Modelización 2
Modelización 2
Modelización 2
Inteligencia
artificial y
sostenibilidad
DIÁLOGO SOBRE
RESPONSABILIDAD SOCIAL EMPRESARIAL
Impacto de la inteligencia
artificial en los Objetivos de
Desarrollo Sostenible
http://www.cs.us.es/~fsancho/?e=72
Evolución de la IA (y sus inviernos)
¿Que ha rescatado la IA en los últimos tiempos?
La acumulación interconectada de (grandes) datos disponibles:
• Las redes sociales
• Los móviles de uso personal
• El internet de las cosas
• ….
De Deep blue a Alpha Zero…y más allá…
“Alpha Zero se basa en una red neuronal que acumula
conocimiento de las partidas previas. Le dijeron a la
máquina: olvídate de Kaspárov y de Fisher, estas
son las reglas del ajedrez, juega contra ti misma […]
Cuando ve una posición la compara con las de los 44
millones de partidas jugadas y sabe si es buena o mala
y qué jugadas son más prometedoras. Dedica poco
tiempo al cálculo pero se basa en una red neuronal
con muchas partidas de aprendizaje”
“No me cuentes lo que habéis aprendido Algunas estrategias conocidas han tomado mayor
en 500 años, lo aprendo en 4 horas yo importancia como el avance de peones de torre, el
sola. Nosotros la queríamos forzar a llamado “ataque a la bayoneta”. El vigente campeón
jugar como humanos y las máquinas del mundo, Magnus Carlsen, está usándolo ahora
tienen que pensar como máquinas”. más desde la llegada de Alpha Zero.
https://www.xataka.com/robotica-e-ia/como-inteligencia-artificial-ha-cambiado-sigue-cambiando-radicalmente-ajedrez-entrevista-a-
miguel-illescas-campeon-espana-cocreador-deep-blue
https://www.vice.com/en/article/xgzkek/machines-are-inventing-new-math-weve-never-seen
https://www.youtube.com/watch?v=TfVYxnhuEdU
Inteligencia Artificial y Sostenibilidad
“La Agenda 2030 es un plan de acción en favor de las personas, el planeta y
la prosperidad. También tiene por objeto fortalecer la paz universal dentro de
un concepto más amplio de la libertad. La aprobación de los ODS representa
una oportunidad histórica para unir a los países y las personas de todo el
mundo y emprender nuevas vías hacia el futuro. Los ODS están formulados
para erradicar la pobreza, promover la prosperidad y el bienestar para todos,
proteger el medio ambiente y hacer frente al cambio climático a nivel mundial.”
Cambridge Analyiica. anunció el pasado miércoles 2 de mayo s,u ci erre después de ser
acL.JJSad a de haber usado de furma iIícita. in furmaoión de más de '87 mi lm11es de
1usu a1ri :O<S de Faoeboo!lk.. Ahora. mud ho,s te m en que una nueva ool'illpañía.,
El'illerdlata, les sirva como sustituta.
■Cam bridge Analyi iica la Iem¡p ires a d;etras d;el mayo:ir escándal:o d:e pri vaci dad
ide F acelbook ,, a 1uinrci a swI ci e1rne
■Cómo puedes co1inr1Jm la r 11 1ai i11111fo lflllaoió1i111 q 111,e oedes a I as apps dle
Faceb oo
·y ,c ó m o bolllf'íilr tu eue1 mi y t11¡s d atos
"Es como la besUa Hi dra de la. 111itolo gí'a griega: cortas una cabeza y crece otra".,
dijo Damian Collins, diputado del par1amento británico y mi embro del comité
par1amenta.ri o para cult ura., m edios y deportes al Financia / Times. "C reo que será
igual que Camb ridge Analytica pero oon un no rn br,e diferente".
1i gel Oak es, fundlador del grupo SCL (fiilial br1i tán ica de Cambridge Analyi ica.) dijo
públicamente aI Channef 4 de Reino Unido el pasado mes de marzo que é1 entendía que
Las fake news y la polarización de la sociedad
¿Dictadura digital?
Rendición de cuentas:
¿Los datos de entrenamiento pueden auditarse?
Redes Neuronales convolucionales…
¿Cómo regular acceso a datos, cuando hay
datos indirectos disponibles?
https://www.youtube.com/watch?v=hSSmmlridUM&t=210s
Los deptos y empresas de RRHH ya están
reaccionando….¿Greenwash?
https://www.youtube.com/watch?v=Efo2ebnES_U
https://www.pymetrics.ai/
Enorme y creciente consumo de energía…
• La “Green IA” plantea que para conseguir un menor consumo
energético hay que alcanzar un equilibrio entre el volumen de datos
necesario para entrenar el modelo, la cantidad de tiempo para
entrenarlo y el número de iteraciones para optimizar sus parámetros.
• También es importante la fuente de energía, renovable o no,
empleada en la creación y aplicación de estos modelos.
https://videos.neurips.cc/video/slideslive-38946802
.
.
.
.
¿Son -+ sustituibles
las formas en que se
añade valor?
.
.
.
.
¿Son -+
. . . . automatizables las . . . .
“Core skills” que se
precisan?
Source: Latham S. and Humberd B. (2018). Four Ways Jobs Will Respond to Automation. Sloan Management Review. 24
Polarización de desarrollos en IA
Posibles impactos “positivos” de la IA
• Puede incrementar la producción industrial y automatizar cierto
tipo de labor humana que representa riesgos muy altos de
seguridad y lesiones laborales.
• Soberanía alimentaria: ayudar a la provisión de alimento mediante
sistemas de agricultura de precisión, monitoreo de cultivos y
suelos...así como análisis predictivo con modelos de aprendizaje
automático para predecir impactos de las condiciones ambientales.
• Revolución de nuestra salud tal como la conocemos apostando por
una medicina preventiva, de precisión y personalizada.
• Podría habilitar sistemas de baja huella de carbono, creando
economías circulares y ciudades inteligentes que hagan un uso
eficiente de recursos y den preferencia a tecnologías tales como
vehículos autónomos eléctricos, accesorios inteligentes y sistemas
que integren eficiencia energética y energías renovables.
• Con respecto al cambio climático, se ha demostrado que la IA
permitirá crear modelos predictivos que nos ayuden a entender y
anticipar sus posibles consecuencias.
Posibles impactos “positivos” de la IA
• La IA puede ser usada también para garantizar el bienestar de
ecosistemas (por ej. monitorización de especies salvajes, o de
vertidos de petróleo, para reducir la polución marina o
detectar desertización y suelo degradado).
• También puede ayudar a identificar áreas empobrecidas y de
conflicto, predecir desastres naturales de forma anticipada y
promover acción internacional mediante el análisis
automático de imágenes por satélite, o incluso mediante
correlaciones…
• Finalmente, la IA podría también ayudar a democratizar el
acceso a educación de calidad, permitiendo sistemas de
tutorización automáticos y personalizados...
Potencial para monitorizar stakeholders y
estándares de RSE
Aplicaciones
interesantes…
https://elpais.com/elpais/2017/05/31/ciencia/1496225109_719491.html
https://empresas.blogthinkbig.com/datos--gestionar-situaciones-emergencia/
https://www.retema.es/noticia/la-inteligencia-artificial-al-servicio-del-uso-sostenible-del-agua-en-la-agricultura-FwC8
a lntelígencía artific ial para promc X +
C i aínía.es/notidas/ prensa/í ntelíge nd a-artífícíal- rny- prefs/
O Home / Noticias / Notas de Prensa de aínía / lntelígencía artíficíal para promover el consumo responsable y sostenible en el punto de venta
archivo
En el marco del proyecto ASSET en el que colaboran AINIA, el centro tecnológico de Linz
(Austria}, VKI (Austria}, la Universidad de Zurich, Fastline (Alemania} y Elegir elmes V
Revolución IA en Salud
https://www.institutoroche.es/observatorio/retoseticosylegales
Conclusiones
• La misma innovación tecnológica que podría contribuir a resolver los problemas sociales,
económicos y medioambientales más importantes…puede traer consigo nuevos riesgos.
• Hay que valorar las oportunidades en sostenibilidad, así como los riesgos de la aplicación
de la IA. Cuánto más nos acercamos a su implementación, más importante se hace la
regulación de estos sistemas para hacerlos robustos, seguros y beneficiosos; así como
para prevenir entre otros el mal funcionamiento o los ataques informáticos.
• Necesitamos desarrollar metodologías científicas que aseguren que estas nuevas
tecnologías se evalúan, no sólo desde el punto de vista de su eficiencia, sino también de
la ética y la sostenibilidad, antes de su puesta a punto en el mundo real.
• Es probable que los proyectos de IA con mayor lucro económico e interés comercial sean
los más financiados. Esto también puede acrecentar la desigualdad y crear un riesgo de
que la tecnología basada en IA con más potencial para el desarrollo sostenible no se
priorice…Necesitamos diálogo a nivel global.
Detección Automática de Condiciones
Agroclimáticas para Siembra de Cultivos
en Zonas Tropicales y Subtropicales
mediante Métodos de Ensamble
Director:
PhD. Juan Carlos Corrales
Popayán, Colombia
GRUPO DE INGENIERIA 2016
TELEMATICA
Agenda
• Contexto
• Escenario de Motivación
• Trabajos Relacionados
• Brechas
• Pregunta de Investigación
• Objetivos
• Avances
Contexto Escenario de Motivación Trabajos Relacionados Brechas Pregunta de Investigación Objetivos Avances
Aprendizaje
Automático
(ML)
Sistemas de
Agricultura
Soporte a la
Climáticamente
Toma de
Inteligente
Decisiones
(CSA)
(DSS)
Contexto Escenario de Motivación Trabajos Relacionados Brechas Pregunta de Investigación Objetivos Avances
Análisis
CSA Estrategias
Políticas
Evaluación Monitoreo
Marcos de Tecnologías
Inversión
Contexto Escenario de Motivación Trabajos Relacionados Brechas Pregunta de Investigación Objetivos Avances
Escenarios Climáticos
Representación del clima que se observaría en la atmósfera en las diferentes épocas
futuras. (IPCC, 2013)
A1 B1
$ $
Escenarios
$ de Emisiones $
A2 B2
Escenario Climático
Escenario
Agroclimático
Contexto Escenario de Motivación Trabajos Relacionados Brechas Pregunta de Investigación Objetivos Avances
Económica
Dimensiones
Antioquia
Caldas Biofísica
Risaralda
Social
Quindío
Valle
Institucional
Cauca
Ambiental
Contexto Escenario de Motivación Trabajos Relacionados Brechas Pregunta de Investigación Objetivos Avances
Combinación de Clasificadores
•Boosting
•Bagging
•Random Forest
Combinación de Salidas
•Average
•Voting
•Stacking
•Grading
•Arbiter Trees
•Combiner Trees
Contexto Escenario de Motivación Trabajos Relacionados Brechas Pregunta de Investigación Objetivos Avances
Datos
Roles de un DSS
• Realizar Predicciones
Modelos Conocimiento
• Soportar decisiones no
estructuradas y semi-
Comunicación Documentos
estructuradas
Contexto Escenario de Motivación Trabajos Relacionados Brechas Pregunta de Investigación Objetivos Avances
Condiciones
Agroclimáticas
Cambio
Climático
Variabilidad
Climática
Nuevos cultivos Nuevas zonas
Datos del sector:
potenciales para potenciales
•Representa el 40% de las
exportaciones la zona para cultivar
•El 21% de la población depende
directamente de la agricultura
como fuente de empleo
¿Qué nos espera?
•Aumento de Temp: 2.5 °C
•Incremento de Prec: 2.5 %
Agricultura y Seguridad •En más del 60% de las áreas
Alimentaria actualmente cultivadas se verá
impactado el 80% de los cultivos
Implicaciones:
•Baja productividad
•Pérdidas económicas
•Déficit de alimentos
Mapeo Sistemático
Aplicaciones actuales de los MCS
Algoritmos de Clasificación:
Mapeo Sistemático
Búsquedas en las principales BDbibliográficas
Mapeo Sistemático
Cadena de búsqueda # doc.
“ensemble methods” AND agriculture 20
(“multiple classifier system” OR “MCS”) AND DSS AND (agriculture OR crops) AND climate OR 59
“climate change” OR “climate variability”)
Adaptabilidad de Cultivos
Trabajo Autor Año Cultivo Enfoque
Climate change, effective water use for irrigation and
Monaco et. al. 2014 Maíz Simulación - Modelo SWAP
adaptability of maize: A case study in southern Italy
Grape (Vitis vinifera) compositional data spanning ten
Cozzolino et. al. 2010 Uva Análisis estadístico
successive vintages in the context of abiotic growing parameters
Adaptability of citrus in subtropics of China under future climatic
Du et. al. 2010 Cítricos Simulación - DSSAT
scenario
Vulnerability and adaptability of wheat production in different Simulación - CSM-Cropsim-CERES-Wheat
Sultana et. al. 2009 Trigo
climatic zones of Pakistan under climate change scenarios Model
Simulating the impact of climate change on rice yield using
Swain et. al. 2009 Arroz Simulación - CERES-rice model
CERES-rice model
Adaptabilidad de Cultivos
Trabajo Autor Año Brecha
Climate change, effective water use for irrigation and
adaptability of maize: A case study in southern Italy
Monaco et. al. 2014 Sólo se presentan estimaciones de
Grape (Vitis vinifera) compositional data spanning ten producción (con base en históricos) o de
Cozzolino et. al. 2010
successive vintages in the context of abiotic growing parameters la capacidad de adaptación de un cultivo
Adaptability of citrus in subtropics of China under future climatic
Du et. al. 2010 (escenarios futuros de cambio climático) sin
scenario añadir otra información de valor que
Vulnerability and adaptability of wheat production in different
Sultana et. al. 2009 puede ser relevante para la toma de
climatic zones of Pakistan under climate change scenarios
decisiones.
Simulating the impact of climate change on rice yield using
Swain et. al. 2009
CERES-rice model
Machine Learning Facilitated Rice Prediction in Bangladesh Rahman et. al. 2014
No consideran la integración de fuentes de
datos heterogéneas en la construcción de
Agroecological zones simulator (AZS): A component based,
Confalonieri et. los conjuntos de datos de entrada
open-access, transparent platform for climate change - Crop 2012
al.
productivity impact assessment in Latin America
Multi-algorithm ensemble reconstruction of surface soil
Lu et. al. 2012
moisture over China from AMSR-E
Contexto Escenario de Motivación Trabajos Relacionados Brechas Pregunta de Investigación Objetivos Avances
Pregunta de Investigación
Hipótesis
Objetivo General
Proponer un método de detección automática de
escenarios agroclimáticos futuros, para determinar
condiciones propicias en la siembra de diferentes cultivos
en zonas tropicales y subtropicales
Objetivos Específicos
1.Estructurar uno o más conjuntos de datos fusionando información
de diferentes dimensiones para caracterizar escenarios
agroclimáticos futuros.
2.Construir un MCS que permita detectar condiciones
agroclimáticas apropiadas para la siembra de cultivos.
Desarrollo de anteproyecto