En el Día Internacional del Aire Limpio por un cielo azul cabe recordar, como explica Naciones Unidas, que nueve de cada diez personas en todo el mundo respiran aire contaminado. Al año, la exposición a este produce cerca de siete millones de muertes. Y más del 90% de ellas se dan en países empobrecidos de, principalmente, Asia y África.

Según datos de la oenegé ecologista Greenpeace, la quema de combustibles fósiles en nuestro país provoca la muerte prematura de alrededor de 45.000 personas cada año. Y el 30% de ellas se producen en las ciudades de Madrid y Barcelona.

En este tipo de zonas urbanas se da una mayor concentración de partículas contaminantes, especialmente las PM2.5. Estas, que tienen menos de 2,5 micras de diámetro, son las responsables de esa sensación de visión borrosa que se da en las grandes ciudades cuando los niveles de polución se disparan.

Las nuevas tecnologías se presentan como el gran aliado de los planes municipales para su reducción.

En los últimos años, la inteligencia artificial (IA) y el machine learning han resultado ser una fuente de soluciones eficaces para monitorizar, informar, medir, detectar y predecir la contaminación. Y eso que su desarrollo no ha hecho más que empezar.

Los modelos de predicción basados en IA son herramientas eficaces para que los ayuntamientos localicen las fuentes de emisiones y las reduzcan

Como asegura un estudio publicado en mayo de este año en la revista científica Nature por investigadores del laboratorio de modelado y predicción de la calidad del aire de la Universidad de Houston, existe un modelo híbrido que pronostica las concentraciones de partículas contaminantes con 14 días de antelación de manera más precisa y rápida que los tradicionales. Aunque a partir del segundo día las predicciones pierden exactitud.

El grupo de investigación estadounidense ha conseguido tal precisión gracias a un sistema que combina modelos numéricos y el machine learning. Así, son capaces de discernir la cantidad de ozono que se concentra en la superficie terrestre. 

Mientras el ozono de la parte alta de la atmósfera nos protege de la radiación ultravioleta del sol, el que se encuentra en la superficie terrestre es uno de los contaminantes más dañinos, especialmente para nuestros pulmones. Y el calentamiento global está precipitando que sus niveles aumenten, ya que se forma en la atmósfera cuando las temperaturas suben.

Proyectos como el de los investigadores de la Universidad de Houston se presentan como herramientas eficaces para que los gobiernos locales sean capaces de localizar las fuentes de emisiones. Y, con esta información, poner en marcha planes de choque para reducir la contaminación a largo plazo.

La inteligencia artificial británica aporta una nueva visión de los factores ambientales que tienen impacto en los niveles de contaminación del aire

Un modelo que predice de manera rápida y concisa permite, según los autores de la investigación, explorar una gran variedad de escenarios y de soluciones para cada uno de ellos. Por ejemplo, saber con una semana de antelación qué zonas de una ciudad van a ver cómo sus niveles de contaminación aumentan permite que el ayuntamiento reordene el tráfico y las actividades urbanas para evitar que la predicción se cumpla.

Pero la universidad estadounidense no es la única que se ha puesto manos a la obra para descubrir cómo aplicar la IA y el marchine learning para mejorar la calidad del aire. La británica Universidad de Loughborough publicaba en 2020 los primeros resultados de su investigación al respecto: su inteligencia artificial es capaz de predecir niveles muy precisos de contaminación en áreas determinadas con horas e, incluso, un par de días de anticipación. 

Su tecnología aporta, según los propios investigadores, “una nueva visión de los factores ambientales que tienen un impacto significativo en los niveles de contaminación del aire”. Así, ofrecen herramientas para interpretar de manera adecuada las predicciones y, sobre todo, entender los factores medioambientales, climáticos y estacionales que influyen en las partículas PM2.5.

Pero no solo eso, la inteligencia artificial británica también aporta un rango de valores conocido como análisis de incertidumbre. Esto es, analiza el probable comportamiento de la contaminación.

Del modelo tradicional a la IA

Los sistemas de predicción de la calidad de aire tradicionales se basan en modelos numéricos. Es decir, son una especie de calculadoras hipersofisticadas que procesan millones de datos y ecuaciones cada hora. De esa manera, determinan cómo se producen las partículas contaminantes. Y, también, cómo serán transportadas por el aire en un momento determinado.

La inteligencia artificial ayuda a predecir de manera más precisa los picos de contaminación del aire

El problema hasta ahora siempre ha sido el mismo: el poder computacional que requiere llevar a cabo los cálculos. La inteligencia artificial parece ofrecer una alternativa, que necesita menos tiempo y potencia de los supercomputadores.

Los modelos basados en IA se construyen a partir de la observación de datos y patrones pasados. Con ellos, el ordenador es capaz de, en cuestión de minutos, realizar predicciones más precisas que los modelos tradicionales sobre cómo se comportarán las partículas contaminantes.

Un ejemplo real

En 2017, el grupo de investigadores de la Universidad de Houston puso en marcha un proyecto piloto de medición de la contaminación del aire con modelos basados en inteligencia artificial. Tras recopilar la información, compararon los resultados con los del Modelo Comunitario Multiescala de Calidad del Aire (CMAQ, por sus siglas en inglés), un sistema de medición tradicional desarrollado por la Agencia de Protección Ambiental de Estados Unidos.

La exactitud de las predicciones del modelo tradicional alcanzó el 77% el primer día, mientras que el basado en IA estadounidense ascendió al 90%

La exactitud de las predicciones del modelo tradicional alcanzó el 77% el primer día, mientras que el basado en inteligencia artificial ascendió hasta el 90%. Pero, a pesar de sus ventajas, la IA tiene sus limitaciones: los investigadores no tienen capacidad para saber en qué datos concretos se basa la tecnología para hacer sus predicciones. Y, por tanto, es complicado entenderla.

Por eso, una combinación de los modelos numéricos tradicionales y los basados en la inteligencia artificial podrían ser la solución que los expertos están buscando.

Tal vez, en un futuro no tan lejano, veamos cómo las ciudades se convierten en verdaderas smart cities y dicen adiós a la contaminación del aire de una vez por todas. Todo gracias a una tecnología que, hasta hace poco, no era más que ciencia ficción.