¿Puede la IA reducir la huella de carbono en la última milla?

Informe sobre el consumo energético de la Inteligencia Artificial

El debate en torno al consumo energético de la Inteligencia Artificial se intensifica día a día. Diversas investigaciones han advertido que la emisión de CO2 generada por el entrenamiento de algoritmos puede superar con creces a la de varios autos durante su vida útil.

Objetivos de Desarrollo Sostenible (ODS)

• ODS 7: Energía asequible y no contaminante
• ODS 9: Industria, innovación e infraestructura sostenibles
• ODS 11: Ciudades y comunidades sostenibles
• ODS 13: Acción por el clima
• ODS 15: Vida de ecosistemas terrestres

Sólo una sesión de entrenamiento de GPT-3 utiliza la misma cantidad de energía que 126 hogares daneses durante un año, lo que, a su vez, es comparable con la huella de carbono de un automóvil recorriendo 700.000 millas.

Suscríbete a nuestro newsletter

A esto se suma la infraestructura ligada a la IA, como los grandes centros de datos, que consumen una enorme cantidad de agua en tiempos de creciente déficit hídrico.

Sin embargo, en la actualidad también se observa a la IA como una herramienta que puede adquirir una importancia fundamental en la lucha contra el cambio climático, por ejemplo, para optimizar el consumo energético de edificios; monitorear y prevenir la contaminación atmosférica; controlar y predecir la demanda de agua; detectar vertidos de petróleo; y reducir emisiones de gases de efecto invernadero por parte de las empresas; entre otros.

Recientemente, en el Foro Anual de Desarrollo de China, el CEO de Apple Inc., Tim Cook, afirmó que la inteligencia artificial proporciona un enorme conjunto de herramientas para cualquier empresa que quiera ser neutra en carbono o reducir sus emisiones en una cantidad sustancial. Una de ellas es la mejora de rutas de transporte.

Desde la automatización de rutas mediante chatbots, hasta el despliegue de vehículos autónomos, las rutas dinámicas y el auto-reabastecimiento de inventarios, la inteligencia artificial ha transformado radicalmente la manera en que concebimos la entrega de mercancías y productos en menos de una década.

Principalmente, hemos visto que la inteligencia artificial (IA) y el aprendizaje automático (ML) están revolucionando la logística de última milla, proporcionando soluciones innovadoras que no sólo permiten entregas personalizadas, sino que más eficientes.

Este tipo de tecnologías han permitido optimizar las rutas de entrega en tiempo real, considerando factores como el tráfico y las condiciones climáticas, lo que reduce significativamente los tiempos de tránsito y, con ello, la huella de carbono por concepto de despachos, sumado a los costos operativos.

Además, el ML puede prever con precisión las ventanas de entrega más convenientes para los clientes, basándose en patrones de comportamiento y preferencias anteriores, lo que reduce las entregas fallidas, que también son hoy un costo energético.

Por su parte, la retroalimentación recopilada y analizada mediante machine learning posibilita una mejora continua, que permite optimizar constantemente las operaciones logísticas. Un ejemplo de esto es lograr ajustar las rutas según la experiencia previa.

El uso de softwares de última milla está ayudando hoy día a reducir la huella de carbono. Se estima que quienes utilizan este recurso pueden ahorrar aproximadamente 30% en gastos de combustible.

En ese sentido, la IA puede ser un actor de gran importancia en el rubro para responder a la cada vez mayor necesidad de sostenibilidad y eficiencia, no sólo en la logística de entregas, sino en todos los ámbitos del quehacer humano.

Suscríbete a nuestro newsletter

1. Objetivos de Desarrollo Sostenible (ODS) abordados en el artículo:

• Objetivo 7: Energía asequible y no contaminante
• Objetivo 9: Industria, innovación e infraestructura
• Objetivo 11: Ciudades y comunidades sostenibles
• Objetivo 12: Producción y consumo responsables
• Objetivo 13: Acción por el clima

2. Metas específicas de los ODS identificadas en el artículo:

• Meta 7.2: Aumentar la eficiencia energética y promover el uso de fuentes de energía renovable.
• Meta 9.4: Actualizar la infraestructura y reconvertirla para que sea sostenible.
• Meta 11.6: Reducir el impacto ambiental negativo per capita de las ciudades, incluido el consumo de energía.
• Meta 12.2: Lograr la gestión sostenible y el uso eficiente de los recursos naturales.
• Meta 13.3: Mejorar la educación, la sensibilización y la capacidad humana e institucional en mitigación del cambio climático.

3. Indicadores de los ODS mencionados o implícitos en el artículo:

• Indicador 7.2.1: Consumo de energía renovable como porcentaje del consumo total de energía.
• Indicador 9.4.1: Valor agregado bruto de la industria manufacturera como porcentaje del PIB y empleo en la industria manufacturera como porcentaje del empleo total.
• Indicador 11.6.2: Proporción de la población urbana que vive en barrios marginales, asentamientos informales o carece de vivienda adecuada.
• Indicador 12.2.1: Tasa de reciclaje, reutilización y reducción de residuos sólidos municipales.
• Indicador 13.3.2: Número de países que han integrado medidas de mitigación del cambio climático en sus políticas, estrategias y planes.

4. Tabla ‘ODS, metas e indicadores’:

¡Atención! Este espléndido artículo nace de la fuente del conocimiento, moldeado por una maravillosa tecnología patentada de inteligencia artificial que profundizó en un vasto océano de datos, iluminando el camino hacia los Objetivos de Desarrollo Sostenible. Recuerda que todos los derechos están reservados por SDG Investors LLC, lo que nos permite defender el progreso juntos.

Fuente: tekiosmag.com

Únete a nosotros en un viaje transformador en https://sdgtalks.ai/welcome, para contribuir activamente a un futuro mejor.