Uso de IA para rastrear el polvo del tren de carbón

Arriba: El carbón se transporta por ferrocarril en Utah. Imagen: George Frey/Bloomberg

En un patio trasero inclinado en Vallejo, California, Nicholas Spada ajustó un equipo que parecía un cruce entre un trípode, un maletín y una veleta. La elegante máquina, ahora ubicada cerca de un mirador desgastado y una bañera con patas llena de madera blanqueada por el sol, está diseñada para sitios discretos como este, donde puede recopilar información a largo plazo sobre la calidad del aire local.

Spada, científico e ingeniero de aerosoles de la Universidad de California en Davis, diseñó originalmente la máquina para un proyecto con sede a unas 16 millas al sur, en Richmond. Durante seis meses, los investigadores apuntaron el equipo (que incluye una cámara, un sensor de aire, una estación meteorológica y un procesador de inteligencia artificial) a las vías del ferrocarril que transportan carbón a través de la ciudad, y entrenaron un modelo de inteligencia artificial para reconocer trenes y registrar cómo afectaban a los trenes. calidad del aire. Ahora Spada está explorando posibles ubicaciones para los sensores en Vallejo, donde colabora con los residentes preocupados por lo que hay en el aire.

El proyecto en Richmond fue el primero de Spada en utilizar IA. El artículo correspondiente, que se publicó en marzo de 2023, llegó en medio de un creciente interés (y preocupación) por la IA. Los líderes tecnológicos han expresado preocupación por el potencial de la IA para desplazar la inteligencia humana; los críticos han cuestionado el posible sesgo de la tecnología y la recopilación de datos públicos; y numerosos estudios y artículos han señalado el importante uso de energía y las emisiones de gases de efecto invernadero asociados con el procesamiento de datos para sus algoritmos.

Pero a medida que la preocupación se ha agudizado, también lo ha hecho el interés científico en los usos potenciales de la IA, incluido el monitoreo ambiental. De 2017 a 2021, el número de estudios publicados cada año sobre la IA y la contaminación del aire aumentó de 50 a 505, lo que un análisis publicado en la revista Frontiers in Public Health atribuyó, en parte, a un repunte de la IA en campos más científicos. Y según investigadores como Spada, la aplicación de herramientas de inteligencia artificial podría empoderar a los lugareños que han experimentado la contaminación durante mucho tiempo, pero que tenían pocos datos para demostrar explícitamente su fuente directa.

En Richmond, la tecnología de aprendizaje profundo (un tipo de aprendizaje automático) permitió a los científicos identificar y registrar trenes de forma remota y las 24 horas del día, en lugar de depender del método tradicional de observaciones en persona. Los datos del equipo mostraron que, a su paso, los trenes llenos de carbón que viajaban por la ciudad aumentaban significativamente las PM2,5 ambientales, un tipo de partículas que se han relacionado con enfermedades respiratorias y cardiovasculares, junto con la muerte prematura. Incluso la exposición a corto plazo a PM2,5 puede dañar la salud.

Inicialmente, los autores del artículo no estaban seguros de qué tan bien la tecnología se adaptaría a su trabajo. "No soy un fanático de la IA", dijo Bart Ostro, epidemiólogo ambiental de UC Davis y autor principal del artículo. "Pero esto funcionó increíblemente bien y no podríamos haberlo hecho sin él".

Ostro dijo que los resultados del equipo podrían ayudar a responder una pregunta que pocos investigadores han examinado: ¿Cómo impactan las instalaciones de carbón y los trenes que viajan entre ellas el aire en las áreas urbanas?

Esa pregunta es particularmente relevante en la cercana Oakland, que ha debatido una propuesta de terminal de exportación de carbón durante casi una década. Después de que Oakland aprobara una resolución para detener el proyecto en 2016, un juez dictaminó que la ciudad no había demostrado adecuadamente que el envío de carbón pondría en peligro significativamente la salud pública. Ostro y Spada diseñaron su investigación en parte para proporcionar datos relevantes para el desarrollo.

“Ahora tenemos un estudio que nos proporciona nueva evidencia”, dijo Lora Jo Foo, activista del Área de la Bahía desde hace mucho tiempo y miembro de No Coal en Oakland, un grupo de voluntarios de base organizado para oponerse al proyecto de la terminal.

Las técnicas de investigación también podrían resultar útiles mucho más allá del Área de la Bahía. La metodología basada en IA, dijo Foo, puede ser adaptada por otras comunidades que busquen comprender mejor la contaminación local.

“Eso es bastante trascendental”, dijo.

En todo Estados Unidos, alrededor del 70 por ciento del carbón viaja por ferrocarril, pasando de docenas de minas a centrales eléctricas y terminales marítimas. El año pasado, Estados Unidos, que posee los mayores suministros de carbón del mundo, utilizó alrededor de 513 millones de toneladas de carbón y exportó alrededor de otros 85 millones de toneladas a países como India y los Países Bajos.

Antes de quemar carbón en Estados Unidos o enviarlo al extranjero, viaja en trenes con techo descubierto, que pueden liberar polvo ondulante con vientos fuertes y a medida que los trenes avanzan a toda velocidad por las vías. En el pasado, cuando los científicos investigaban cuánto polvo liberan estos trenes de carbón, su investigación se basaba en humanos para identificar los pasos de los trenes, antes de compararlos con los datos recopilados por sensores de aire. Hace aproximadamente una década, cuando el gas natural producido en el país ejerció presión sobre las instalaciones de carbón estadounidenses, las compañías navieras y de combustibles fósiles propusieron un puñado de terminales de exportación en Oregón y Washington para enviar carbón extraído en Wyoming y Montana a otros países. La oposición de la comunidad fue rápida. Dan Jaffe, científico atmosférico de la Universidad de Washington, se propuso determinar las implicaciones para la calidad del aire.

En dos estudios publicados, Jaffe registró trenes en Seattle y la garganta rural del río Columbia con cámaras de detección de movimiento, identificó trenes de carbón y los comparó con datos aéreos. La investigación sugirió que el polvo de carbón liberado por los trenes aumentaba la exposición a partículas en el desfiladero, un área que abraza el límite de Oregón y Washington. El polvo, combinado con la contaminación por diésel, también afectó la calidad del aire en la zona urbana de Seattle. (Al final, no se construyó ninguna de las terminales planeadas. Jaffe dijo que le gustaría pensar que su investigación jugó al menos algún papel en esas decisiones).

"No soy un fanático de la IA", dijo Ostro. "Pero esto funcionó increíblemente bien y no podríamos haberlo hecho sin él".

Los estudios realizados en otros lugares de exportación, especialmente en Australia y Canadá, también utilizaron identificación visual y mostraron aumentos en las partículas relacionadas con los trenes de carbón.

Dondequiera que haya instalaciones de carbón, habrá comunidades cercanas organizándose para expresar su preocupación por la contaminación asociada, según James Whelan, ex estratega de Climate Action Network Australia que contribuyó a la investigación allí. "Generalmente, lo que sigue es cierto grado de investigación científica, algunas medidas de mitigación", dijo. "Pero parece que rara vez es suficiente".

Algunos expertos dicen que la revolución de la IA tiene el potencial de hacer que los resultados científicos sean significativamente más sólidos. Los científicos llevan mucho tiempo utilizando algoritmos y computación avanzada para la investigación. Pero los avances en el procesamiento de datos y la visión por computadora han hecho que las herramientas de inteligencia artificial sean más accesibles.

Con la IA, “toda la gestión del conocimiento se vuelve inmensamente más poderosa, eficiente y eficaz”, afirmó Luciano Floridi, filósofo que dirige el Centro de Ética Digital de la Universidad de Yale.

La técnica utilizada en Richmond también podría ayudar a monitorear otras fuentes de contaminación que históricamente han sido difíciles de rastrear. Vallejo, una ciudad costera a unas 30 millas al noreste de San Francisco, tiene cinco refinerías de petróleo y un astillero en un radio de 20 millas, lo que dificulta discernir el origen de un contaminante. Algunos residentes esperan que más datos puedan ayudar a atraer la atención regulatoria donde sus propias preocupaciones no lo han hecho.

“Primero tenemos que tener datos, antes de poder hacer algo”, dijo Ken Szutu, ingeniero informático jubilado y miembro fundador de la Red Ciudadana de Monitoreo del Aire de Vallejo, sentado junto a Spada en un café del centro. "La justicia ambiental; desde mi punto de vista, el seguimiento es la base".

Los científicos del aire como Spada han dependido de los residentes para que los ayuden con ese monitoreo: abriendo patios traseros para sus equipos, sugiriendo sitios que pueden ser ubicaciones efectivas y, en Richmond, incluso pidiendo pistas cuando los vagones de carbón se encontraban en el patio de almacenamiento de trenes cercano.

D

Spada y Ostro no imaginaron originalmente el uso de IA en Richmond. Planificaron su estudio en torno a cámaras de seguridad ordinarias con detección de movimiento con humanos (algunos voluntarios de la comunidad) que identificaban manualmente si las grabaciones mostraban un tren y qué carga transportaban, un proceso que probablemente habría tomado tanto tiempo como la recopilación de datos, dijo Spada. Pero el sistema de cámaras no era lo suficientemente sensible para captar todos los trenes y los datos que recopilaron eran demasiado voluminosos y sobrecargaron su servidor. Después de un par de meses, los investigadores dieron un giro. Spada había notado el revuelo de la IA y decidió probarla.

El equipo instaló nuevas cámaras y las programó para tomar una foto cada minuto. Después de meses de recopilar suficientes imágenes de las vías, los estudiantes de UC Davis las clasificaron en grupos (con tren o sin tren, de día o de noche) usando controladores de Playstation. El equipo creó un software diseñado para jugar como un videojuego, lo que aceleró el proceso, dijo Spada, al permitir a los estudiantes filtrar más imágenes que si simplemente usaran un mouse o trackpad para hacer clic en las imágenes en una computadora. El equipo utilizó esas fotografías y archivos clasificadores de imágenes de código abierto de Google para entrenar el modelo y el sistema de cámara personalizado para detectar y registrar el paso de los trenes. Luego, el equipo identificó el tipo de trenes en las grabaciones capturadas (una tarea que habría requerido una potencia informática más compleja y costosa si se hubiera realizado con IA) y comparó la información con mediciones meteorológicas y del aire en vivo.

El proceso se apartó del monitoreo ambiental tradicional. “Cuando era estudiante, me sentaba en una esquina y contaba cuántos camiones pasaban”, dijo Spada.

El empleo de IA fue un “cambio de juego”, añadió Spada. Los tres estudios anteriores sobre trenes de carbón de América del Norte combinaron datos sobre menos de 1.000 trenes. Los investigadores de Davis pudieron recopilar datos de más de 2.800.

A principios de julio de 2023, los abogados de la ciudad de Oakland y el desarrollador propuesto de la terminal de carbón de la ciudad presentaron sus argumentos iniciales en un juicio sobre el futuro del proyecto. Oakland ha alegado que el desarrollador del proyecto no cumplió con los plazos, violando los términos del contrato de arrendamiento. El desarrollador ha dicho que cualquier retraso se debe a que la ciudad está generando obstrucciones.

Si Oakland prevalece, finalmente habrá derrotado a la terminal. Pero si la ciudad pierde, aún puede seguir otras rutas para detener el proyecto, incluida demostrar que representa un riesgo sustancial para la salud pública. La ciudad citó ese riesgo, particularmente relacionado con la contaminación del aire, cuando aprobó una resolución en 2016 para impedir que el desarrollo continuara. Pero en 2018, un juez dijo que la ciudad no había presentado pruebas suficientes para respaldar su conclusión. El fallo dijo que la investigación de Jaffe no se aplicaba a la ciudad porque los resultados eran específicos del lugar del estudio y era poco probable que la composición del carbón que se transportaba allí fuera la misma porque está previsto que Oakland reciba carbón de Utah. El juez también dijo que la ciudad ignoró los planes del promotor de la terminal de exigir a las empresas que utilizaran cubiertas de vagones para reducir el polvo de carbón. (Este tipo de cubiertas son raras en Estados Unidos, donde las empresas recubren el carbón con un líquido pegajoso destinado a apisonar el polvo).

Los grupos ambientalistas señalan investigaciones de científicos como Spada y Ostro como evidencia de que se necesita más regulación, y algunos creen que las técnicas de inteligencia artificial podrían ayudar a respaldar los esfuerzos legislativos.

A pesar de su potencial para la investigación, la IA también puede causar su propio daño ambiental. Un análisis de 2018 de OpenAI, la compañía detrás del popular bot ChatGPT, mostró que los cálculos utilizados para el aprendizaje profundo se duplicaban cada 3,4 meses, creciendo más de 300.000 veces desde 2012. Procesar grandes cantidades de datos requiere una energía significativa. En 2019, basándose en una nueva investigación de la Universidad de Massachusetts, Amherst, los titulares advirtieron que entrenar un modelo de procesamiento de lenguaje de IA libera emisiones equivalentes a la fabricación y uso de cinco automóviles a gasolina durante toda su vida útil.

Los investigadores apenas están comenzando a sopesar los beneficios potenciales de un algoritmo con sus impactos ambientales. Floridi de Yale, quien dijo que la IA está infrautilizada, se apresuró a señalar que esta “tecnología asombrosa” también puede usarse en exceso. "Es una gran herramienta, pero tiene un costo", afirmó. "La pregunta es: ¿es la compensación lo suficientemente buena?"

Un equipo de la Universidad de Cambridge en el Reino Unido y la Universidad La Trobe en Australia ha ideado una manera de cuantificar esa compensación. Su proyecto Green Algorithms permite a los investigadores conectar las propiedades de un algoritmo, como el tiempo de ejecución y la ubicación. Loïc Lannelongue, biólogo computacional que ayudó a construir la herramienta, dijo a Undark que los científicos están capacitados para evitar desperdiciar recursos financieros limitados en su investigación y cree que los costos ambientales podrían considerarse de manera similar. Propuso exigir divulgaciones ambientales en los trabajos de investigación de manera muy similar a las requeridas por la ética.

En respuesta a una pregunta de Undark, Spada dijo que no consideró posibles desventajas ambientales del uso de IA en Richmond, pero cree que la pequeña escala del proyecto significaría que la energía utilizada para ejecutar el modelo y sus emisiones asociadas serían relativamente insignificantes.

"Es una gran herramienta, pero tiene un costo", dijo Floridi. "La pregunta es: ¿es la compensación lo suficientemente buena?"

Sin embargo, para los residentes que sufren contaminación, el resultado del trabajo podría tener consecuencias. Algunos activistas del Área de la Bahía tienen la esperanza de que el estudio sirva de modelo para las muchas comunidades por donde viajan los trenes de carbón.

Otras comunidades ya están sopesando el potencial de la IA. En Baltimore, Christopher Heaney, epidemiólogo ambiental de la Universidad Johns Hopkins, ha colaborado con los residentes del barrio costero de Curtis Bay, que alberga numerosas instalaciones industriales, incluida una terminal de carbón. Heaney trabajó con los residentes para instalar monitores de aire después de una explosión en 2021 en un silo de carbón y está considerando usar IA para “reducción y procesamiento de datos de alta dimensión” que podría ayudar a la comunidad a atribuir contaminantes a fuentes específicas.

El grupo ciudadano de monitoreo del aire de Szutu también comenzó a instalar sensores de aire después de un evento agudo; En 2016, un derrame de petróleo en una refinería cercana envió vapores hacia Vallejo, lo que provocó una orden de refugio en el lugar y envió a más de 100 personas al hospital. Szutu dijo que intentó trabajar con los reguladores del aire locales para instalar monitores, pero después de que los procedimientos resultaron lentos, decidió comunicarse con el Centro de Investigación de la Calidad del Aire de UC Davis, donde trabaja Spada. Los dos han estado trabajando juntos desde entonces.

En la reciente visita de Spada a Vallejo, él y un estudiante universitario se reunieron con Szutu para explorar posibles lugares de monitoreo. En el patio trasero, después de que Spada demostrara cómo funcionaba el equipo apuntándolo a un astillero adyacente, el equipo deconstruyó la configuración y lo llevó de regreso al Prius de Spada. Cuando Spada abrió el maletero, un vecino, apoyado contra un coche en la entrada de su casa, reconoció al grupo.

"¿Cómo está el aire?" gritó.

Emma Foehringer Merchant es una periodista que cubre el cambio climático, la energía y el medio ambiente. Su trabajo ha aparecido en Boston Globe Magazine, Inside Climate News, Greentech Media, Grist y otros medios.