La Inteligencia Artificial también ofrece muchas posibilidades en un ámbito clave como el de la energía, empezando por la propia mejora de la gestión de los recursos energéticos, que tan importante es a efectos medioambientales.

Si bien, cabe destacar igualmente que la implantación de los sistemas IA para su uso masivo plantea sus propios desafíos energéticos, debido al consumo de los centros de datos que alojan los servidores por los que corre la Inteligencia Artificial, o los requerimientos del proceso de fabricación de los chips necesarios para que funcione.

En este post vamos a abordar ambas caras de la moneda, comenzando por las aplicaciones prometedoras que ya perfila:

 

IA energia

 

 

Optimización de la producción y distribución de energía

La IA puede ayudar a optimizar la producción de energía en tiempo real, modulando las cargas y cómo se distribuyen de acuerdo a la demanda existente en cada momento. Algo muy valioso para fuentes de energía renovables que como la solar o la eólica tienen el problema de la intermitencia, al depender de las condiciones meteorológicas existentes.

Además, el despliegue de redes eléctricas inteligentes o Smart Grids permite un análisis instantáneo de datos de todos los puntos de la red, a lo largo de la cadena completa que va desde la generación inicial hasta el consumo final, para gestionar la distribución de energía de manera más adaptativa, flexible y eficiente.

Estas capacidades abren la puerta a las Smart Cities del futuro, un nuevo modelo de ciudades inteligentes, que en el ámbito energético se beneficiarían de una red de distribución capaz de aprovechar los excedentes generados en un punto para llevarlo a otro.

Por ejemplo, si una zona residencial produce un exceso de energía solar durante las horas de máxima insolación que coinciden con el horario laboral y lectivo, esta energía sobrante podría redirigirse automáticamente a zonas industriales, comerciales o turísticas que estén consumiendo más energía en ese momento. Con ello, no solo se optimiza el uso de la energía, sino que se reduce la dependencia de fuentes no renovables, haciendo que las ciudades sean más sostenibles.

Además, la IA puede mejorar la inmótica de los edificios y la domótica de las viviendas a todos los niveles. En lo que respecta a la gestión energética eficiente, sería factible regular la climatización de forma mucho más precisa con base al análisis de un amplio espectro de datos (que vayan más allá incluso de los climáticos y ambientales), para que en vez de gestionarse automáticamente con el cumplimiento de unas pocas condiciones (por ejemplo temperatura y humedad) integre muchas más variables para microajustar el funcionamiento. La importancia de esto trasciende el ahorro en el consumo de un inmueble individual, si pensamos a escala global, en la suma de millones de edificios y casas.

 ciudad energia

 

Mantenimiento predictivo de infraestructuras energéticas

Asimismo, los algoritmos IA pueden hacer una contribución esencial al mantenimiento de las infraestructuras energéticas.

Mediante el análisis de datos procedentes de sensores que cubran todos los puntos críticos de las instalaciones es posible desplegar un sistema predictivo altamente eficaz, que sirva para anticipar fallas o necesidades de mantenimiento, y poder hacer intervenciones preventivas en generadores, transformadores, turbinas…

Así, se adoptarían las medidas precisas antes de que se produzcan problemas que obliguen a paradas, y por tanto se comprometa el abastecimiento energético continuo desde estos nodos, que son los principales de toda la red. Sin obviar el ahorro por el mayor coste económico que siempre tienen los trabajos de mantenimiento correctivos con respecto a los preventivos.

Adicionalmente, los sistemas IA puede aplicarse para mejorar la seguridad de estas instalaciones altamente sensibles, con el objetivo de monitorizar constantemente sus datos para verificar que las condiciones resulten las adecuadas, y poder detectar de manera temprana posibles riesgos y amenazas antes de que se materialicen.

 

Soluciones para un problema esencial de la transición energética

La transformación en clave verde plantea también sus propios retos medioambientales, sin ir más lejos en la sostenibilidad de las baterías necesarias desde para el funcionamiento de los coches eléctricos, hasta para la acumulación energética en los propios sistemas fotovoltaicos destinados el abastecimiento de hogares, industrias, comercios, edificios públicos, comercios, etc.

Hasta ahora, estas baterías se han fabricado en litio, un material con un proceso de producción muy contaminante, por lo que se han explorado otras alternativas como el sodio, que pese a sus potencialidades tiene el inconveniente de ofrecer una densidad energética más baja que las baterías de iones de litio. Al tiempo que si bien no plantea problemas de extracción dada su abundancia sí que lo hace para el reciclaje. Por no hablar de que todavía haya que resolver desafíos tecnológicos para que suponga una opción viable.

De ahí, la necesidad de prospectar otras soluciones. Un proyecto conjunto entre Microsoft y el Pacific Northwest National Laboratory (PNNL por sus siglas en inglés) ha sido capaz mediante un método que combina IA y computación de alto rendimiento (HPC) de evaluar una lista de 32 millones de materiales inorgánicos candidatos, para detectar 18 prometedores en tan solo 80 horas, acelerando unos tiempos de investigación que para las capacidades humanas hubiesen supuesto varios años.

 

Otros beneficios medioambientales que puede aportar la IA

Al margen de los aspectos energéticos, los sistemas de Inteligencia Artificial puede realizar otras contribuciones al cuidado del medio ambiente, ya que están demostrando tener una valiosas aplicaciones en la predicción, prevención y alerta temprana tanto de desastres meteorológicos como de incendios forestales.

Algo similar ocurre con el cuidado de la biodiversidad o la protección de los océanos, gracias al análisis de datos recogidos por satélites que permiten desde detectar microplásticos hasta elaborar modelos para averiguar el impacto de fenómenos asociados a las emisiones de carbono o el cambio climático.

La anticipación de escenarios con base a simulaciones que atienden a la evolución de una ingente cantidad de variables, ha dado lugar a lo que se conoce como Digital Twins, o gemelos digitales, replicas que a día de hoy se están desarrollando para estudiar extensiones acuáticas con problemas medioambientales, como es el caso del Mar Menor en Murcia.

En este sentido, los gemelos digitales funcionarían de manera similar al modelado 3D del software BIM, que recrea futuros edificios de acuerdo a toda una serie de parámetros constructivos, con la diferencia que los Digital Twins incorporan dinámicas en tiempo real y simulaciones interactivas que permiten no solo visualizar, sino también predecir y gestionar cómo se comportarán los sistemas (en este caso ecosistemas) en diferentes escenarios.

 

data center

 

Los desafíos medioambientales de la IA

Como hemos visto, la Inteligencia Artificial puede ofrecer una ayuda decisiva a la transformación energética y la conservación medioambiental.

Pero junto a los beneficios evidentes hay problemas a resolver, en un ámbito tan crucial como el propio consumo de energía.

La implementación a escala masiva de los sistemas de Inteligencia Artificial implica dar soporte a un volumen ingente de datos, alojados en hardwares y dispositivos físicos de unas infraestructuras como los data centers, que consumen mucha electricidad y tienen unas necesidades especiales de refrigeración.

Así, aunque se está abordando cómo hacer estos centros de datos más sostenibles y tratándose de desarrollar un modelo de green data centers, lo cierto es que hay un serio problema con la necesidad de escalar el número de estas infraestructuras, para el despliegue masivo de la IA pero también del Internet de las Cosas, sustentado precisamente en el intercambio de información entre todo tipo de dispositivos.

De hecho, hay proyecciones que cifran que los data centers pasarán en 2030 a acaparar el 21% de toda la generación energética, desde el 3% que consumen en la actualidad.

A esto hay que sumar el alto coste energético de la fabricación de chips para la Inteligencia Artificial, y que las GPU gráficas que se están utilizando ahora mismo en los servidores para que corra la IA tienen unas necesidades especiales, tanto de alimentación eléctrica como de refrigeración por el calor que disipan.

De ahí, que se estén explorando tanto soluciones específicas, que serían los sistemas de refrigeración líquida para el calor de las GPU, como más generales, que permitan que las infraestructuras de data centers sean más sostenibles.

Incluso, ampliando la perspectiva, se están investigando nuevas fuentes de energía alternativas, por ejemplo el uso de reactores nucleares de fusión con fines comerciales, algo que en lo que es pionera Helion Energy, impulsada precisamente por Sam Altman, y que también acaba de cerrar un acuerdo con Microsoft para la adquisición de su energía.

Hay que valorar que al tratarse de fusión y no de fisión tiene unos riesgos significativamente menores que las centrales nucleares actuales; debido a que al no producirse reacción en cadena se reduce el peligro de grandes accidentes, y tampoco se generarían residuos radiactivos, dado que los desechos serían isótopos ligeros de helio que no lo son.

Aunque el reto que enfrenta esta compañía y otras que están en la carrera, como la canadiense General Fusion en la que ha invertido Jeff Bezos, es alcanzar la energía neta positiva, es decir que el reactor no solo debe ser capaz de auto-sustentar su proceso de fusión sin entrada de energía externa después, sino que además debe generar suficiente excedente energético para ser distribuido como electricidad.

De este modo, vemos que la IA tiene un impacto multidimensional a efectos energéticos, ya que ayuda a una mayor eficiencia y un abastecimiento más sostenible, pero precisa para su despliegue nutrirse de un volumen de energía descomunal, hasta el punto de poder acaparar un buen porcentaje del total que usamos a unos pocos años vista, como hemos tenido la ocasión de ver.

Por eso, se están investigando nuevas fuentes de energía al margen de las renovables, y unos de los principales impulsores y participantes en esa búsqueda son las propias compañías del sector tecnológico, muy involucradas en el desarrollo de la Inteligencia Artificial.

 

Alejandro Betancourt