Machine learning para combatir el cambio climático con Claire Monteleoni

Claire Monteleoni es profesora de informática en la Universidad de Colorado Boulder, así como cofundadora del Climate Informatics Workshop en 2011 y su hackathon en 2015. En sus primeros cinco años, el taller ha atraído a informáticos e científicos climáticos de más de 19 países y 30 estados.

“Quería utilizar el aprendizaje automático para arrojar luz sobre el cambio climático. Comprender el cambio climático es un desafío urgente. La ciencia del clima es un campo extremadamente rico en datos, especialmente considerando las enormes cantidades de simulaciones de modelos climáticos basados en la física, que nos permiten ver en el pasado y en el futuro lejanos ".

¿En qué consiste su trabajo?

Creo que el aprendizaje automático puede arrojar luz sobre el cambio climático y otros desafíos importantes a los que se enfrenta la sociedad, y en eso encuentro mi inspiración.

Para conseguir hacerlo realidad, intento que el aprendizaje automático tenga un mayor impacto en campos con fines sociales. A través de mi trabajo he conseguido lanzar un campo interdisciplinario y de última generación, el de la informática climática: aprendizaje automático para el estudio del cambio climático. La X Conferencia Internacional sobre Informática Climática tendrá lugar el próximo mes.

¿Cómo puede la informática ayudar a frenar el cambio climático?

El aprendizaje automático se puede utilizar para mejorar nuestra comprensión y pronóstico del cambio climático, la calidad del aire y los fenómenos climáticos extremos, lo que ayuda a las comunidades a adaptarse y prepararse mejor.

También se puede utilizar para mejorar la previsión de la producción de energía de las fuentes de energía solar y eólica, algo crucial para que la sociedad pueda confiar en la energía renovable. Mi propio grupo de investigación ha contribuido a ello, pero ese progreso se ha estado produciendo en todo el mundo. Hemos demostrado que el aprendizaje automático se puede utilizar para aprender de registros de temperatura históricos con el fin de mejorar las predicciones de un conjunto de modelos climáticos basados en la física.

También hemos utilizado el aprendizaje automático para detectar avalanchas a partir de imágenes satelitales, pronosticar las trayectorias de ciclones tropicales entre 6 y 24 horas de antelación y predecir episodios de precipitaciones extremas durante el monzón en la India.

 

Entonces, ¿el aprendizaje automático puede ayudar a detectar fenómenos climáticos extremos?

Los modelos de simulación climática basados en la física han generado más [datos] que todas las mediciones satelitales del clima de la tierra. Estas tecnologías basadas en datos son la forma más rentable de obtener conocimiento de las enormes cantidades de datos simulados y observados que ya se han recopilado.

Existe otros problemas en los que el aprendizaje automático puede ayudar y alentamos tanto a los investigadores de machine learning como a los científicos climáticos a participar. La informática climática representa un interesante experimento de cómo crear un nuevo campo de investigación interdisciplinario.

¿Qué hay de la adaptación a las consecuencias del cambio climático? Una cuarta parte de Bangladesh, uno de los países más afectados por el cambio climático, se encuentra actualmente inundado. ¿Cómo puede ayudar la informática en esa área?

El monzón de verano indio tiene repercute mucho en el PIB de todo el subcontinente indio. Hemos demostrado que el aprendizaje automático puede mejorar las predicciones del total de lluvia monzónica además de predecir a una escala mucho más precisa. Por ejemplo, nuestros resultados preliminares muestran que el aprendizaje automático funciona muy bien para pronosticar períodos secos de varios días y períodos activos (húmedos) con una antelación de diez días.

¿Puede darnos algunos ejemplos de herramientas informáticas que ya se utilizan para abordar el cambio climático?

Que yo sepa, el aprendizaje automático se está utilizando, al menos en cierta medida, en operaciones de pronóstico climático en EE. UU., India, Francia, Reino Unido, Corea del Sur y Japón.

¿Qué importancia tienen el código abierto y los datos abiertos para la informática climática?

Los grandes sets de datos y de gran calidad son muy importantes para el entrenamiento de algoritmos y modelos de aprendizaje automático.

Afortunadamente, la mayoría de los datos climáticos y meteorológicos son de libre acceso, al menos en EE. UU. Esto ha facilitado mucho la participación de los investigadores de aprendizaje automático.