La IA acelera el desarrollo de las soluciones de sostenibilidad

¿Sabías que en el 2030 el mundo necesitará una capacidad de batería más de 90 veces mayor, una reducción del 25 % en la intensidad de carbono del acero y una capacidad de eliminación de carbono 30 veces más duradera que la del año 2020? Estos son algunos de los profundos desafíos que solo se pueden superar con nuevos materiales, procesos y productos sostenibles. Sin embargo, como expliqué en el video anterior, hay un problema. Los modelos actuales para desarrollar e implementar soluciones sostenibles pueden ser muy lentos y costosos. Veamos, por ejemplo, el desarrollo de materiales nuevos, como los bajos en carbono o los que pueden absorberlo. IBM Research estimó que, en promedio, se requieren cerca de 10 años y entre 10 y cien millones de dólares para descubrir un material nuevo con propiedades útiles específicas. Dado el ritmo al que el mundo necesita adoptar la sostenibilidad, esto puede parecer desalentador, pero las herramientas de IA ya descubren esto de forma más rápida y asequible. Ayudan a los investigadores a recopilar y analizar conjuntos de datos masivos; a generar y probar hipótesis; a diseñar, optimizar y automatizar experimentos y a descubrir perspectivas y teorías nuevas. Te daré dos ejemplos solo para mostrar lo eficaces que pueden ser estos modelos de descubrimiento científico para acelerar la implementación de soluciones de sostenibilidad. Primero, los sistemas alimentarios mundiales enfrentan cada vez más riesgos por el cambio climático, una creciente demanda por el aumento de la población y cambios demográficos. Mientras tanto, los sistemas alimentarios agrícolas en todo el mundo representan casi un tercio de todas las emisiones de gases de efecto invernadero. Esto plantea un gran desafío. Para 2050, en condiciones climáticas menos favorables, la producción alimentaria mundial deberá subir un 50 %, comparado con el presente y, al mismo tiempo, las emisiones tendrán que reducirse a casi cero. Las nuevas variedades de cultivos serán una pieza clave para enfrentar este desafío. Pero los métodos tradicionales para mejorar los cultivos son lentos, ya que, en general, se necesitan entre 7 y 12 años para crear variedades nuevas. La IA se está usando para acelerar este proceso. Con la ayuda de la IA, los investigadores descubren cultivos más resistentes al clima mediante el análisis de conjuntos de datos grandes y complejos, la detección de marcadores genéticos asociados a rasgos beneficiosos y la simulación de cómo reaccionarán las plantas a los factores de estrés ambiental. Las baterías son otro ejemplo. Las baterías son esenciales para almacenar y suministrar energía para las fuentes solares, eólicas y otros tipos de energías renovables. Sin embargo, las baterías actuales requieren materiales escasos y costosos, como el litio. La IA se está usando para acelerar el descubrimiento de materiales nuevos para baterías, y los investigadores pueden buscar entre millones de posibles candidatos, predecir sus propiedades y rendimiento, así como identificar a los más prometedores para pruebas y desarrollo. Por ejemplo, en Pacific Northwest National Labs, los investigadores, en colaboración con Microsoft, usaron herramientas de IA para limitar millones de posibles materiales de batería nuevos a solo algunos candidatos prometedores en menos de una semana, un proceso de selección que podría haber llevado más de 20 años con los métodos de investigación tradicionales. Estos ejemplos solo abordan superficialmente el tema. Desde ayudar a encontrar nuevos catalizadores que permitan producir hidrógeno verde y materiales industriales de bajo carbono a bajo costo, o incluso acelerar la llegada de la fusión nuclear, las posibilidades son infinitas. Dada la escala y el ritmo del cambio que el mundo necesita, el potencial de la IA para transformar los avances científicos marca un antes y un después.