La IA podría quedarse corta en el cambio climático debido a conjuntos de datos sesgados, según un estudio.

Estudio IA puede fallar en cambio climático por datos sesgados.

Entre los muchos beneficios de la inteligencia artificial promocionados por sus defensores se encuentra la capacidad potencial de la tecnología para ayudar a resolver el cambio climático. Si este es realmente el caso, los cambios drásticos recientes en la IA no podrían haber llegado en mejor momento. Este verano, las pruebas han seguido acumulándose de que la Tierra ya está pasando de calentarse a hervir.

Sin embargo, tan intensa como ha sido la expectación en torno a la IA en los últimos meses, también existe una larga lista de preocupaciones que la acompañan. Su posible uso para difundir desinformación, junto con problemas potenciales de discriminación, privacidad y seguridad.

Además, investigadores de la Universidad de Cambridge, en el Reino Unido, han descubierto que los sesgos en los conjuntos de datos utilizados para entrenar modelos de IA podrían limitar su aplicación como una herramienta justa en la lucha contra el calentamiento global y su impacto en la salud planetaria y humana.

Como suele ocurrir en casos de sesgo global, se trata de una cuestión de Norte Global vs. Sur Global. Con la mayoría de los datos recopilados por investigadores y empresas con acceso privilegiado a la tecnología, los efectos del cambio climático se verán, inevitablemente, desde una perspectiva limitada. Como tal, la IA sesgada tiene el potencial de tergiversar la información climática. Es decir, los más vulnerables sufrirán las consecuencias más graves.

Llamado a conjuntos de datos globalmente inclusivos

En un artículo titulado “Aprovechando la inteligencia humana y artificial para la acción climática a nivel planetario”, publicado en la prestigiosa revista Nature, los autores admiten que “utilizar la IA para tener en cuenta los factores en constante cambio del cambio climático nos permite generar predicciones mejor fundamentadas sobre los cambios ambientales, lo que nos permite desplegar estrategias de mitigación de manera más temprana”.

Esto, según ellos, sigue siendo una de las aplicaciones más prometedoras de la IA en la planificación de la acción climática. Sin embargo, solo si los conjuntos de datos utilizados para entrenar los sistemas son globalmente inclusivos.

“Cuando la información sobre el cambio climático está sobre-representada por el trabajo de individuos bien educados en instituciones de alto rango dentro del Norte Global, la IA solo verá el cambio climático y las soluciones climáticas a través de sus ojos”, dijo el autor principal y Cambridge Zero Fellow Dr. Ramit Debnath.

En contraste, aquellos que tienen menos acceso a la tecnología y a los mecanismos de informes estarán subrepresentados en las fuentes digitales en las que los desarrolladores de IA confían.

“Ningún dato está limpio ni es imparcial, y esto es particularmente problemático para la IA, que se basa completamente en información digital”, dijo la coautora del artículo, la profesora Emily Shuckburgh. “Solo con una conciencia activa de esta injusticia de datos podemos comenzar a abordarla y, en consecuencia, construir soluciones climáticas lideradas por IA mejores y más confiables”.

Los autores abogan por diseños de IA con participación humana que puedan contribuir a una red epistémica planetaria que respalde la acción climática, permita intervenciones de mitigación y adaptación y reduzca las injusticias de datos asociadas con los conjuntos de datos previos al entrenamiento de la IA.

Según concluye el estudio, la necesidad del momento es ser sensible a las desigualdades e injusticias digitales dentro de la comunidad de inteligencia artificial, especialmente cuando se utiliza la IA como instrumento para abordar desafíos de salud planetaria como el cambio climático.

Si no abordamos estos problemas, argumentan los autores, podría haber consecuencias catastróficas que afecten al colapso social y a la estabilidad planetaria, incluida la falta de cumplimiento de cualquier vía de mitigación climática.