
Los científicos de la NASA monitorean de forma permanente nuestro planeta para recopilar diferentes tipos de información, por ejemplo, el cambio en la huella geográfica. Para lograr su cometido, entre las principales herramientas con las que cuenta la agencia espacial, están los satélites. Estos equipos adquieren una vasta cantidad de datos a un ritmo y volumen sin precedentes. Sin embargo, es tanta la data obtenida que los investigadores pueden tener problemas para analizarla. Como consecuencia, un gran porcentaje del material adquirido queda archivado y nunca se utiliza.
Para abordar esta problemática, la agencia espacial ha estado colaborando con IBM en la implementación de una inteligencia artificial basada en grandes redes neuronales para procesar eficientemente toda la información. La aplicación de este conjunto de datos incluye diversas áreas como la detección de peligros naturales hasta el seguimiento de cambios en la vegetación, infestaciones y hábitats de vida silvestre.
MIRA: Apple estaría creando su propia inteligencia artificial al estilo ChatGPT
Para conocer más del tema El Comercio conversó con Bianca Zadrozny, científica investigadora y gerente senior de modelización espaciotemporal de IBM, quien trabaja en el proyecto de la NASA y la compañía tecnológica.
1. ¿Cómo nació el interés de la NASA en la tecnología de IBM?
En los últimos años, la inteligencia artificial ha entrado en una nueva fase con la aparición de los llamados modelos fundacionales (o foundation models), que son grandes redes neuronales entrenadas sobre un conjunto de datos muy amplio, y que pueden adaptarse fácilmente a una variedad de tareas.

La NASA estaba interesada en aplicar este tipo de tecnología a los datos recopilados por los satélites y encontró en IBM un socio capaz de desarrollar este tipo de modelo.
2. ¿Cómo va a ayudar la IA en esta asociación?
La colaboración con la NASA se trata precisamente del desarrollo de una IA capaz de analizar datos de la superficie terrestre y la atmósfera, para una serie de aplicaciones relacionadas con el monitoreo ambiental y el cambio climático.
Estamos procesando datos satelitales que monitorean la superficie terrestre para poder identificar y mapear, más fácil y rápidamente, los cambios que ocurren en la superficie del planeta como inundaciones, incendios, deforestación, cambios en la vegetación, emisiones de CO2 y metano, etc. Hacemos esto utilizando ‘modelos fundacionales’. Lo bueno de estos modelos es que procesan grandes cantidades de datos para aprender patrones en ellos, con poca supervisión humana. Una vez que están entrenados, podemos hacer inferencias automáticamente cuando se generan nuevos datos satelitales y detectar más rápido los cambios en el planeta.
MIRA: El jefe de la ONU advierte los riesgos la IA: “Tiene un enorme potencial para el bien y para el mal”
3. ¿Por qué es importante identificar el cambio en la huella geográfica?
Las aplicaciones son numerosas: un ejemplo es cuantificar la cantidad de carbono que se absorbe de la atmósfera y se transforma en biomasa cuando se planta un nuevo bosque, lo que permite validar créditos de carbono (también llamados ‘bonos de carbono’).
Otro ejemplo es la delimitación automática de áreas afectadas por inundaciones o incendios forestales para mejorar la cuantificación del riesgo. Y un ejemplo más es la detección de grandes fugas de metano.
4. ¿Qué desafíos específicos plantea el análisis de los vastos conjuntos de datos de la NASA y cómo la IA puede ayudar a superar esos desafíos?
Las imágenes de la superficie terrestre adquiridas por satélite son del tipo multiespectral, es decir, además del espectro visible (RGB), tenemos información de múltiples bandas espectrales que son importantes para ciertos tipos de análisis y tienen que integrarse en modelos de IA, además, la frecuencia temporal de los datos es variable, dependiendo del tiempo de retorno de un satélite a cada punto del planeta y la capa de nubes. Por otro lado, los datos del clima atmosférico están representados por diversas variables (como temperatura, presión, humedad) a diferentes alturas de la atmósfera.
En resumen, existe una gran variedad de tipos de información que se utilizan de diferentes maneras por diferentes aplicaciones. La tecnología de modelos fundacionales que estamos desarrollando, ayuda a integrar estos datos de forma coherente para que puedan usarse más fácilmente para diversas aplicaciones.
5. ¿Cómo se espera que esta colaboración entre IBM y la NASA impacte en la capacidad de los investigadores para abordar problemas como el cambio climático global?
El uso de este tipo de modelos por parte de instituciones gubernamentales y empresas puede mejorar la respuesta ante eventos meteorológicos y ayudar en la prevención de riesgos. Además, un mejor seguimiento de las fugas de CO2 y metano puede ayudar a empresas y gobiernos a reducir sus emisiones, lo que contribuirá a frenar el cambio climático.
MIRA: Los cinco mejores distritos de Lima para vivir, según ChatGPT
6. ¿Cuáles son las implicaciones potenciales de este proyecto en términos de desarrollo tecnológico, avances científicos y aplicaciones comerciales?
A nivel de desarrollo tecnológico, representa un desarrollo de grandes redes neuronales capaces de procesar e integrar datos geoespaciales de diversa índole con múltiples resoluciones, fácilmente adaptables a diversas aplicaciones.
En avances científicos, se trata de mejorar la predicción de fenómenos meteorológicos extremos, mayor resolución espacial y temporal de los modelos climáticos.
Y a nivel de aplicaciones comerciales, la cuantificación de créditos de carbono, detección de fugas de metano y CO2, cuantificación de riesgo climático (incendios, inundaciones, tornados) a infraestructura.
7. Más allá de este proyecto, desde su punto de vista, ¿cuál será el camino que siga el desarrollo de la IA en un futuro cercano, digamos, a cinco años? ¿Qué tipo de avances podríamos esperar?
Un camino que debe avanzar es la llamada ‘IA multimodal’, que combina diferentes modalidades de datos como texto, video y audio.
En el caso de los datos geoespaciales, un camino que aún debemos seguir es crear modelos que combinen datos textuales con datos geoespaciales. De esta forma, sería posible, por ejemplo, generar automáticamente un texto que explique un pronóstico climático de la manera más relevante para cada usuario y que, a su vez, pueda interactuar libremente y hacer preguntas sobre los datos geoespaciales.