Utilizando datos globales de uso de la tierra y almacenamiento de carbono de los últimos 175 años, los investigadores de la Universidad de Texas en Austin y Cognizant AI Labs han capacitado un sistema de inteligencia synthetic para desarrollar soluciones de política ambiental óptimas que puedan avanzar en las iniciativas de sostenibilidad international de las Naciones Unidas. La herramienta de IA equilibra efectivamente varias compensaciones complejas para recomendar formas de maximizar el almacenamiento de carbono, minimizar las interrupciones económicas y ayudar a mejorar el medio ambiente y la vida cotidiana de las personas, según un artículo publicado hoy en la revista. Ciencia de datos ambientales.
El proyecto se encuentra entre las primeras aplicaciones de la resiliencia del proyecto respaldado por la ONU, un equipo de científicos y expertos que trabajan para abordar los problemas globales de augumentación de decisiones, incluidos los ambiciosos objetivos de desarrollo sostenible en esta década, a través de un esfuerzo más amplio llamado AI para el bien. La Universidad de Texas en el científico informático de Austin, Risto Miikkulainen, que ayudó a lanzar la resiliencia del proyecto, cree que el nuevo enfoque de IA, inicialmente enfocado en el uso de la tierra, puede abordar un conjunto aún mayor de desafíos, desde enfermedades infecciosas hasta inseguridad alimentaria, con inteligencia synthetic potencialmente descubriendo mejores soluciones que los humanos.
“Siempre hay un resultado para el que quieres optimizar, pero siempre hay un costo”, dijo. En medio de todas las compensaciones, la IA puede albergar vías inesperadas hacia resultados deseables a diversos costos, ayudando a los líderes a elegir selectivamente batallas y obtener mejores resultados.
La salsa secreta del sistema de investigadores es la IA evolutiva. Inspirado en el proceso de selección pure en sistemas biológicos, este enfoque computacional comienza con unas pocas docenas de escenarios de política y predice cómo cada escenario afectará varios costos económicos y ambientales. Luego, como una versión digital de supervivencia del más apto, las combinaciones de políticas que no equilibran bien las compensaciones se matan bien, mientras que las mejores pueden reproducirse, dando lugar a la descendencia híbrida. Las mutaciones aleatorias también se rocían para ayudar al sistema a explorar nuevas combinaciones más rápido. Luego, el proceso se repite, ganando malos artistas y manteniendo lo mejor, en cientos o miles de escenarios. Al igual que la evolución biológica, las “generaciones” de escenarios se vuelven cada vez más optimizadas para un conjunto de prioridades.
El equipo usó dos herramientas: un conjunto de datos globales de uso de la tierra recientemente se retrocede y un modelo que correlaciona el uso de la tierra con los flujos de carbono. Primero, utilizaron estos datos para capacitar a un modelo de predicción para correlacionar la ubicación, el uso de la tierra y el carbono con el tiempo. En segundo lugar, desarrollaron un modelo de prescripción para ayudar a los tomadores de decisiones a encontrar estrategias óptimas de uso de la tierra para reducir el cambio climático.
Las recomendaciones del sistema AI a veces sorprendieron al equipo. Aunque se sabe que los bosques son buenos para almacenar carbono, el modelo de prescripción de IA ofreció un enfoque más matizado que convertir la mayor cantidad de tierra posible en bosques, independientemente de la ubicación. Por ejemplo, descubrió que reemplazar las tierras de cultivo con el bosque es mucho más efectivo que reemplazar la tierra de rango (que incluye desiertos y pastizales). Además, en normal, el mismo cambio de uso de la tierra en una latitud no arrojó los mismos beneficios que en otra latitud. En última instancia, el sistema recomendó que se asignaran cambios más grandes a ubicaciones donde importaba más; En esencia, es más efectivo elegir tus batallas.
“Obviamente puedes destruir todo y plantar bosques, y eso ayudaría a mitigar el cambio climático”, dijo Daniel Younger, investigador de Cognizant AI Labs y Ph.D. Estudiante en UT Austin. “Pero habríamos destruido hábitats raros y nuestro suministro de alimentos y ciudades. Por lo tanto, necesitamos encontrar un equilibrio y ser inteligentes sobre dónde hacemos cambios”.
Los investigadores han convertido su modelo en una herramienta interactiva que los tomadores de decisiones como los legisladores pueden usar para explorar cómo los incentivos, como los créditos fiscales para los propietarios, probablemente alteren el uso de la tierra y reducirían el carbono.
Se estima que las actividades de uso de la tierra, incluida la agricultura y la silvicultura, son responsables de casi una cuarta parte de todas las emisiones de gases de efecto invernadero causados por los humanos. Los expertos creen que se necesitarán cambios inteligentes en el uso de la tierra para reducir la cantidad de carbono en el aire y, por lo tanto, lenta el cambio climático. Según Miikkulainen y Younger, AI ofrece opciones que las personas, las empresas y los gobiernos, de lo contrario, resisten al cambio pueden encontrar más fácil de aceptar.
Se presentó una versión anterior del documento en una importante conferencia de aprendizaje automático y neurociencia computacional, Neurips, donde ganó el premio “Mejor vía para impactar” en el taller de cambio climático.
Los otros autores en el periódico son Olivier Francon, Elliot Meyerson, Clemens Schwingshackl, Jakob Bieker, Hugo Cunha y Babak Hodjat.
