Inteligencia Orbital: La Intersección entre Satélites y Aprendizaje Automático.

La crisis climática se está volviendo un tema de preocupación creciente en todo el mundo, ya que las condiciones climáticas se tornan más impredecibles. Esto ha afectado especialmente a las organizaciones dedicadas a la agricultura, seguros, seguridad pública y la investigación científica, quienes dependen de pronósticos precisos del tiempo. Como señala David Potere, líder de tecnología geoespacial y director asociado de BCG X, la fiabilidad de la información climática puede influir significativamente en decisiones económicas y de infraestructura, impactando desde la inversión inmobiliaria hasta el desarrollo urbano.

La falta de datos precisos sobre el clima puede tener consecuencias severas, tales como el aumento de las tasas de seguros, la disminución de la seguridad pública y el agotamiento de los esfuerzos gubernamentales en situaciones de emergencia. En este contexto, el BCG X AI Science Institute está trabajando en una solución innovadora: el modelo GAIA (Geospatial Artificial Intelligence for Atmospheres), un modelo de inteligencia artificial de código abierto desarrollado en asociación con líderes en la industria aeroespacial. Este modelo tiene como objetivo ayudar a los investigadores a comprender mejor y anticipar comportamientos climáticos.

El GAIA se basa en imágenes de satélite recopiladas durante 25 años, lo que permite analizar patrones climáticos a un ritmo y acceso sin precedentes. Este modelo utiliza una constelación de satélites, que operan a más de 22,000 millas de la superficie terrestre, para obtener imágenes detalladas de nuestro planeta cada 30 minutos. Además, este sistema se complementa con miles de estaciones meteorológicas en la superficie terrestre, lo que permite a los meteorólogos mapear visualmente los cambios climáticos casi en tiempo real.

No obstante, existen brechas en la recopilación de datos, especialmente en regiones polares, lo que resalta la necesidad de afrontar estos desafíos a través de tecnologías innovadoras. El enfoque del GAIA se implementó utilizando recursos computacionales en la nube, lo que permitió a los investigadores evitar la dependencia de supercomputadoras costosas. Esta estrategia se llevó a cabo mediante el uso de redes nacionales de computación universitaria con un rango de GPUs, desde las más avanzadas hasta algunas de diez años de antigüedad.

A pesar de las ventajas de esta configuración, el proyecto también enfrentó nuevos retos, como la conexión de GPUs ubicados en diferentes partes del mundo y la competencia por recursos computacionales. Para facilitar el proceso, el equipo de GAIA decidió centrarse inicialmente en la recopilación de datos sobre precipitación y temperatura en la parte superior de las nubes, un enfoque que les permitió escalar rápidamente sus modelos para capturar condiciones atmosféricas globales.

El avance del equipo fue facilitado por herramientas y recursos de código abierto, además de investigaciones previas de otros equipos pioneros. Mediante su trabajo y colaboraciones, el modelo GAIA se ha puesto a disposición de la comunidad de investigación, contribuyendo así a un esfuerzo global para mejorar la previsibilidad del clima y cómo las organizaciones responden ante la volatilidad que trae el cambio climático.

La irrupción de estas nuevas tecnologías de modelos climáticos y ambientales de AI generativa diseña un camino hacia la toma de decisiones más rápidas y efectivas frente a las nuevas realidades climáticas que enfrentamos. En un momento en que el cambio climático se ha convertido en una de las cuestiones más urgentes a nivel mundial, iniciativas como GAIA podrían ser cruciales para abordar este problema.