Cinco formas en que la IA puede ayudar al medio ambiente pese a su alto consumo energético – AP News

Informe: La Inteligencia Artificial como Herramienta para los Objetivos de Desarrollo Sostenible

Introducción: El Doble Impacto de la IA en la Sostenibilidad

La tecnología de inteligencia artificial (IA) presenta una dualidad en el contexto del desarrollo sostenible. Por un lado, su implementación a gran escala genera una considerable demanda de recursos hídricos y energéticos, lo que plantea desafíos para la consecución de los Objetivos de Desarrollo Sostenible (ODS). Por otro lado, la IA ofrece un potencial significativo para optimizar procesos, mejorar la eficiencia energética y reducir la contaminación, alineándose directamente con las metas de la Agenda 2030.

Desafíos Ambientales de la IA y su Implicación en los ODS

El crecimiento exponencial de la IA impone una presión notable sobre los recursos naturales, lo que podría obstaculizar el progreso en varios ODS clave.

• Consumo Energético: Según la Agencia Internacional de Energía, los centros de datos que alimentan la IA representaron el 1.5% del consumo mundial de electricidad en el último año.
• Proyección de Crecimiento: Se prevé que este gasto energético se duplique para 2030.
• Impacto en ODS 7 y ODS 13: Este incremento podría intensificar la dependencia de combustibles fósiles, lo que contraviene los principios de ODS 7 (Energía Asequible y No Contaminante) y acelera los efectos adversos del cambio climático, afectando directamente al ODS 13 (Acción por el Clima).

Aplicaciones de la IA en Apoyo a los Objetivos de Desarrollo Sostenible

A pesar de sus desafíos, la capacidad de procesamiento y análisis de la IA se está aplicando en diversas áreas para fomentar la sostenibilidad y avanzar en la agenda de los ODS.

1. Eficiencia Energética en Edificaciones (ODS 7, ODS 11)

La IA puede transformar la gestión de edificios para reducir su huella de carbono, contribuyendo a la creación de ciudades y comunidades sostenibles.

1. Gestión Automatizada: Ajusta automáticamente sistemas de iluminación, ventilación, calefacción y refrigeración basándose en datos en tiempo real.
2. Mantenimiento Predictivo: Monitorea equipos para predecir fallos, optimizando su funcionamiento y vida útil, lo cual apoya el ODS 11 (Ciudades y Comunidades Sostenibles).
3. Reducción de Consumo: Estas automatizaciones pueden disminuir el consumo energético de un edificio entre un 10% y un 30%, promoviendo el ODS 7.

2. Optimización de la Carga de Vehículos Eléctricos (ODS 7, ODS 11)

La IA facilita una integración más inteligente de la movilidad eléctrica en la red energética.

• Programación Eficiente: Determina los momentos óptimos para la carga de vehículos, priorizando horarios de baja demanda o de alta disponibilidad de energías renovables.
• Alineación con ODS: Esta práctica apoya directamente la transición hacia una energía más limpia (ODS 7) y fomenta una infraestructura de transporte sostenible en los centros urbanos (ODS 11).

3. Reducción de Emisiones en la Industria de Hidrocarburos (ODS 12, ODS 13)

La aplicación de IA en el sector del petróleo y gas puede mitigar significativamente su impacto ambiental.

• Control de Metano: La IA ayuda a reducir la quema y ventilación de metano, un potente gas de efecto invernadero, mediante la simulación y optimización de la presión en gasoductos.
• Contribución a los ODS: Esta reducción es crucial para el ODS 13 (Acción por el Clima) y fomenta patrones de producción más responsables, en línea con el ODS 12 (Producción y Consumo Responsables).

4. Impulso a la Energía Geotérmica (ODS 7)

La IA está acelerando la identificación y explotación de fuentes de energía renovable.

1. Modelado del Subsuelo: Se utilizan modelos de IA para analizar datos geológicos y localizar puntos de actividad geotérmica con alta precisión.
2. Desbloqueo de Recursos: Esta tecnología permite descubrir y aprovechar reservorios geotérmicos que antes eran inviables, contribuyendo directamente a la diversificación de la matriz energética bajo el ODS 7.

5. Gestión Inteligente del Tráfico Urbano (ODS 11, ODS 13)

La optimización del flujo vehicular mediante IA tiene un impacto directo en la calidad del aire y la eficiencia del transporte.

• Sincronización de Semáforos: Proyectos como “Green Light” de Google utilizan IA para ajustar los tiempos de los semáforos, reduciendo el tráfico intermitente hasta en un 30%.
• Reducción de Emisiones: La mejora en la fluidez del tráfico puede disminuir las emisiones de gases de efecto invernadero en un 10%, apoyando las metas del ODS 11 y el ODS 13.

Conclusión y Perspectivas

El balance entre el consumo de recursos de la inteligencia artificial y sus beneficios para la sostenibilidad es un factor crítico. Si bien su huella energética es una preocupación que debe ser abordada, las aplicaciones actuales demuestran un potencial considerable para compensar su propio impacto. El desarrollo continuo de algoritmos más eficientes y su aplicación estratégica en sectores clave serán determinantes para que la IA se consolide como un aliado fundamental en la consecución de los Objetivos de Desarrollo Sostenible a nivel global.

1. ¿Qué Objetivos de Desarrollo Sostenible (ODS) se abordan o están conectados con los temas destacados en el artículo?

• ODS 7: Energía Asequible y no Contaminante

  Este es el ODS más relevante del artículo. Se aborda tanto el aspecto negativo del consumo de energía de la IA (“los centros de datos necesarios para alimentar la IA representaron alrededor del 1,5% del consumo mundial de electricidad”) como el positivo, donde la IA se utiliza para mejorar la eficiencia energética en edificios, optimizar la carga de vehículos eléctricos y descubrir nuevas fuentes de energía renovable como la geotérmica.

• ODS 13: Acción por el Clima

  El artículo conecta directamente el consumo de energía de la IA con el cambio climático, mencionando que el aumento del gasto energético “podría hacer que se quemen más combustibles fósiles como el carbón y el gas, que liberan gases de efecto invernadero que contribuyen al aumento de las temperaturas”. Todas las soluciones propuestas, como la reducción de emisiones de metano, la optimización del tráfico y la eficiencia en edificios, son medidas directas de acción climática para mitigar estos efectos.

• ODS 11: Ciudades y Comunidades Sostenibles

  Se discuten varias aplicaciones de la IA que impactan directamente en la sostenibilidad urbana. Por ejemplo, el uso de la IA para hacer los edificios más eficientes energéticamente y para programar los semáforos (“Proyecto Green Light”) con el fin de reducir las emisiones de los vehículos y mejorar la calidad del aire en las ciudades.

• ODS 9: Industria, Innovación e Infraestructura

  El artículo se centra en la inteligencia artificial como una tecnología innovadora. Muestra cómo esta innovación se puede aplicar para modernizar la infraestructura (edificios, redes eléctricas, sistemas de tráfico) y hacer que industrias tradicionales, como la del petróleo y el gas, sean más sostenibles al “reducir la quema y ventilación de metano”.

• ODS 12: Producción y Consumo Responsables

  El tema de la eficiencia es central en este ODS. El artículo describe cómo la IA puede promover un uso más eficiente de los recursos naturales, específicamente la energía. La optimización de la carga de vehículos eléctricos para usar energía en momentos de menor demanda o mayor disponibilidad de renovables es un claro ejemplo de gestión sostenible y consumo responsable.

• ODS 6: Agua Limpia y Saneamiento

  Aunque se menciona de forma breve al inicio (“La inteligencia artificial ha generado preocupación por su enorme consumo de agua y energía”), este ODS está conectado con el problema inicial que plantea el artículo, destacando el impacto ambiental integral de la tecnología de IA más allá de la energía.

2. ¿Qué metas específicas de los ODS se pueden identificar en función del contenido del artículo?

1. Meta 7.3: Duplicar la tasa mundial de mejora de la eficiencia energética

   El artículo ofrece múltiples ejemplos de cómo la IA contribuye a esta meta. Se menciona explícitamente que la automatización con IA puede “reducir el consumo de energía de un edificio entre un 10% y un 30%”, lo que representa una mejora directa en la eficiencia energética.

2. Meta 7.2: Aumentar considerablemente la proporción de energía renovable

   Se identifica esta meta en dos áreas. Primero, en el uso de la IA por parte de la empresa Zanskar para “encontrar puntos de actividad geotérmica pasados por alto”, lo que ayuda a desarrollar una fuente de energía renovable. Segundo, en la optimización de la carga de vehículos eléctricos para que coincida con los momentos “en que había más energía renovable disponible” en la red.

3. Meta 11.6: Reducir el impacto ambiental negativo per cápita de las ciudades

   El “Proyecto Green Light” de Google aborda directamente esta meta al utilizar la IA para optimizar los semáforos, lo que “puede reducir el tráfico de paradas y arranques hasta en un 30%, lo que reduce las emisiones en un 10% y mejora la calidad del aire” en los centros urbanos.

4. Meta 9.4: Modernizar la infraestructura y reconvertir las industrias para que sean sostenibles

   El uso de la IA por parte de Geminus AI para ayudar a las empresas de petróleo y gas a “reducir la quema y ventilación de metano” es un ejemplo claro de reconversión de una industria para que sea más sostenible y ambientalmente racional, utilizando la tecnología para limpiar sus procesos.

5. Meta 13.2: Incorporar medidas relativas al cambio climático en las políticas, estrategias y planes

   Las soluciones descritas en el artículo, como la reducción de emisiones de metano (un gas de efecto invernadero “responsable de aproximadamente el 30% del calentamiento global actual”) y la disminución de emisiones del tráfico, son estrategias tecnológicas que pueden ser incorporadas en planes nacionales y corporativos para combatir el cambio climático.

3. ¿Hay algún indicador de los ODS mencionado o implícito en el artículo que pueda usarse para medir el progreso hacia los objetivos identificados?

1. Indicador 7.3.1: Intensidad energética medida en términos de energía primaria y PIB

   El artículo proporciona datos cuantificables que se relacionan directamente con la mejora de la intensidad energética. La afirmación de que la IA puede “reducir el consumo de energía de un edificio entre un 10% y un 30%” es una métrica directa del progreso hacia una mayor eficiencia energética en el sector de la construcción.

2. Indicador 11.6.2: Niveles medios anuales de partículas finas en las ciudades

   Aunque no se mencionan las PM2.5 directamente, el artículo implica este indicador al afirmar que el “Proyecto Green Light” de Google puede reducir las emisiones del tráfico en un 10%, lo que “mejora la calidad del aire”. La reducción de emisiones de vehículos es un factor clave para disminuir los niveles de partículas finas en el aire urbano.

3. Indicador 7.2.1: Proporción de la energía renovable en el consumo final total de energía

   El éxito de la empresa Zanskar al descubrir “un reservorio geotérmico no explotado” y un nuevo sitio en Nevada gracias a su modelado de IA contribuye directamente a aumentar la capacidad de generación de energía renovable, lo que a su vez incrementaría la proporción de esta en el consumo total.

4. Indicador 9.4.1: Emisiones de CO₂ por unidad de valor añadido (implícito para gases de efecto invernadero)

   El artículo se enfoca en la reducción de metano, un potente gas de efecto invernadero. Al mencionar que la IA ayuda a las empresas de petróleo y gas a “reducir la quema y ventilación de metano”, se implica una reducción de las emisiones de gases de efecto invernadero por unidad de producción en esa industria, lo cual está alineado con el espíritu de este indicador.

4. Tabla de ODS, metas e indicadores

Fuente: apnews.com