El camino a seguir por la IA para que sea un Bien Social

Artículo publicado en La Vanguardia

El camino a seguir por la inteligencia artificial para que sea un bien social

En paralelo a la definición de los ODS, se ha desarrollado un movimiento global al que pertenezco que destaca el potencial de los datos y la inteligencia artificial (IA) para medir y acelerar la consecución de los ODS. En este breve articulo aporto algunas pinceladas al respecto, ilustrando la rica intersección entre la IA y los ODS a través de una selección de estos últimos:

Fin de la pobreza y el hambre

Las técnicas de IA se han usado para analizar automáticamente transacciones satelitales, móviles o digitales y así inferir la pobreza o los niveles socioeconómicos, en especial en países en desarrollo donde la información censal es limitada. Asimismo, los sistemas de apoyo a la toma de decisiones basados IA podrían informar las decisiones públicas relativas a los programas de erradicación de la pobreza tanto para medir el éxito de dichos programas como para guiar la asignación de recursos en función de los niveles estimados actuales y previstos de pobreza en diferentes regiones.

Los datos meteorológicos, satelitales, demográficos y socioeconómicos se han analizado utilizando técnicas de IA para realizar una detección temprana del hambre en países en desarrollo. La demanda de alimentos en áreas afectadas por desastres naturales y el rendimiento de los cultivos se puede predecir a partir de datos climáticos y agrícolas, a veces combinados con datos satelitales. Las especies invasoras y las plagas se pueden reconocer automáticamente en imágenes con técnicas de IA, así como la identificación y recomendación de cultivos según las características del suelo.

Al respecto, hay dos conceptos emergentes y relevantes: agricultura de precisión y agricultura inteligente, que se centran en aprovechar los datos capturados por una variedad de sensores y tecnología de vanguardia para optimizar el rendimiento de los cultivos al tiempo que preservan los recursos. Según la FAO, la agricultura inteligente se refiere al uso de tecnología digital –incluidos sensores de internet de las cosas, drones autónomos, robots para alimentar al ganado y técnicas de IA para analizar los datos capturados por los sensores– para mejorar los sistemas de producción agrícola.

Buena salud y bienestar

La intersección entre datos, IA y salud es rica y llena de oportunidades. En general, los métodos de IA redefinen la medicina desde al menos tres perspectivas:

1. Acelerando el descubrimiento y diseño de tratamientos y vacunas efectivos, que permiten la predicción de resultados esperados y efectos secundarios, además de automatizar el descubrimiento de nuevos compuestos farmacológicos y el plegamiento de proteínas.

2. Ayudando en la toma de decisiones clínicas relacionadas, por ejemplo, con el diagnóstico de cáncer, covid o tuberculosis en pruebas radiológicas, proporcionando potencialmente comentarios y diagnósticos expertos a pacientes donde los expertos humanos podrían no estar disponibles; mejorar el embarazo, el posparto y la atención infantil y, por tanto, prevenir las muertes; y predecir la eficacia de los tratamientos o la probabilidad de necesitar cuidados intensivos.

Las ciudades inteligentes dependen de la IA, con dispositivos para medir y optimizar el consumo de energía, los niveles de reciclaje, la contaminación, la recolección de basura…

3. Apoyando la formulación de políticas relacionadas con la salud pública, incluida la salud mental y las enfermedades infecciosas, como la malaria, la gripe, el ébola y la covid, mediante el análisis de datos multidimensionales capturados por la infraestructura de la red móvil, las plataformas de redes sociales y los sensores generalizados.

Además, la mayor disponibilidad de dispositivos portátiles a precios asequibles (p.ej., pulseras de actividad, relojes inteligentes…) permite la recopilación de datos a gran escala sobre las actividades diarias, los hábitos de sueño y las señales fisiológicas, que, analizados a través de técnicas de IA, podrían ser extremadamente valiosos en el diagnóstico precoz de enfermedades y en una medicina personalizada, preventiva y predictiva.

De hecho, dicha medicina no se alcanzará sin el uso de técnicas de IA aplicadas a datos genómicos, conductuales, contextuales (p.ej., contaminación, clima) y médicos.

Educación de calidad

La IA tiene el potencial de contribuir a la educación de varias maneras. Primero, permitiendo una personalización de la experiencia de aprendizaje, pasando de un modelo educativo generalista, de uno a muchos, a un modelo individual, de uno a uno. Los sistemas inteligentes de tutoría (ITS) a través de agentes de soft¬ware, chatbots o robots sociales pueden personalizar tanto el contenido como las estrategias utilizadas para enseñar a los estudiantes, para maximizar su aprendizaje. Además, las interfaces educativas inteligentes permiten la detección temprana de estudiantes con diversidad funcional física o cognitiva y proporcionan las herramientas necesarias para ayudarlos a aprender de manera más efectiva. En segundo lugar, se utilizan métodos de IA para permitir una gestión académica más eficiente (por ejemplo, crear automáticamente los horarios para los profesores, apoyar a los profesores en la calificación, proporcionar soporte 24/7 a través de chatbots, etcétera) y para evaluar la calidad de la educación.

Sin embargo, los riesgos potenciales del uso de la IA en la educación tendrían que estudiarse más a fondo. Incluyen la violación de la privacidad, la manipulación subliminal de los comportamientos de los estudiantes a través de algoritmos personalizados, diferentes tipos de discriminación, la falta de veracidad de los sistemas de generación de texto como el ChatGPT, el impacto de la IA generativa en los métodos de aprendizaje y evaluación, y los posibles efectos negativos en la salud física y mental de los estudiantes junto con su desarrollo conductual.

Energía asequible y limpia

La IA tiene un papel fundamental que desempeñar en este ODS. Las redes energéticas inteligentes dependen de la IA para predecir la demanda y optimizar su mantenimiento y funcionamiento, y para aumentar su eficiencia a través de la detección automática de fallos y ciberataques y la predicción de su carga. Los robots semiautónomos o autónomos se usan para inspeccionar y mantener plantas de energía renovable, de modo que podrían colocarse en lugares remotos o peligrosos, pero con perspectivas óptimas de producción de energía.

La aplicación de la IA en la ingeniería nuclear ha sido limitada hasta la fecha. Sin embargo, algoritmos de IA pueden utilizarse para predecir el comportamiento de los reactores nucleares, realizar el mantenimiento predictivo de las infraestructuras nucleares o mejorar los modelos de riesgo de incendio.

La IA también es un aliado valioso para predecir fenómenos meteorológicos extremos y su impacto, como lluvias intensas, granizo, incendios forestales, inundaciones o terremotos

Finalmente, hay numerosos ejemplos de cómo los métodos de IA basados en datos son facilitadores clave para crear sistemas eficientes de energía renovable (eólica, solar, geotérmica, hidroeléctrica, oceánica, bioenergía e híbrida) al proporcionar predicciones precisas del comportamiento esperado de la fuente de energía renovable y, por lo tanto, permitir la optimización de los sistemas de generación de energía.

Ciudades y comunidades sostenibles

Las ciudades inteligentes dependen de la IA. Existen numerosas iniciativas en todo el mundo para hacerlas realidad, incluidos proyectos que analizan los datos capturados por dispositivos de la internet de las cosas para medir y optimizar el consumo de energía, los niveles de reciclaje, la contaminación y la recolección de basura en las ciudades.

La seguridad urbana es un área crítica que contribuye a la calidad de vida en las ciudades y que no ha escapado al impacto de la IA para detectar y predecir automáticamente los puntos críticos de delincuencia en las ciudades.

Técnicas de IA pueden ayudar a mejorar la planificación urbana mediante la estimación de la densidad urbana a partir de imágenes aéreas, informando decisiones relacionadas con la planificación de carreteras y transporte público, detectando incidentes de tráfico y prediciendo las condiciones futuras del tráfico o las necesidades de movilidad.

Los sistemas de transporte urbano inteligentes solo son posibles gracias a los métodos de IA, que conducen a un transporte público más seguro, inclusivo y eficiente. Asimismo, los vehículos comerciales modernos aprovechan la IA para aumentar la seguridad en las intersecciones, detectar el tráfico entrante y los peatones, evitar colisiones –p.ej., detectando conductores desatentos–, prediciendo maniobras del conductor, prediciendo los comportamientos de los peatones o advirtiendo a los conductores cuando invaden otros carriles, y ayudando a los conductores en condiciones climáticas adversas.

Producción y consumo responsables

La IA permite el desarrollo de sistemas de producción inteligentes que minimizan el consumo de energía, anticipan la demanda, detectan fallos de fabricación, automatizan tareas y realizan evaluaciones sistemáticas para detectar áreas de mejora. Además, métodos de IA pueden utilizarse para predecir y regular mejor los flujos de transporte, para ayudar a planificar rutas de transporte público más eficientes y para desplegar vehículos autónomos para pasajeros y carga terrestre, ferrocarril o incluso transporte aéreo. Los gemelos digitales también se pueden utilizar para optimizar los sistemas de producción.

Por su lado, los patrones de consumo pueden predecirse con algoritmos de IA permitiendo que los sistemas de producción sean más eficientes con un exceso mínimo de producción. Por ejemplo, con técnicas de IA se pueden crear automáticamente mapas de uso de la tierra para proporcionar una imagen más precisa del estado y el uso real de los recursos naturales o, por ejemplo, para estimar el impacto de la tala en los bosques, optimizar los procesos de tala y garantizar su sostenibilidad.

Asimismo, métodos de IA pueden aprovecharse para predecir residuos sólidos en municipios y, por lo tanto, permitir una planificación más eficiente. Finalmente, el consumo socialmente responsable y el comportamiento de eliminación de residuos se pueden inferir automáticamente a través de algoritmos de IA, y esta información podría usarse para fomentar y reforzar los comportamientos de los consumidores que contribuyen a la sostenibilidad.

Acción por el clima

El potencial de la IA para ayudar a abordar la emergencia climática es incuestionable. De hecho, no podremos combatir el cambio climático sin la ayuda de la IA. Sus métodos se utilizan para modelar el clima y el tiempo, identificar patrones y hacer predicciones precisas basadas en el análisis de conjuntos de datos meteorológicos y climáticos multidimensionales. Además de utilizarse para crear modelos y predicciones climáticas más precisos, la IA también puede aplicarse para mejorar los sistemas de modelización meteorológica de última generación permitiendo, por ejemplo, el etiquetado automático de los datos climáticos.

La IA también ha demostrado ser un aliado valioso para predecir fenómenos meteorológicos extremos y su impacto, como lluvias intensas, granizo, incendios forestales, inundaciones y terremotos y para permitir una respuesta más eficiente y rápida a los desastres naturales. Drones autónomos –guiados por la IA– pueden usarse para controlar el calor y prevenir incendios y para buscar sobrevivientes en inundaciones y terremotos.

Más allá de la aplicación directa de técnicas de IA para modelar y predecir el clima, sus métodos pueden aplicarse a industrias o sectores que tienen un impacto ambiental negativo para permitir la reducción de las emisiones de gases de efecto invernadero.

Por el contrario, los sistemas de IA basados en datos tienen una contribución significativa sobre la huella de CO2. que debería medirse y mitigarse sistemáticamente y que constituye uno de los retos de los sistemas actuales de IA.

Limitaciones, barreras y conclusión

A pesar de esta inmensa oportunidad, la realidad de hoy está lejos de esta visión. Hasta la fecha, ha habido pocos ejemplos exitosos de sistemas del mundo real que aprovechen sistemáticamente los datos a gran escala y los métodos de IA para ayudar a los humanos a tomar mejores decisiones para el bien social. En este contexto, es preciso considerar cinco tipos de barreras que limitan o impiden el uso de la IA para el desarrollo sostenible de modo seguro y ético: 1. políticas y regulatorias; 2. tecnológico-científicas; 3. de gobernanza y ética; 4. económicas, y 5. medioambientales/climáticas.

La IA nos ofrece una oportunidad única para el bien social, para garantizar no solo la sostenibilidad de nuestras sociedades y nuestro planeta, sino nuestra propia supervivencia. Este potencial solo se convertirá en una realidad con cooperación internacional y ambiciosas inversiones que aborden también los retos y barreras que plantea la IA. Como dijo Theodore Roosevelt: “A veces, es necesaria una revolución”.