Cómo las startups de tecnología climática utilizan la IA generativa para abordar la crisis climática

La inteligencia artificial (IA) generativa puede parecer que es magia o un colaborador inteligente, ya que genera texto, imágenes, videos y música originales. Ha captado la atención del mundo con sus increíbles capacidades de chat y su atractiva generación de imágenes. Sin embargo, puede ser más que un colaborador creativo o un chatbot. En AWS vemos cómo la IA generativa transforma la manera en que las personas y las empresas utilizan la tecnología para resolver algunos de los problemas más desafiantes del mundo.

Hay pocos problemas más urgentes que la crisis climática. El mundo está en una carrera por lograr cero emisiones netas de carbono para 2050 y frenar el calentamiento global en 2 °C antes de que el impacto del cambio climático sea irreversible. La velocidad es fundamental para abordar la crisis climática. La IA generativa sigue siendo un campo emergente, pero se está convirtiendo en una herramienta importante para acelerar la creación y la implementación de soluciones climáticas.

Nos complace presentar algunas startups de tecnología climática que están en la vanguardia de la carrera para frenar la crisis climática. Usan la IA generativa para combatir el cambio climático mediante la reducción de las emisiones de gases de efecto invernadero y haciendo posible la transición a una economía sin emisiones de carbono.

BrainBox AI: aceleración de la descarbonización de edificios con IA generativa

Según la Agencia Internacional de Energía (AIE), los edificios representan el 30 % del consumo mundial de energía y el 26 % de las emisiones mundiales relacionadas con la energía. Reducir el uso de energía de los edificios es fundamental para llegar a cero emisiones globales netas.

BrainBox AI ha desarrollado una IA autónoma para descarbonizar y optimizar los edificios comerciales. También ahorra dinero a los clientes en sus facturas de energía. La solución de optimización basada en la nube desarrollada en AWS se conecta a los sistemas de climatización (calefacción, ventilación y aire acondicionado) existentes en los edificios y envía de forma autónoma comandos de control optimizados en tiempo real para minimizar las emisiones y el consumo de energía sin intervención humana.

Por ejemplo, BrainBox AI ha ayudado a los propietarios de edificios a reducir los costos de energía de climatización hasta en un 25 % y a reducir las emisiones de gases de efecto invernadero relacionadas con la climatización en hasta un 40 % mediante la predicción de la temperatura en una tienda minorista en función de datos históricos y conjuntos de datos externos, como las estructuras meteorológicas y tarifarias de energía.

A medida que BrainBox AI agrega nuevos edificios a su sistema, utiliza la IA generativa para reducir el tiempo de incorporación de cada nuevo edificio. En el pasado, cada vez que se identificaba un equipo nuevo en un edificio, como una bomba o un dispositivo de tratamiento de aire, los ingenieros tenían que consultar los complejos manuales técnicos del fabricante, encontrar detalles como la potencia nominal de la bomba o la presión que genera y, por último, convertir esa información en un formato legible por una máquina.

Con Amazon Bedrock, BrainBox AI extrae datos y genera archivos de configuración automáticamente. A continuación, los ingenieros completan y revisan estos archivos. Este proceso se conoce como etiquetado energético. Con Amazon Bedrock, BrainBox AI estima que ha reducido el tiempo necesario para realizar el etiquetado energético en más de un 90 %. Como resultado, BrainBox AI puede captar más clientes con mayor rapidez, por lo que puede tener un impacto mayor y más rápido en la crisis climática.

Pendulum: descarbonización de la cadena de suministro con la IA generativa

Pendulum aprovecha el poder de la IA para abordar uno de los problemas más urgentes del mundo: cómo las organizaciones pueden crear más con menos. La tecnología de la empresa ofrece soluciones sostenibles para problemas complejos en sectores como la cadena de suministro comercial, la salud mundial y la seguridad nacional.

La optimización de las cadenas de suministro es crucial para reducir las emisiones de carbono. Accenture estima que las cadenas de suministro generan el 60 % de todas las emisiones de carbono a nivel mundial. Según la Agencia de Protección Ambiental de EE. UU., las cadenas de suministro pueden representar más del 90 % de las emisiones de gases de efecto invernadero de una empresa. Si analizamos cómo funcionan (o no funcionan) las cadenas de suministro en la actualidad, vemos algunos detalles sorprendentes sobre la magnitud del despilfarro de recursos y capital. Por ejemplo, se estima que cada año se pierden 562 000 millones de USD en exceso de existencias, y se desechan el 17 % de los productos alimenticios y el 8 % de los productos envasados para la venta minorista y de consumo.

Las soluciones basadas en IA de Pendulum permiten a las organizaciones gestionar de forma inteligente sus operaciones y reducir el desperdicio de productos, la pérdida de ingresos y el exceso de emisiones de gases de efecto invernadero. El software de Pendulum, creado en AWS, puede predecir la demanda, planificar el suministro y geolocalizar los envíos. Permite a las empresas comprar con mayor precisión los recursos que necesitan y, al mismo tiempo, producir exactamente la cantidad de productos que demandan sus clientes.

El acceso a los datos empresariales es fundamental para la plataforma de Pendulum. Sin embargo, los datos suelen conservarse en sistemas aislados y en documentos no estructurados, como archivos PDF y de texto sin formato. El software de Pendulum está diseñado para aprovechar los orígenes de datos más relevantes para la toma de decisiones operativas. Están implementando la IA generativa para desbloquear rápidamente la información importante contenida en documentos largos y complicados, a fin de poder reducir el tiempo de obtención de valor para sus clientes.

Un ejemplo de cómo esto se está implementando de manera efectiva es el caso de la agricultura de precisión. El equipo de Pendulum utiliza el método human-in-the-loop para ajustar las instrucciones de un modelo de lenguaje de gran tamaño (LLM) en AWS Trainium mediante Amazon SageMaker. Esto genera datos legibles por máquinas a partir de archivos no estructurados que la maquinaria agrícola de sus clientes puede usar para determinar la cantidad de pesticidas, agua y otros productos que debe usar. Como resultado, es menos probable que el cliente haga un uso excesivo de los recursos o los pida en exceso, y puede ahorrar dinero y reducir la huella de carbono y el impacto ambiental. Además, permite a los clientes cumplir con las necesidades de la planta, las normativas locales y otros criterios importantes.

Pendulum estima que esta solución ha reducido el tiempo necesario para decodificar estos documentos en un 83 %, y ahora solo necesitan revisar los datos para garantizar la calidad. Esto, a su vez, reduce los costos y acelera la implementación de su software a gran escala.

VIA: facilitar a los administradores de edificios la comprensión de la eficiencia energética con IA generativa

Para permitir la reducción de emisiones, las instituciones y las empresas deben rastrear los datos de energía a nivel local e individual. Por ejemplo, para reducir las emisiones de carbono asociadas a su flota de vehículos eléctricos (VE), es importante que la empresa sepa si los vehículos eléctricos, en una región determinada y en un momento determinado, se cargan con electricidad alimentada por energías renovables o combustibles fósiles. Para que los edificios ahorren energía, es esencial disponer de datos detallados e individualizados sobre toda la cartera inmobiliaria de una organización. Si todos proporcionaran todos los datos de forma transparente, esto no sería un problema. Sin embargo, a menudo no se puede acceder a los datos a nivel individual por cuestiones de privacidad o seguridad. Muchas personas se muestran reacias a proporcionar la hora, la fecha y el lugar de los datos de carga, descarga y energía de su vehículo. Esto hace que la gestión de la energía y la reducción de los gases de efecto invernadero sean un desafío.

Via Science, Inc. (VIA) permite a las organizaciones reducir su huella de carbono como colectivo y, al mismo tiempo, mantener la privacidad y la seguridad de los datos individuales. La empresa proporciona datos de sostenibilidad mediante pruebas de conocimiento cero probadas y verificadas por el Departamento de Energía de EE. UU. Esto permite a las organizaciones y empresas hacer un seguimiento de los datos y cumplir los objetivos de sostenibilidad, incluso cuando no es posible compartir información detallada debido a barreras normativas o de privacidad.

VIA desarrolló inicialmente una solución para la Fuerza Aérea de EE. UU., que tiene requisitos estrictos de privacidad de datos que a menudo prohíben a los equipos de administración de edificios y administración de energía acceder a los datos críticos que necesitan. La solución de software descentralizada de VIA permite a los aviadores y a los contratistas autorizados utilizar modelos de IA generativa sin compartir datos: no se utilizan datos privados para entrenar el modelo ni se envían al modelo inmediatamente. En cambio, cuando un usuario introduce un mensaje como “muéstrame todos los edificios de la Base de la Fuerza Aérea XYZ con un sistema de climatización inferior a 60”, el LLM responde: “Comprendo lo que quiere lograr y, como no tengo acceso a los datos, generaré una consulta de SQL que puede ejecutar para obtener los datos de la base de datos local. También le enviaré el código de interfaz que puede ejecutar para mostrar los datos”. Luego, estos dos fragmentos de código se devuelven al usuario, donde la herramienta, SLAM AI, se ejecuta automáticamente y visualiza los datos de forma local.

Para ahorrar aún más energía y reducir los costos de procesamiento, VIA utiliza LLM compactos de código abierto que se ejecutan en CPU. Evalúan continuamente los nuevos modelos debido a la rápida evolución del rendimiento de los LLM. Al aprovechar Amazon Elastic Kubernetes Service (EKS), pueden intercambiar modelos sin problemas e integrar otros más eficientes a medida que estén disponibles.

Los próximos pasos de la IA generativa y la tecnología climática

BrainBox AI, Pendulum y VIA utilizan la IA generativa en AWS de maneras interesantes para abordar la crisis climática. Utilizan la capacidad de la IA generativa para extraer elementos clave de datos no estructurados y generar contenido nuevo. Esto permite a estas empresas atender a sus clientes con mayor rapidez, servir a más clientes y reducir las emisiones de gases de efecto invernadero. También reduce los costos para dichas empresas y sus clientes.

Esperamos que las startups de tecnología climática encuentren nuevas formas adicionales de utilizar la IA generativa en AWS para abordar la crisis climática. Estos son algunos ejemplos de lo que estamos viendo en otros sectores que creemos que podría aplicarse a la tecnología climática.

Aumento de datos mediante IA generativa a fin de generar datos sintéticos para el entrenamiento de modelos predictivos

La Al generativa puede crear datos sintéticos, que son una clase de datos que se generan en lugar de obtenerse a partir de observaciones directas del mundo real. Esto podría ser útil para modelar el subsuelo con fines geotérmicos o de secuestro de carbono cuando es difícil obtener datos sobre la formación rocosa del subsuelo. Las startups del sector del transporte con bajas emisiones de carbono también podrían utilizar la IA generativa para crear escenarios en los que probar nuevos vehículos. También podría ser útil en la fabricación de tecnología dura de Climate Tech. La creación de datos de imágenes sintéticas se puede utilizar para crear imágenes de equipos (por ejemplo, compresores, turbinas) con óxido o grietas. Estas imágenes se pueden usar para entrenar modelos de machine learning (ML) basados en la visión para el mantenimiento predictivo, que pueden desempeñar un papel clave a la hora de reducir los costos y minimizar el tiempo de inactividad operativo.

Mejora de la eficiencia de fabricación de Climate Tech mediante IA generativa

Mediante el uso de modelos entrenados en datos históricos, incluidos los registros de uso y mantenimiento de las máquinas, la IA generativa puede identificar patrones y vínculos entre varios factores, como la temperatura, la vibración y las horas de funcionamiento. Esto puede permitir al sistema prever la probabilidad de que se produzcan fallos en los equipos y comunicar esos patrones de forma proactiva a las partes interesadas adecuadas, como los ingenieros de calidad, los ingenieros de mantenimiento y los operadores. Al comunicar de forma proactiva la necesidad de mantenimiento, se reducirá el tiempo de inactividad y se minimizarán las interrupciones en la fabricación.

Diseño y síntesis de nuevas secuencias de proteínas para la agricultura y la producción de alimentos sostenibles con IA generativa

La IA generativa puede predecir las estructuras plegadas de las proteínas que les permiten llevar a cabo funciones particulares en la célula. Esto permitirá a los investigadores generar proteínas funcionales y diferentes moléculas de forma guiada. Además, la IA generativa permite a los científicos definir con precisión la estructura de las secuencias de proteínas conocidas para identificar objetivos moleculares y biológicos.

Es probable que haya muchas más formas en las que las startups de tecnología climática puedan utilizar la IA generativa para abordar el calentamiento global. Esperamos que esta publicación genere ideas e inspire a los fundadores de tecnología climática a utilizar la IA generativa de formas nuevas y emocionantes.

Las cargas de trabajo de IA generativa pueden consumir grandes cantidades de energía y recursos en la nube y, como ocurre con todas las cargas de trabajo, es fundamental tener en cuenta su impacto ambiental. Es nuestra responsabilidad colectiva hacer un uso sostenible de esta tecnología. Amazon se compromete a alcanzar cero emisiones netas de carbono para 2040. Como parte de este compromiso, Amazon está en camino de impulsar sus operaciones con un 100 % de energía renovable para 2025, incluidos los centros de datos de AWS. Esto ha llevado a Amazon a ser el mayor comprador corporativo de energía renovable del mundo durante los últimos cuatro años. AWS proporciona orientación para ayudar a las empresas a optimizar sus cargas de trabajo de IA generativa en aras de la sostenibilidad medioambiental. También es fundamental que estas empresas midan el impacto del uso de la IA generativa y su contribución a los objetivos generales de sostenibilidad de la organización.