Nova aliada en la lluita contra el canvi climàtic
La IA generativa requereix deu vegades més energia que els algorismes tradicionals
Google i Microsoft admeten un consum energètic superior al de més de 100 països
La IA ja s’utilitza per predir el temps, rastrejar icebergs, reciclar residus i detectar plàstic a l’oceà
En un món cada cop més amenaçat pel canvi climàtic, la intel·ligència artificial (IA) emergeix com una eina prometedora en la lluita per protegir el medi ambient. Des de la predicció de patrons climàtics fins a l’optimització de l’ús de recursos naturals, la IA està millorant com abordem els reptes ambientals globals. Aquesta tecnologia, però, suscita preguntes sobre el seu propi impacte ecològic.
La Universitat Politècnica de Catalunya (UPC) lidera diversos projectes innovadors que combinen IA i sostenibilitat. Un d’ells, desenvolupat en col·laboració amb l’Agència Catalana de l’Aigua, utilitza algorismes d’aprenentatge automàtic per predir i gestionar els nivells d’aigua als embassaments catalans. Segons Jordi Cortés, investigador principal del projecte, “els nostres models han millorat l’eficiència en la gestió hídrica en un 15% els últims dos anys”.
En l’àmbit internacional, el projecte AI for Earth de Microsoft marca la diferència, amb un pressupost de 50 milions de dòlars i donant suport a organitzacions que usen la IA per afrontar desafiaments ambientals. Un cas d’èxit és el de la Wildlife Conservation Society, que usa la visió per computador per monitorar poblacions d’animals en perill d’extinció. Amb aquesta tecnologia, s’ha augmentat un 30% l’eficàcia de conservació a l’Àfrica subsahariana.
El govern del Regne Unit s’ha sumat a aquesta tendència. El seu programa AI for Decarbonisation, llançat el 2022, destina 1,5 milions de lliures esterlines a projectes amb IA per reduir les emissions de carboni. Un dels projectes més cridaners és un sistema d’IA que optimitza la xarxa elèctrica nacional, reduint les pèrdues d’energia un 7% i augmentant la integració d’energies renovables.
La NASA i el Centre de Supercomputació de San Diego lideren projectes d’IA aplicada a la detecció d’incendis forestals i la lluita per combatre’ls. Aquestes tecnologies ajuden a predir l’evolució de les flames i generar mapes de risc per millorar la prevenció i resposta a emergències.
Eines d’IA que rastrejaven icebergs ara s’utilitzen per detectar plàstic a l’oceà, per contribuir a la neteja i protecció dels ecosistemes marins. Aquesta tecnologia és clau per combatre la contaminació plàstica, un dels grans reptes ambientals d’avui.
El Barcelona Supercomputing Center va presentar l’any passat un projecte d’IA en la gestió de la qualitat de l’aire en zones urbanes amb l’obtenció de mapes horaris de concentracions de NO2 a nivell de carrer.
Les prediccions sobre l’impacte futur de la IA en la lluita contra el canvi climàtic són optimistes. Un informe recent de PwC estima que l’aplicació de la IA en sectors clau com l’energia, el transport i l’agricultura podria reduir les emissions globals de gasos d’efecte hivernacle fins a un 4% per al 2030, equivalent a 2,4 gigatones de CO2.
Un dels principals punts de debat és l’impacte ambiental del desenvolupament i entrenament dels sistemes d’IA. Segons un estudi publicat a la revista Nature el 2022, l’entrenament d’un sol model d’IA de gran escala pot generar fins a 284 tones de CO2, equivalent a les emissions de 5 cotxes durant tota la seva vida útil.
A més, el consum d’aigua associat als centres de dades necessaris per entrenar i executar aquests models és significatiu. Un informe de l’organització Uptime Institute revela que un centre de dades mitjà pot consumir fins a 300.000 litres d’aigua al dia per a la refrigeració dels seus sistemes.
La situació s’agreuja amb l’auge de la IA generativa. Segons dades recents, la IA generativa requereix deu vegades més energia que els algorismes tradicionals. Això ha portat a un augment dramàtic del consum energètic de les grans empreses tecnològiques. Google i Microsoft, per exemple, van reportar cadascuna un consum energètic de 24 terawatts/hora el 2023, una xifra superior al consum total d’electricitat de més de 100 països, incloent-hi Jordània, Islàndia, Ghana, la República Dominicana i Tunísia.
L’analista Michael Thomas ha comparat aquestes dades amb la demanda d’electricitat de tots els països del món, concloent que tant Google com Microsoft es troben ara entre Líbia i l’Azerbaidjan en termes de consum energètic. Aquesta realitat planteja serioses preguntes sobre la sostenibilitat del desenvolupament actual de la IA.
Davant d’aquesta realitat, diverses veus del sector demanen un desenvolupament més sostenible de la IA. Algunes empreses ja estan prenent mesures en aquesta direcció. Google, per exemple, ha anunciat que utilitzarà energies 100% renovables per alimentar els seus centres de dades a partir del 2030. A més, ha elaborat un pla anomenat “les quatre M” per afrontar la demanda energètica de la IA, que inclou millorar l’eficiència tant del hardware com dels models d’aprenentatge automàtic, i instal·lar els centres de dades en llocs amb abundant energia renovable i aigua per a la refrigeració dels servidors.
Per la seva banda, IBM està desenvolupant una nova generació de xips d’IA que prometen ser fins a 100 vegades més eficients energèticament que els actuals. Google DeepMind també ha presentat recentment una arquitectura que requereix 10 vegades menys computació.
Malgrat aquests esforços, les grans empreses tecnològiques estan tenint dificultats per complir els seus compromisos de sostenibilitat. Microsoft ha revelat un augment de les seves emissions del 31% des del 2020, i Google ha experimentat un increment del 48% durant els últims cinc anys. Ambdues empreses s’han marcat l’objectiu d’assolir zero emissions per a finals d’aquesta dècada, però l’auge de la IA fa dubtar sobre la viabilitat d’aquest objectiu.
La IA s’està convertint en una eina fonamental en la lluita contra el canvi climàtic i la protecció del medi ambient. Des de la gestió de recursos naturals fins a la predicció de fenòmens climàtics extrems, la IA ofereix solucions innovadores a alguns dels reptes més urgents. Les aplicacions actuals i futures en àmbits com l’economia circular i la neteja d’oceans seran importants, però caldrà fer front als reptes ambientals associats al seu desenvolupament perquè sigui veritablement sostenible.
Ideogram: crea imatges conceptuals amb un sol clic
Ideogram genera imatges conceptuals i visuals a partir de descripcions textuals. És coneguda per la seva capacitat de crear representacions visuals de conceptes abstractes, facilitant la comprensió d’idees complexes. És ideal per a aplicacions en educació, màrqueting, disseny de productes i visualització de conceptes teòrics. Els usuaris simplement introdueixen descripcions textuals i l’eina usa models d’IA per transformar-los en imatges conceptuals, oferint una manera innovadora de comunicar i explicar idees. És especialment útil per a professors, professionals de màrqueting i dissenyadors.
Leonardo: creació d’art digital a l’abast de tothom
Leonardo facilita la creació d’art digital i visual a partir de descripcions textuals. Permet generar il·lustracions per a llibres, dissenys per a projectes creatius i contingut visual per a màrqueting, oferint una solució eficient per a la producció de material visual de qualitat. Utilitzant models de llenguatge avançats, Leonardo interpreta les descripcions textuals dels usuaris i genera imatges creatives que compleixen les especificacions donades. Amb Leonardo, es poden transformar idees en art digital impressionant de manera ràpida i senzilla. És una eina és ideal per a artistes, dissenyadors i professionals del màrqueting.
Diccionari
Reconeixement de veu
El reconeixement de veu és la tecnologia que fa que les màquines puguin entendre i interpretar el llenguatge parlat pels humans. Utilitza tècniques d’aprenentatge profund per convertir el so en text, cosa que facilita aplicacions com ara assistents virtuals, transcripció automàtica i control per veu. És una part clau del processament del llenguatge natural.
Regressió
La regressió és una tècnica d’aprenentatge automàtic utilitzada per predir valors continus basats en una o més variables independents. El model més comú és la regressió lineal, que troba la relació lineal entre les variables. La regressió s’utilitza en molts camps, com per exemple l’economia, la biologia i l’enginyeria, per modelar i predir tendències.
Sistemes experts
Els sistemes experts són programes d’intel·ligència artificial dissenyats per emular la presa de decisions d’un expert humà en un camp específic. Utilitzen regles basades en coneixements per analitzar dades i proporcionar recomanacions o diagnòstics. Són utilitzats en medicina, finances i altres àrees on es requereix un alt nivell de coneixement especialitzat.
Sèrie temporal
Una sèrie temporal és una seqüència de dades recollides en intervals de temps successius. L’anàlisi de sèries temporals s’utilitza per identificar tendències, estacionalitats i patrons cíclics, i això permet fer prediccions futures. És determinant en camps com la meteorologia, les finances i la producció industrial per entendre l’evolució de fenòmens al llarg del temps.
