Foto: Una mujer con mascarilla que transita una calle de Pekín el 16 de enero de 2014.

IBM está probando un nuevo método para aliviar la asfixiante contaminación ambiental de Pekín (China) con la ayuda de la inteligencia artificial. La capital china, como muchas otras ciudades del país, está rodeada por fábricas, muchas a carbón, que emiten partículas dañinas. Pero los niveles de contaminación pueden variar en función de factores como la actividad industrial, la congestión del tráfico y las condiciones climáticas.

Los investigadores de IBM están probando un sistema informático capaz de aprender a predecir la severidad de la contaminación ambiental en distintos puntos de la cuidad con varios días de antelación mediante la combinación de grandes cantidades de datos de varios modelos distintos – un reto computacional extremadamente complejo. El sistema algún día podría ofrecer recomendaciones específicas acerca de cómo reducir la contaminación hasta niveles aceptables – por ejemplo, mediante el cierre de determinadas fábricas o la restricción temporal del número de conductores sobre la carretera. Un sistema similar también está siendo desarrollado para una ciudad de la provincia de Hebei, una zona gravemente afectada al norte del país.

"Hemos construido un sistema de prototipo que es capaz de generar previsiones de calidad del aire de alta resolución con 72 horas de antelación", explica Xiaowei Shen, el director de IBM Research China. "Nuestros investigadores actualmente están aumentando la capacidad del sistema de proporcionar previsiones de largo y medio plazo (con hasta 10 días de antelación) además del rastreo de las fuentes de la contaminación, el análisis de escenarios de 'y si' y el apoyo a las tomas de decisiones en acciones de reducción de emisiones".

El proyecto, llamado Green Horizon (Horizonte Verde), es un ejemplo de la amplia aplicación que IBM espera dar a sus investigaciones sobre el uso del aprendizaje avanzado de máquinas para extraer conocimientos de vastas cantidades de datos – algo que la empresa llama "computación cognitiva". El proyecto también resalta una aplicación de la tecnología que IBM quiere exportar a otros países donde la contaminación representa un problema creciente.

Actualmente IBM está dando un impulso a la inteligencia artificial en varias industrias distintas, desde la sanidad hasta la consultoría. El esfuerzo de computación cognitiva engloba el procesamiento del lenguaje natural y técnicas estadísticas originalmente desarrolladas para el sistema informático Watson, que compitió en el programa televisivo de juegos Jeopardy!, junto con muchas otras enfoques al aprendizaje de máquinas (ver 30.000 millones de imágenes médicas enseñarán a Watson a detectar melanomas y Watson se hace más listo al integrar distintos enfoques del aprendizaje profundo).

Predecir la contaminación supone un reto. IBM utiliza datos proporcionados por la Agencia de Protección Medioambiental de Pekín para refinar sus modelos, y Shen dice que las previsiones tienen una resolución de un kilómetro y son un 30% más precisas que las que se derivan mediante enfoques convencionales. Dice que el sistema utiliza "aprendizaje de máquinas adaptativo" para determinar la mejor combinación de modelos a emplear.

La contaminación representa un importante riesgo para la salud en China, pues es responsable de más de un millón de muertes al año, según un estudio realizado por investigadores de la Universidad de California en Berkeley (EEUU). También es un tema principal de debate público y político.

China se ha comprometido a mejorar la calidad del aire en un 10% antes de 2017 mediante su Plan de Prevención de Contaminación y Acciones de Control. El pasado mes de abril, un análisis de 360 ciudades chinas realizado por Greenpeace East Asia, con sede en Pekín, demostró que 351 de ellas tenían niveles de contaminación que excedían los propios estándares de aire de China, aunque los niveles habían mejorado desde el mismo período del año anterior. El nivel medio de partículas aéreas era más de 2,5 veces el límite recomendado por la Organización Mundial de la Salud.