La inteligencia artificial acelera la investigación climática y permite decisiones más rápidas frente a la crisis ambiental

La inteligencia artificial (IA) está transformando la investigación climática al permitir procesar datos y obtener resultados con una rapidez inédita, en un contexto de condiciones extremas y recortes de financiación que amenazan la ciencia en Estados Unidos y otras regiones.

Para los expertos, el uso de esta tecnología representa un avance significativo, aunque también plantea riesgos que exigen supervisión humana constante.

Desde la recopilación de datos marinos hasta la predicción de fenómenos meteorológicos, los investigadores utilizan la IA para automatizar tareas rutinarias y complejas, mejorando la precisión de los análisis y facilitando la toma de decisiones informadas por parte de responsables políticos y científicos.

Procesamiento de datos y eficiencia científica

Según Ángel Borja, biólogo del centro de investigación marina AZTI en el norte de España, la IA permite procesar grandes volúmenes de información de manera mucho más rápida. “Nos permitirá procesar datos y obtener resultados mucho más rápido, para que quienes toman decisiones también puedan actuar con mayor rapidez”, afirmó Borja a Bloomberg.

En expediciones científicas que abarcan desde el fondo de los océanos hasta áreas remotas de la Antártida, los modelos de IA catalogan información en cuestión de horas, una tarea que antes requería semanas o meses de trabajo humano. Esto incluye datos sobre calidad del agua, presencia de diferentes especies de peces y plancton, y otras variables ambientales críticas.

Los modelos de IA generan además notas de investigación que permiten a los científicos identificar qué información contiene la base de datos y cómo está estructurada, facilitando la selección de conjuntos de datos relevantes para sus estudios.

Aplicaciones en investigación marina

En el centro AZTI, los investigadores están incorporando millones de datos recopilados durante tres décadas, que incluyen información sobre calidad del agua, presencia de distintas especies de peces y plancton.

Los modelos de IA generan notas de investigación automáticas, que indican qué información contiene la base de datos y cómo está estructurada, lo que facilita a los científicos decidir qué conjuntos de datos utilizar en sus estudios.

Además, los sistemas entrenados con videos e imágenes submarinas reconocen automáticamente diferentes especies marinas. Antes, los científicos debían visualizar cientos de horas de grabaciones y registrar manualmente la aparición y abundancia de cada especie.

Según Ángel Borja, biólogo de AZTI, “Nos permitirá obtener conclusiones más rápidas sobre el estado del medio marino en ciertos lugares”, comentó el biólogo Ángel Borja a Bloomberg.

La IA libera tiempo para que los investigadores se concentren en interpretar los datos y brindar información útil a los responsables políticos, por ejemplo, para establecer cuotas de pesca y áreas marinas protegidas.

Borja destacó que esta transformación tecnológica no reemplaza a los científicos: “Estamos avanzando mucho porque la IA realiza tareas rutinarias que nos llevaban muchas horas, y ahora podemos centrarnos en interpretar esos datos”.

Mejora de las previsiones meteorológicas

Modelos como Aurora, desarrollado por Microsoft, superan a los sistemas de predicción tradicionales en precisión y eficiencia. Entrenado con más de un millón de horas de datos geofísicos, Aurora puede anticipar la trayectoria de ciclones tropicales, olas y la calidad del aire, superando en el 91 % de sus objetivos a distintos sistemas tradicionales.

Un portavoz de Microsoft Research señaló que estos modelos permiten explorar cientos de veces más escenarios de cambio climático, facilitando el descubrimiento de nuevos conocimientos a gran escala.

Ciencia ciudadana asistida por IA

Proyectos de ciencia ciudadana también se benefician de la combinación de humanos y IA. En el Reino Unido, un modelo desarrollado por la Universidad de Aberdeen y Bumblebee Conservation Trust identificó especies de abejorros a partir de fotos enviadas por voluntarios.

El investigador Nirwan Sharma explicó a Bloomberg que, a medida que el modelo aprende, reduce la cantidad de personas necesarias para la identificación correcta de especies de diez a tres.

Además, el sistema permite determinar las plantas donde se fotografiaron los abejorros, brindando recomendaciones sobre plantación según las especies observadas.

“Gran parte del conocimiento sobre cómo identificar especies está retenido en revistas científicas o en lugares de difícil acceso para las personas. La IA es otro elemento que mejora nuestro aprendizaje; es un medio para dialogar con ese conocimiento”, señaló Sharma.

Riesgos y limitaciones de la IA

Algunos científicos advirtieron sobre los riesgos del uso de IA generativa. Jonathan Foley, director ejecutivo de Project Drawdown, afirmó que estas técnicas “por definición se basan en el plagio (aunque en un sentido estadístico) y a menudo fabrican información, citas, datos y contenido creativo”.

Project Drawdown limita la utilización de IA a tareas sencillas como revisión gramatical, formato de documentos y extracción de información de fuentes dispersas. La supervisión humana sigue siendo esencial para garantizar la precisión y la confiabilidad de los resultados científicos.