escuchá el podcast

Casos inspiradores: cuidar nuestro planeta con inteligencia artificial

La degradación ambiental representa un riesgo para el bienestar futuro de la especie humana. En el aula, esta problemática suele ser una fuente de inspiración para que los y las estudiantes desarrollen competencias y conocimientos, a través de estrategias como el Aprendizaje Basado en Proyectos (ABP) o el Aprendizaje Por Indagación (API). Aquí mostramos cómo las tecnologías exponenciales pueden colaborar con la resolución de problemas reales.

Al igual que el resto de los seres que viven en el planeta, los humanos necesitamos consumir recursos naturales -el aire, el agua, el suelo que ocupamos- que son esenciales para nuestra salud y bienestar. Y aún así las actividades humanas muchas veces dañan y ponen en peligro al ambiente. ¿Cómo podemos cuidar tanto territorio? Eso es algo que recién estamos aprendiendo a hacer como especie, pero por suerte disponemos de tecnologías que, combinadas, pueden servir justo para eso.

En los últimos años se ha vuelto de verdad fácil acceder a una avalancha de datos que llegan desde satélites artificiales que observan la Tierra con cámaras y sensores. Y gracias a la inteligencia artificial -en concreto, al llamado aprendizaje automático o machine learning- podemos sacarles valor. Esta tecnología nos permite procesar imágenes de forma automática, con programas que pueden buscar cualquier evento u objeto de interés en miles o en millones de imágenes disponibles, sin cansarse ni quejarse. Así podemos analizar inmensos territorios desde el espacio, poniendo a los algoritmos a resolver tareas que le tomarían años a una persona.

En Argentina tenemos especialistas usando su ingenio para cuidar nuestro planeta con inteligencia artificial, así que aprovechemos para contar las experiencias de tres proyectos inspiradores.

Computadoras que mapean áreas incendiadas

Una de las consecuencias del cambio climático es la ocurrencia más frecuente de gigantescos incendios en territorios naturales, situación que se agrava por el aumento de las altas temperaturas y sequías. Para atender a las regiones afectadas por los grandes incendios -brindando asistencia a la población local, sanando el territorio dañado, y tomando medidas para prevenir futuros incidentes-, es esencial conocer con exactitud la extensión del territorio quemado. Ésta es una tarea que la inteligencia artificial puede resolver de forma eficiente empleando machine learning.

Dymaxion Labs es una empresa argentina de tecnología que desarrolla técnicas de inteligencia artificial para análisis de imágenes satelitales. El proceso que crearon para realizar mapas de grandes áreas quemadas se puede resumir como una receta para aplicar aprendizaje automático.

Implementación

El primer paso es el preprocesamiento, en el que los insumos se dejan listos para ser analizados por un programa de computadora. En el caso de las imágenes satelitales, esto incluye señalar las áreas que queremos que el programa aprenda a identificar (o sea, un primer mapa hecho por expertos humanos).

Luego se realiza el entrenamiento. En este paso, el programa revisa las imágenes satelitales pedacito a pedacito, “aprendiendo” cuáles son los patrones -colores, texturas, formas, etc- que coinciden con las áreas de interés que los expertos humanos han indicado. El resultado: un modelo entrenado (también llamado algoritmo). Es algo así como una ecuación matemática que, a partir de los datos de una imagen, indica qué partes muestran terreno quemado.

Con el modelo entrenado se puede realizar la etapa de predicción, en la que al programa se le muestran imágenes nuevas -que no había “visto” nunca- para que indique, o prediga, dónde aparecen los terrenos que aprendió a identificar.

Y como último paso, el post-procesamiento, que consiste en convertir los resultados de una predicción, que se parecen a un montón de números y coordenadas, en un formato útil para nosotros, los seres humanos. Por ejemplo, un mapa donde se pintan de rojo las áreas afectadas por los incendios.

Logros

El equipo de Dymaxion Labs pudo mapear los daños producidos por los incendios en el Delta del Río Paraná durante los últimos años. Esta receta, en líneas generales, sirve para entender cómo se realiza cualquier proyecto de análisis de imágenes usando inteligencia artificial.

Play

Habla Aylen Sorribes Científica de datos

Ficha técnica

Nombre del proyecto: Dymaxion Labs Toolkit aplicado a combatir los incendios forestales

Institución a cargo: Dymaxion Labs

Año de presentación: 2022

Integrantes: Aylén Sorribes, María Roberta Devesa

Drones inspectores de basura

La basura que generamos cada día, sobre todo quienes vivimos en ciudades, es un gran problema que todavía no sabemos cómo resolver. Producimos más desperdicios de los que podemos recuperar antes de que causen daño a nuestro ambiente.

Al identificar el tratamiento de residuos urbanos como un problema urgente en la gestión pública, la Fundación Bunge y Born convocó a un equipo especializado para crear un sistema que, a partir de imágenes tomadas desde el cielo, permita contar con la información clave que suele faltar: nada menos que dónde están los megabasurales y qué tienen adentro. Luego de este primer paso, el equipo comenzó a trabajar con la ciudad de Mendoza para avanzar con la detección de la basura que se acumula en lotes más pequeños.

Implementación

El equipo del proyecto desarrolló un sistema de IA que permite detectar grandes basurales a cielo abierto, analizando imágenes satelitales mediante el uso de aprendizaje automático. El sistema logró buenos resultados identificando los megabasurales en el Área Metropolitana de Buenos Aires (AMBA), y ahora se está aplicando para realizar un seguimiento continuo de su evolución.

Los basurales gigantescos fueron un excelente primer sujeto de pruebas, porque su extensión los hace visibles desde el espacio. Sin embargo, para poder detectar la basura que se acumula en lotes más pequeños (los microbasurales), no alcanzaba la resolución de las imágenes satelitales disponibles al público.

Por eso, la Fundación se alió con la ciudad de Mendoza, que cuenta con un equipo dedicado a la innovación en gestión ambiental, para crear una versión del algoritmo de detección de basurales capaz de trabajar con fotografías de muy alta resolución, capturadas desde drones. ¡Y funcionó!

Logros

Aún cuando el Municipio ya contaba con estudios exploratorios de microbasurales en los sectores críticos de su territorio, como la zona del Piedemonte, con este nuevo algoritmo logró profundizar el monitoreo para diseñar un mejor plan de acción.

Con la implementación de inteligencia artificial se logró generar, con bajo costo y de forma sostenible en el tiempo, información de calidad que se necesita para tomar decisiones.

Una innovación adicional del sistema de detección es que ha “aprendido” a determinar incluso el contenido de los basurales: si se componen en particular de plásticos, maderas, escombros, etc. Esto resulta clave para que la ciudad pueda estimar dónde están y cuáles son los materiales que pueden ser recuperados, convirtiendo a la basura en un insumo valioso para la planta de reciclaje local.

Play

Habla Sebastián Fermani Subsecretario de Ambiente y Desarrollo Sostenible de la Ciudad de Mendoza

Ficha técnica

Nombre del proyecto: Implementación de inteligencia artificial para la gestión integral de microbasurales en el Piedemonte de la Ciudad de Mendoza

Institución a cargo: Municipalidad de Mendoza y Fundación Bunge y Born

Año de presentación: 2022

Integrantes: Sebastian Fermani, Silvina Lopez Lopez, Florencia Strugo, Gerardo Graña, Victoria Huerta, Antonio Vazquez Brust, Leandro Rodríguez

Monitor para cuidar selvas y bosques nativos

La pérdida de bosques y selvas, que se aceleró con la llegada de la industrialización y la expansión de la agricultura, tiene un costo ambiental muy alto: reduce la biodiversidad del mundo, disminuye la fertilidad del suelo y altera el equilibrio del ciclo del agua propiciando tanto inundaciones como sequías.

En Argentina existen varias organizaciones y equipos de profesionales trabajando para monitorear la pérdida de bosque nativo de forma continua. Tal es el caso de Factor Data, el laboratorio de Ciencias Sociales Computacionales de la Universidad Nacional de San Martín (UNSAM), que trabaja en esta problemática con inteligencia artificial.

Implementación

El Sistema de Alerta Temprana de Deforestación (SAT) es un reporte de situación renovado en forma continua que fue impulsado con la aprobación de la llamada “Ley de Bosques” de 2007. Para ayudar a sistemas con el de SAT a detectar de forma rápida y precisa deforestación de bosques nativos, Laia Domenech, estudiante de Sociología y parte de Factor Data, desarrolló un nuevo algoritmo.

Mediante una serie de instrucciones y cálculos, una computadora procesa la información capturada por satélites que son capaces de “ver” la luz emitida desde la Tierra en varias frecuencias, incluso las que los seres humanos no podemos percibir.

Esta luz llega al satélite con distinta intensidad de acuerdo a la cantidad y salud de la vegetación en el suelo. A partir de este registro se puede comparar imágenes de distintos períodos, para descubrir cuándo y dónde desaparece la vegetación de zonas de bosques nativos.

Logros

El modelo de Domenech permite seguir la evolución de los bosques a lo largo del tiempo, y ahora está trabajando en una versión refinada que permita detectar cambios con una precisión geográfica cada vez más alta.

Play

Habla Laia Domenech Burin Asistente de investigación de Factor Data

Ficha técnica

Nombre del proyecto: Mapeo de desmontes en bosques nativos de Argentina

Institución a cargo: Factor Data, IDAES (Instituto de Altos Estudios Sociales) UNSAM

Año de presentación: 2022

Integrantes: Laia Domenech, Germán Rosati

De aquí al futuro

La salud de nuestro planeta, que a la larga es nuestra propia salud, depende más que nunca de nuestra capacidad para cambiar. Cambiar para dejar atrás costumbres y actividades que ponen en riesgo al ambiente, y para encontrar nuevas formas de prosperar que no consuman de forma irreversible los recursos naturales.

Si sabemos aprovecharlas, las tecnologías exponenciales pueden ser una herramienta clave para cuidar nuestro ambiente a gran escala y con mucha eficacia. Conocer cómo son utilizadas hoy por diferentes equipos de trabajo para resolver problemas medioambientales, puede ser inspirador para los y las estudiantes en el aula. Por ejemplo, el análisis de este tipo de proyectos puede abrir nuevas preguntas o invitar a pensar soluciones del mismo tipo para otros problemas específicos de cada comunidad.

Estamos lejos de haber encontrado hasta dónde puede llegar la inteligencia artificial en su capacidad para resolver problemas. Pero decidir qué hacer dependerá, como siempre, de nuestro ingenio.

Antonio Vazquez Brust

Antonio Vazquez Brust es Licenciado en Sistemas, Especialista en Planificación Urbana y Regional, y Magíster en Ciencia de Datos aplicada al urbanismo. Su área de interés es el análisis computacional con grandes volúmenes de datos, aplicado a extraer conocimiento que resulte en mejores políticas públicas. Es fellow investigador en la Fundación Bunge y Born. Colabora con ONGs, gobiernos y organismos multilaterales... Ver más

Compartir