En el Acuerdo de París de 2015, naciones de todo el mundo se comprometieron a lograr cero emisiones netas de carbono para 2050. Cuando tan solo faltan 26 años para esa fecha, la carrera por la transición a tecnologías limpias nunca ha sido tan apremiante. Los efectos del cambio climático ya se están sintiendo, con incendios forestales más frecuentes, calor extremo, inundaciones y pérdidas de cosechas. El cambio a una economía con cero emisiones netas tendrá que ser tan importante como la revolución industrial. Si esa revolución se desarrolló gradualmente a lo largo de 180 años, esta tendrá que ocurrir en tan solo 26 años. Afortunadamente, los innovadores de hoy en día tienen acceso a tecnología avanzada e inteligencia artificial (IA), lo que puede acelerar la transición a cero emisiones netas.
En AWS, las empresas emergentes utilizan la IA generativa para hacer frente a este desafío. A principios de este año, explicamos cómo la primera ola de startups centradas en tecnología climática están utilizando la IA generativa para gestionar sus operaciones de manera más eficiente, ya que su implementación permite acceder rápidamente a la información importante contenida en documentos largos y complicados. Ahora, las startups de tecnología climática utilizan la IA generativa para acelerar el desarrollo de productos, ahorrar dinero a sus clientes y demostrar lo que es posible a una escala antes inimaginable.
Tendencias emergentes de la IA generativa en cuanto a tecnología climática
- Desarrollo de modelos fundacionales (FM) basados en datos del mundo real, incluidos el mundo natural, el clima y la ciencia de los materiales, entre otros.
- Uso de la IA generativa para descubrir y diseñar nuevas ciencias, incluido el desarrollo de materiales sostenibles, la cartografía genética y mucho más.
- Optimización de las operaciones empresariales para ahorrar tiempo y dinero gracias a mejoras en la categorización, la ingesta de documentos y la automatización.
- Creación de datos sintéticos para entrenar modelos de machine learning (ML) cuando los datos no son de fácil acceso.
- Uso de modelos de lenguaje pequeños (SLM), modelos más pequeños especializados que concentran su capacidad en una tarea objetivo específica, para optimizar las cargas de trabajo de IA generativa a fin de obtener mejores resultados en cuanto a sostenibilidad ambiental y costos.
¿Cómo Insilico utiliza la IA generativa para descubrir y diseñar materiales sostenibles?
Insilico Medicine es una empresa mundial de biotecnología en fase clínica impulsada por IA generativa que inicialmente se centró en acelerar el descubrimiento de fármacos. Desde entonces, ha ampliado su plataforma para descubrir y diseñar materiales y agroquímicos sostenibles. Insilico creó inicialmente Pharma AI, que utiliza la IA generativa para identificar objetivos y generar y optimizar moléculas con rapidez para desarrollar y potenciar su propia cartera de programas destinados a ensayos clínicos en un tiempo récord. Insilico también ofrece la plataforma Pharma.ai como productos SaaS alojados en AWS. En promedio, en la industria farmacéutica, el proceso desde la identificación del objetivo hasta la selección del candidato clínico implica sintetizar y probar miles de compuestos y lleva más de 4,5 años. El uso de la IA generativa de Insilico permite una optimización multiparamétrica precisa y, por lo general, reduce el número promedio de moléculas sintetizadas por programa a menos de 100 desde la identificación del resultado hasta la nominación de los candidatos preclínicos en un periodo de solo 12-18 meses. Además de hacer que el proceso sea más rápido y asequible, se desperdicia aproximadamente 10 veces menos que con el enfoque tradicional. Junto con Amazon, Insilico Medicine también ha creado lo que consideran el mayor conjunto de datos sobre dinámica molecular del mundo generado mediante computación de alto rendimiento (HPC) en AWS con Amazon EC2, Amazon FSx, Amazon S3 y Elastic Fabric Adapter (EFA). Un conjunto de datos único que se puede aprovechar de múltiples maneras para mejorar la precisión y la velocidad del descubrimiento y el desarrollo de fármacos de moléculas pequeñas.
Insilico ahora aplica su plataforma de IA generativa para descubrir y diseñar materiales sostenibles. Su plataforma utiliza Amazon SageMaker para entrenar rápidamente nuevos modelos fundacionales y generar estructuras moleculares optimizadas. SageMaker permite el procesamiento paralelo de tareas computacionales complejas, escala sin problemas los recursos para evaluar los modelos y proporciona a Insilico acceso bajo demanda a GPU y CPU de última generación. Para empezar a trabajar en materiales sostenibles, Insilico se asoció con una gran empresa mundial de tecnología agrícola para crear herbicidas más ecológicos, seguros y eficaces. Los herbicidas son importantes para proteger los cultivos y permitir a los agricultores cultivar alimentos de manera asequible, pero pueden dañar el medio ambiente circundante. Ambas empresas trabajaron codo con codo y aprovecharon la tecnología y la experiencia en química generativa de moléculas pequeñas de Insilico, impulsadas por la IA generativa, para diseñar y optimizar los posibles herbicidas activos de forma más rápida y óptima para el medio ambiente y la salud humana.
Insilico no se detiene ahí. Recientemente anunciaron el lanzamiento del Consorcio de IA Generativa para la Sostenibilidad Ambiental con la misión de desarrollar tecnologías de IA generativa de vanguardia de código abierto enfocadas en la sostenibilidad ambiental. Es una plataforma de código abierto para que científicos y laboratorios académicos aporten modelos y datos para avanzar en los campos de 1) la captura de carbono 2) el almacenamiento de hidrógeno, 3) la agroquímica y 4) los aceites básicos y lubricantes. Los científicos pueden enviar modelos para su revisión. La plataforma ofrece un sistema de evaluación comparativa para que los científicos puedan entender qué modelos son los mejores para cada caso.
NET2GRID implementa la IA generativa para ayudar a las empresas de servicios públicos a acelerar la transición energética
La complejidad de la red eléctrica está creciendo rápidamente a medida que los proveedores de energía optan por fuentes de energía renovables intermitentes, como la solar y la eólica, que producen diferentes cantidades de electricidad en diferentes momentos del día. Esta variabilidad, junto con el clima extremo provocado por el cambio climático,c rea picos extremos en la demanda y los precios de la electricidad. Si no se gestionan bien, los picos pueden provocar inestabilidad en la red. Un estudio del Wall Street Journal indica que los casos de apagones prolongados se han duplicado desde 2013. Además, el informe World Energy Outlook 2022 de la AIE reveló que los precios de la energía aumentaron un 30 % en la última década, lo que ha llevado a los clientes a buscar formas de reducir el precio de sus facturas de energía.
La plataforma EnergyAI de NET2GRID utiliza la IA generativa para permitir a las empresas de servicios públicos proporcionar a sus clientes información y recomendaciones sobre el uso de la energía para reducir los costos, equilibrar la red y evitan los apagones. EnergyAI Assistant ayuda a los clientes de las empresas de servicios públicos a entender fácilmente su consumo de energía, reducir los costos y mejorar la eficiencia. El sistema funciona con modelos de lenguaje de gran tamaño (LLM) que aprovechan las API de análisis para ofrecer a los clientes de las empresas de servicios públicos información y recomendaciones personalizadas sobre el consumo de energía. Permite a los hogares y las empresas disponer de previsiones y análisis energéticos avanzados que antes resultaban prohibitivamente caros y solo estaban disponibles para los expertos del sector. El sistema puede identificar el consumo de energía de aparatos específicos y el uso histórico de energía para que los clientes de las empresas de servicios públicos sepan dónde ahorrar. También ofrece una previsión sofisticada del consumo futuro de energía y los precios de la electricidad para que los usuarios puedan evitar las tarifas más altas y reducir los costos.
NET2GRID usa Amazon Sagemaker para ajustar e implementar LLM en función de la escala basados en Llama 7B. Utilizan AWS Inferentia2, el chip de inferencia de machine learning de alto rendimiento personalizado de AWS, para una implementación rentable y con optimización energética de los modelos de IA. Por último, utilizan las funciones de AWS Lambda para poner en marcha código en respuesta a desencadenantes o eventos específicos, lo que garantiza que el asistente siga respondiendo y sea eficiente sin necesidad de tener que estar administrando continuamente el servidor.
La implementación de EnergyAI Assistant ofrece beneficios tanto para los proveedores de energía como para sus clientes. El asistente mejora significativamente la experiencia del cliente, pues proporciona respuestas rápidas y personalizadas a las preguntas relacionadas con la energía. Con una disponibilidad ininterrumpida, este nivel de soporte puede ayudar a mejorar la satisfacción de los clientes y a reducir su consumo de energía. Esto, a su vez, ayuda a las empresas de servicios públicos a administrar la red y evitar costosos apagones. La tecnología también ayuda a los proveedores de energía a reducir el costo de su servicio hasta en un 25 % gracias a una atención al cliente de primer nivel más eficiente. Además, la información que genera el asistente puede reducir los costos derivados del análisis del mercado y de las encuestas hasta en un 20 %, lo que se traduce en importantes ahorros de costos.
Connect Earth ayuda a los clientes de los bancos a tomar decisiones de compra basadas en el clima mediante IA generativa
A medida que el mundo se apresura a alcanzar las cero emisiones netas de gases de efecto invernadero, la presentación de informes sobre los gases de efecto invernadero ahora es obligatoria en 40 países, incluidos el Reino Unido, muchos Estados miembros de la UE, Australia, Japón y los EE. UU. Según CDP, una organización sin fines de lucro que administra sistemas de divulgación global, más de 23 000 empresas, que representan dos tercios de la capitalización bursátil mundial, les comunican sus datos sobre emisiones. Más de 10 000 empresas han anunciado públicamente sus objetivos de reducción de gases de efecto invernadero, entre ellas Amazon y los más de 500 signatarios del Climate Pledge (que Amazon cofundó) para alcanzar cero emisiones para 2040. Para hacer esto posible, Connect Earth proporciona un conjunto de herramientas de API basadas en IA que ayudan a las instituciones de servicios financieros y a los clientes a calcular y reducir las emisiones de gases de efecto invernadero.
Connect Earth utiliza IA generativa en AWS para integrar de manera fluida la evaluación del impacto ambiental en las operaciones bancarias diarias. Mediante el análisis de un completo conjunto de puntos de datos (como descripciones de transacciones, categorías proporcionadas por el banco, fechas, monedas e información regional), el sistema no solo categoriza las transacciones con precisión, sino que también asocia cada una con sus correspondientes emisiones de carbono estimadas. Este enfoque permite a los clientes de los bancos comprender claramente sus emisiones de carbono personales y empresariales, lo que les permite tomar decisiones de compra basadas en el medioambiente y actuar para reducir su huella de carbono
Connect Earth integra la IA generativa en AWS de tres maneras. En primer lugar, la IA generativa se utiliza para categorizar y etiquetar las transacciones a fin de estimar la huella de carbono, un proceso que antes era manual. Connect Earth refina DistilBERT para la clasificación de secuencias, una versión resumida de BERT que tiene un 40 % menos de parámetros, funciona un 60 % más rápido y conserva más del 95 % del rendimiento de BERT. En segundo lugar, cuando no se puede acceder a los datos o la normativa restringe su uso, se generan datos sintéticos para entrenar sus modelos mediante modelos de lenguaje pequeños (SLM), como Mistral 8x7B mediante AWS Bedrock. Por último, Connect Earth está explorando los SLM de código abierto, como Llama 7B, para extraer datos de entradas no estructuradas para incorporarlos a su modelo, a fin de ofrecer resultados impresionantes usando una fracción de los recursos computacionales de un modelo de lenguaje de gran tamaño (LLM). Al adoptar algoritmos y SLM eficientes desde el punto de vista energético, Connect Earth reduce los costos y sigue las prácticas recomendadas de AWS para optimizar las cargas de trabajo del machine learning en aras de la sostenibilidad. El paquete Connect Earth se implementa en la computación sin servidor de AWS: las API funcionan con AWS Lambda y los modelos se implementan en Inferencia sin servidor de Amazon SageMaker. Esta infraestructura escalable permite a Connect Earth procesar millones de transacciones al día.
Gracias a este proceso de IA generativa, la empresa estima que ahora está duplicando el número de transacciones para las que proporciona datos sobre el carbono y que pronto permitirá el cálculo de las emisiones a partir de orígenes de datos no estructurados, como las facturas. Los clientes de los bancos también reciben beneficios adicionales: anteriormente, los contadores clasificaban manualmente los gastos para estimar las emisiones de carbono, lo que implicaba entre 10 y 20 horas por empresa al año. Ahora ese proceso se ha eliminado, lo que permite a los clientes de los bancos ahorrar tiempo y dinero.
FUENTE: 'Kaufman, Lisbeth. de Chateauvieux, Benoit. 'Las últimas tendencias en IA generativa para abordar la crisis climática'' Aws.amazon.com. (https://aws.amazon.com/startups/learn/the-latest-generative-ai-trends-to-address-the-climate-crisis?lang=es).
