preservar la salut dels oceans, un concepte íntimament lligat al canvi climàtic. Per això és tan important saber quants n’hi ha, com viuen o cap a on van.
Per preservar recursos escassos i fonamentals com ara l’aigua, el primer que cal fer és conèixer-ne l’estat. Si, a més a més, aquest coneixement ajuda a fer prediccions més precises per desenvolupar polítiques i conservar entorns com la selva, el seu valor es multiplica.
Aquesta és la idea després del projecte SOS Mata Atlântica, que usa les eines de machine learning que Microsoft posa a disposició de la innovació mediambiental en el seu programa AI for Earth. En el cas de SOS Mata Atlântica, la intel·ligència artificial aconsegueix que el granet de sorra que aporta un voluntari augmenti de valor de manera exponencial.
En aquest projecte, que es desenvolupa a la selva atlàntica del Brasil, els voluntaris recullen mostres d’aigua a centenars de punts diferents. Totes aquestes mostres s’avaluen i se’ls assigna una puntuació de la qualitat de l’aigua. L’ús de machine learning ajuda els analistes a pronosticar canvis en la qualitat de l’aigua i també a identificar patrons valuosos per al seu estudi.
En compartir amb la comunitat aquest coneixement adquirit, juntament amb les tendències i els pronòstics, és més senzill influir en les polítiques públiques per, d’una banda, aprofitar millor els recursos hídrics i, de l’altra, fer el mateix amb la selva.
És pràcticament impossible trobar dos vidres de neu iguals i passa ben bé el mateix amb les capes de gel i de neu de la criosfera, un concepte que inclou tots els llocs congelats del planeta.
Cada glacera o iceberg és diferent i, a més, conèixer-los costa molt perquè accedir-hi acostuma a ser molt complicat. Tanmateix, cal estudiar-ne les dinàmiques per controlar una de les majors amenaces per al futur del planeta: l’augment del nivell del mar causat per un gel que cada cop es fon més ràpidament.
Com es poden observar llocs totalment inhòspits i als milions d’éssers microscòpics que hi viuen? El Dr. Joseph Cook, de l’Institut de Ciències Biològiques, Mediambientals i Rurals (IBERS) de la Universitat d’Aberystwyth (Regne Unit), es va proposar aconseguir-ho i es va basar en algoritmes d’intel·ligència artificial per fer-ho.
Mitjançant l’ús de drons, imatges per satèl·lit i intel·ligència artificial, Cook i el seu equip han aconseguit traçar mapes precisos de superfícies gelades úniques a l’Antàrtida per predir a quin ritme es fondrà cadascuna d’elles. També han descobert unes algues diminutes que acceleren el ritme al qual es fon el gel. Aquest descobriment és important perquè, fins aleshores, es desconeixia per complet que la vida microscòpica podia contribuir a l’augment del nivell del mar.
Són molts els països que mantenen compromisos mediambientals, com ara reduir les emissions de gasos amb efecte d’hivernacle. Tanmateix, una cosa és dir-ho i una altra molt diferent fer-ho. Com es pot saber qui compleix realment amb els objectius i qui només diu que els compleix?
Novament, la intel·ligència artificial arriba al rescat del planeta. En aquest sentit, el projecte Climate Trace usa algoritmes d’intel·ligència artificial i eines de machine learning per fer estimacions sobre emissions pràcticament en temps real. Ho fa analitzant imatges per satèl·lit i dades procedents de sensors.
Els càlculs d’aquest sistema són força exactes, raó per la qual poden ajudar els països que compleixen els seus compromisos a distingir-se dels altres amb una acreditació ben sòlida.
