IA de código abierto para la justicia ambiental: Presentamos a la cohorte 2024 del Fondo Tecnológico Mozilla

Estos adjudicatarios del Fondo Tecnológico Mozilla están creando herramientas de IA de código abierto que ayudan al planeta en lugar de dañarlo

(LUNES, 5 DE FEBRERO DE 2024) - La nueva cohorte del Fondo Tecnológico Mozilla (MTF) utilizará herramientas de IA de código abierto para rastrear emisiones de metano, exponer operaciones mineras dañinas, monitorear la calidad del aire y mucho más.

Hoy Mozilla anuncia a los premiados de 2024. Los proyectos ganadores abarcan seis países: India, Francia, Kenia, Paraguay, Uganda y EE. UU. Mozilla está otorgando premios de hasta 50.000 dólares, más un año de tutoría y apoyo para cada uno de los galardonados.

Todos los proyectos de la cohorte 2024 trabajan en la intersección del código abierto, la justicia ambiental y la IA, con el fin de lograr un impacto positivo en los ecosistemas y las comunidades humanas. Complementan así el amplio trabajo de Mozilla en el área de la justicia ambiental, como los compromisos climáticos y la participación en la Green Screen Coalition.

Lanzado en 2022, el Fondo Tecnológico Mozilla apoya a los tecnólogos que trabajan con código abierto para abordar los problemas más espinosos de Internet; las cohortes anteriores han aumentado la transparencia y mitigado los sesgos en el ecosistema de IA. El fondo fortalece la comunidad y la sostenibilidad de estos proyectos de código abierto, y está alineado con los principios para una IA confiable de la institución de Mozilla.

Mehan Jayasuriya, oficial sénior de programas para Mozilla, comenta: «La forma en que elegimos construir e implementar sistemas de IA tiene un impacto descomunal en nuestro medioambiente. Estos sistemas pueden contribuir a la degradación ambiental o ayudar a prevenirla. Pueden dañar la tierra que los pueblos indígenas consideran su hogar o ayudar a esas comunidades a resistirse a la extracción de recursos y las prácticas nocivas de gestión de las tierras. Los sistemas de IA pueden acelerar el cambio climático o ayudar a abordarlo. Los proyectos galardonados lideran el camino que consiste en demostrar cómo se puede utilizar la IA de código abierto para ayudar al medioambiente en lugar de dañarlo».

Conoce a los premiados

MethaneMapper, de EyeClimate, EE. UU.

MethaneMapper resuelve el problema de las emisiones de metano no declaradas. Cuando la mayoría de las compañías de petróleo y gas, las plantas de carbón y las granjas industriales ignoran las fugas en sus tuberías y realizan el control de sus campos midiendo la menor cantidad posible de carbono y metano, la contabilización de emisiones y su regulación tienen muy poca importancia. MethaneMapper es una herramienta de código abierto e impulsada por IA, que utiliza imágenes hiperespectrales para detectar las emisiones de metano y rastrearlas hasta sus fuentes. La eficacia de la herramienta está en que los datos no provienen de dispositivos portátiles o dispositivos instalados que pueden engañarse fácilmente. Los datos de entrada son imágenes atmosféricas hiperespectrales de la zona objetivo. Por lo tanto, MethaneMapper es mucho más preciso y funciona en una región geográfica mucho más amplia que el monitoreo tradicional.

___

Amazon Mining Watch, de Rainforest Investigations Network, Earth Genome y Amazon Conservation, EE. UU.

Amazon Mining Watch (AMW) es una colaboración de código abierto entre la Red de Investigaciones de Bosques Tropicales (RIN) del Centro Pulitzer, Earth Genome y Amazon Conservation. Surge del nexo entre la innovación tecnológica, la transparencia y la justicia ambiental. AMW utiliza la IA para buscar imágenes satelitales con el fin de identificar minas de oro que constituyan una amenaza para las comunidades indígenas, causen deforestación y pongan en peligro la selva tropical más importante de nuestro planeta. Las minas detectadas se exponen al conocimiento público a través de un sitio web accesible y un repositorio de GitHub. AMW es un faro que echa luz sobre las operaciones mineras encubiertas y dañinas que amenazan a la Amazonia y sus pueblos indígenas.

___

CodeCarbon, Francia

CodeCarbon comenzó en 2020 con una simple pregunta: ¿Cómo puedo medir la huella de carbono de mi programa informático? El equipo encontró algunos datos globales, como que «actualmente, la informática representa aproximadamente el 0,5 % del consumo mundial de energía», pero nada sobre los impactos a nivel individual u organizacional y de dónde provienen. El equipo de CodeCarbon cree, como explica Niels Bohr, que «Las cosas no existen hasta que es posible medirlas». Por eso, se dedicaron a encontrar una manera de estimar la cantidad de carbono que se produce mientras ejecutan un código. Lo hicieron creando un paquete de Python que estima el consumo de energía eléctrica del hardware (GPU + CPU + RAM) y lo aplica a la intensidad de carbono de la región donde se realiza el cómputo, para calcular automáticamente el consumo de energía y las emisiones de carbono de cualquier código.

___

Sand Mining Watch, de la Universidad de California, Berkeley, EE. UU. e India

Sand Mining Watch es un sistema web de minería de arena y monitoreo de recursos de arena, que inicialmente se centró en los sistemas fluviales de la India. El objetivo del proyecto es construir herramientas basadas en IA de código abierto destinadas a detectar minas de arena, que generen mapas de alta resolución y en tiempo real de la actividad minera para la extracción de arenas en cuencas fluviales de todo el mundo. Estas herramientas y datos pueden catalizar la acción política, mejorar el monitoreo y la regulación de las actividades mineras ilegales y ayudarnos a caracterizar y comprender mejor los impactos socioeconómicos y ambientales de la minería de arena.

___

Zeus: Deep Learning Energy Measurement and Optimization, de Jae-Won Chung, EE. UU.

Zeus es la última innovación en medición y optimización de energía mediante deep learning. Cuenta con componentes de monitoreo que permiten a los usuarios medir el consumo de energía de la GPU, así como componentes de optimización automática de los reguladores de DNN o GPU en función de las mediciones del componente de monitoreo. El objetivo del equipo es medir, comprender, optimizar y exponer el consumo de energía de los sistemas modernos de aprendizaje automático. Consideran que el consumo de energía es una métrica emergente de primera clase en los sistemas informáticos, que hasta el momento se ha pasado por alto en gran medida.

___

Public Utility Data Liberation, de Catalyst Cooperative, EE. UU.

El proyecto Public Utility Data Liberation (PUDL) consiste en un canal de datos de código abierto que proporciona productos de datos de energía gratuitos, actualizados, controlados por versiones y listos para el análisis, basados en tres décadas de datos informados a las agencias federales. Su visión a largo plazo es crear un ecosistema PUDL de código abierto que: (1) proporcione acceso equitativo a datos energéticos de alta calidad; (2) sirva como un repositorio comunitario de canales de análisis y limpieza de datos reproducibles y bien documentados, esenciales para la investigación y defensa del sistema energético; (3) sea accesible para los usuarios que trabajan con una variedad de herramientas diferentes (p. ej., Excel); y (4) sea un entorno inclusivo y abierto para usuarios y colaboradores.

___

AI-Driven Air Quality Forecasting for Asunción, por Fernanda Carlés, Paraguay

Desde 2022, Fernanda Carlés ha estado trabajando junto con la Universidad Nacional de Asunción (UNA) para desarrollar modelos de aprendizaje automático que predigan los niveles del índice de calidad del aire en las diez estaciones de monitoreo de la UNA. Esta iniciativa ha dado como resultado modelos de aprendizaje automático de alto rendimiento que ofrecen predicciones de la calidad del aire para horizontes de seis y 12 horas, con impresionantes tasas de precisión del 91 % y el 86 %, respectivamente. El objetivo de este proyecto es acercar al público el poder predictivo de los modelos de aprendizaje automático. Para lograrlo, el proyecto propone el desarrollo de una aplicación web accesible que ofrezca pronósticos de la calidad del aire en tiempo real, con visualizaciones y alertas interactivas. Esta aplicación utilizará datos en tiempo real de las estaciones de monitoreo existentes en el área de Gran Asunción, combinados con modelos de aprendizaje automático validados.

___

Leveraging AI for Environmental Justice and Environmental Impact Assessment for Advocacy on Nuclear Energy and Policy, por Center for Justice Governance y Environmental (ACTI), Kenia

Este equipo desarrolló previamente productos de software basados en IA para proyectos individuales en el Pacífico (CCZ) y la región norte tropical del Océano Atlántico (clasificación del hábitat del fondo marino y detección y clasificación de especies). Para este proyecto, refactorizarán los dos flujos de trabajo en una única base de código abierto adaptada para un área de trabajo en el Océano Índico, donde se ha propuesto el desarrollo de un nuevo reactor nuclear. El proyecto busca utilizar la IA y los esfuerzos de la comunidad ecologista para generar un mapeo ecológico integral que ayude a la comunidad de Uyombo a proteger su medioambiente limpio y saludable, así como sus derechos socioeconómicos y culturales.

___

AIG SMS for Environmental Justice among the Mau Indigenous Community, de L. Lusike Mukhongo, EE. UU. y Kenia

El nombre de este proyecto significa «Mensajes de texto breves (SMS) generados por IA (AIG) para la justicia ambiental de la comunidad indígena Mau». Se trata de una iniciativa innovadora dedicada a abordar los apremiantes problemas ambientales que enfrenta la comunidad indígena Mau en Kenia. El bosque Mau, una de las áreas de captación de agua más grandes de África Oriental, está amenazado por la deforestación, los asentamientos agrícolas ilegales y el cambio climático, lo que afecta directamente los medios de vida y el bienestar de la comunidad indígena Ogiek y la comunidad Mau en general. El objetivo del proyecto es avanzar en los principios de justicia ambiental mediante la adopción de mensajes de texto breves generados por IA entre la comunidad indígena del bosque Mau, basados en sus conocimientos tradicionales sobre la protección de los bosques y el mantenimiento de torres de agua vitales. El sistema de IA también tendrá indicaciones basadas en texto que permitirán a los usuarios consultarlo y obtener resultados sobre un tema de interés.

___

Estimating and Validating PM2.5 Levels Using Satellite and Ground Observations in Selected African Cities for Environmental Justice, por AirQo, Uganda

Este proyecto estimará los niveles de partículas (PM2.5) a partir de observaciones satelitales basadas en la profundidad óptica del aerosol (AOD) en siete ciudades de siete países africanos: Lagos, Accra, Nairobi, Yaundé, Bujumbura, Kisumu y Gulu. Empleará diferentes resoluciones de monitoreo en tierra utilizando algoritmos de aprendizaje automático, y usará las observaciones terrestres disponibles en las ciudades seleccionadas para validar las estimaciones satelitales. Los resultados de los modelos de IA desarrollados se implementarán a través de plataformas digitales accesibles y una aplicación móvil, con el objetivo de democratizar y empoderar a las comunidades para que accedan a información crucial sobre la calidad del aire. Esto fomentará la toma de decisiones y las intervenciones estratégicas basadas en evidencias, informadas e inclusivas, para abordar los desafíos locales relacionados con la contaminación y, al mismo tiempo, favorecer la justicia ambiental.