El pronóstico del tiempo es un campo notoriamente desafiante, pero es un esfuerzo que se está volviendo cada vez más vital para el funcionamiento diario de nuestro planeta. El cambio climático está intensificando la escala y la devastación de los desastres naturales, desde incendios forestales y tifones hasta inundaciones y ciclones. Saber exactamente cuándo y dónde ocurre un desastre (o, incluso, recibir un aviso con unas pocas horas de anticipación) puede cambiar drásticamente el resultado para las poblaciones afectadas.
En este campo, Microsoft ve tanto una oportunidad para hacer el bien como un nicho lucrativo para asegurar para su servicio de computación en la nube Azure. A través de su AI para la Tierra programa, que cubrimos por última vez durante su lanzamiento en 2017, la compañía ha compilado una serie de ofertas en lo que denomina una “computadora planetaria”. Esas ofertas incluyen API para identificar objetos, así como especies de plantas y animales. Ofertas de AI for Earth subsidios para que los científicos y otros usuarios utilicen Azure en su propia investigación y modelado. El programa se suma a otras iniciativas en la nube de Microsoft, como AI for Health e AI for Accessibility.
Me he estado concentrando en todos los aspectos de la pila de respuesta a desastres durante los últimos meses, así que tenía curiosidad por saber cómo funcionaba la llamada computadora planetaria y dónde están las barreras para un mejor modelado de los desastres naturales. Bruno Sánchez-Andrade Nuño, director de programa del proyecto, me dijo que las ambiciones del proyecto siguen siendo tan fuertes como siempre.
“El objetivo es tener una computadora planetaria para ayudar a todos a administrar los ecosistemas de la tierra, ya que esa es la única forma de ser eficiente cuando ocurre un desastre”, dijo. Si bien el programa se centra en “reducción, respuesta y recuperación”, es la etapa de respuesta la que se vuelve más interesante, ya que las decisiones deben tomarse lo más rápido posible.
Sánchez-Andrade Nuño señaló que la IA ha avanzado tremendamente rápido en los últimos años, particularmente en dominios relevantes para el medio ambiente. “La IA no necesita tantos datos como mucha gente piensa”, dijo. “Ha habido mucho progreso con los algoritmos de reentrenamiento … [and] Trabajamos mucho para incorporar a las personas para que comprendan la inteligencia artificial y cómo se puede construir un aprendizaje profundo extremadamente eficiente. [model]. “
Un gran desafío para la aplicación de la IA a los sistemas terrestres es simplemente la cantidad de disciplinas necesarias para congregarse para que el modelado sea exitoso. Sin embargo, muchas disciplinas se mantienen alejadas unas de otras, y ninguna brecha es más amplia que entre científicos e investigadores de IA. Sánchez-Andrade Nuño ve una oportunidad para que el programa involucre continuamente a todas las partes en la lucha contra algunos de los desafíos más difíciles que enfrenta el planeta.
Hay “diferentes dinámicas debido a diferentes incentivos: en la comunidad científica hay un incentivo para crear más conocimiento, [but] para los modeladores, [they want to] cree buenas respuestas rápidamente ”, explicó. “¿Cómo se pueden tomar decisiones rápidamente en condiciones de incertidumbre?”
Una forma de cerrar esa brecha es a través de lo que denominó “mejora de las habilidades” u ofrecer más capacitación en inteligencia artificial a los científicos. “Todo es parte de la misma estrategia … de ayudar a las personas a realizar análisis ambientales más rápido y mejor”, dijo. En ninguna parte es tan difícil como en el análisis geoespacial. “Las computadoras son realmente buenas en una dimensión … no son muy buenas con cosas que están cerca unas de otras”. Señaló que originalmente se había formado en astrofísica, pero se perfeccionó en GIS (sistemas de información geográfica).
El esfuerzo involucrado en mejorar las habilidades avanzadas de inteligencia artificial ha disminuido a medida que las bibliotecas se han expandido y los modelos comunes de inteligencia artificial se comportan bien y también tienen materiales educativos prodigiosos disponibles para comprenderlos. “Solías necesitar un doctorado, y hoy, necesitas 10 líneas de código”, dijo.
Sin embargo, ese poder creciente está llevando a la gente a creer que la IA puede resolver todos los problemas planetarios. No puede, o si es optimista, aún no puede. “Estamos tratando de reducir la exageración de la IA”, dijo. “Si no sabe qué es la IA, no confiará en lo que es”. El programa ha enfatizado la explicabilidad en muchas de sus iniciativas, de modo que los científicos y los investigadores de IA juntos puedan comprender los resultados que surgen de los modelos.
Esa misión está cada vez más alineada con las agencias gubernamentales relevantes. Recientemente, el programa AI for Earth firmó una asociación con el Centro de Investigación y Desarrollo de Ingenieros del Ejército de los EE. UU. para mejorar el sistema de monitoreo costero de la agencia.
En última instancia, hay una madurez cada vez mayor en muchos modelos, incluso si hay más trabajo por hacer. “En este momento, diría yo, todavía estamos en la fase de entresuelo”, dijo Sánchez-Andrade Nuño. “Muchos procesos necesitan mucho procesamiento ad-hoc del que deberíamos”. La buena noticia es que cada vez más personas entran en el campo e intentan conectar los puntos y, en el proceso, mejorar las capacidades de respuesta a desastres del mundo.
Source link