Desafío 1: Unir los datos de los desechos marinos del mundo

Estimar el volumen de desechos marinos dispersos en los cinco océanos es más difícil de lo que parece. No existe un método estándar de recopilación de datos sobre los desechos marinos para orientar a los países y las organizaciones. El Wilson Center, una de las principales organizaciones políticas independientes de Estados Unidos, junto con el PNUMA y el equipo Data Science and AI Elite (DSE) de IBM, necesitaban armonizar toneladas de esquemas y metadatos para poder utilizar datos procedentes de todos los rincones del mundo.

Para fomentar una colaboración más eficaz entre todos los stakeholders, el PNUMA definió un objetivo clave para establecer una plataforma global para abordar el tema de los desechos marinos. Con el IBM Knowledge Catalog en IBM Cloud Pak for Data, pudieron limpiar, cruzar, clasificar, conformar y poner a disposición de los científicos de datos los datos adecuados de forma rápida y automática. La solución también permitió a los especialistas en ciencia ciudadana rastrear el origen de los datos, colaborar con otros científicos, solicitar conjuntos de datos y compartir sus conocimientos sobre los conjuntos de datos utilizando mecanismos de clasificación y etiquetado.

Desafío 2: Conquistar los conjuntos de datos condicionales para conservar las playas en buen estado

El segundo desafío fue calcular el volumen de los desechos marinos en las playas. Las encuestas aleatorias desde el punto de vista estadístico ayudan a crear estimaciones científicas precisas, pero la recopilación de datos sobre los desechos es, por su propia naturaleza, aleatoria. Al depender en gran medida de equipos de limpieza formados por voluntarios, los datos sobre los trabajos de limpieza pueden estar condicionados por sesgos temporales y espaciales. Por ejemplo, un voluntario recoge a diario la basura de la playa. Pero lo que recogen cada día va a diferir de lo que puede encontrar alguien que recoge la basura con una frecuencia semanal o mensual. Eso genera muestras que dependen de muchas variables, por lo que es difícil hacer comparaciones y analizar.

Además, los esfuerzos de limpieza son irregulares en todas las ubicaciones, ya que en algunos lugares se limpia con demasiada frecuencia y en otros rara vez se hacen tares de limpieza, o nunca se tocan, lo que indica que las muestras no son independientes ni están distribuidas de manera idéntica (IID). Estos conjuntos de datos condicionales impiden la resolución de problemas mediante métodos típicos de aprendizaje automático.

Para abordar estos desafíos, el equipo de DSE utilizó el método de inferencia Bayesian con técnicas de muestreo Makov Chain Monte Carlo (MCMC). El enfoque bayesiano les permitió tomar en cuenta las incertidumbres del problema; MCMC les permitió crear una cadena de eventos dependientes para estimar los parámetros de los desechos marinos. Esta prueba de concepto reveló que esta metodología híbrida única podría ajustarse y modificarse para mejorar la fortaleza del modelo.

El equipo de DSE creó una canalización de aprendizaje automático en IBM Cloud Pak for Data para establecer un ciclo de vida de IA optimizado de extremo a extremo. Una vez que establecieran un punto de referencia para medir los desechos marinos, el equipo podría predecir la cantidad de voluntarios que se necesitan para realizar tareas de limpieza en una playa en particular. Dadas las tendencias y políticas actuales, el modelo ayudará a proyectar la cantidad de desechos esperada a cinco años en el futuro.

Reto 3: Mirar al futuro para reforzar la prevención y el apoyo

La mejor manera de resolver el problema de los desechos marinos es prevenirlo. De cara al futuro, ¿cómo pueden las comunidades costeras evitar los daños permanentes a las costas vírgenes? El equipo de DSE creó un pronóstico de series temporales para ayudar a rastrear el plástico marino y desarrollar políticas más precisas y efectivas para erradicarlo. Para que el conjunto de datos se pueda utilizar con facilidad, el equipo creó un panel de control ejecutivo que permite que varios stakeholders puedan hacer lo siguiente:

• Monitorear la progresión de la densidad de los desechos marinos año tras año
• Desglosar los datos por ubicación a nivel nacional para evaluar las tendencias de los desechos a lo largo del tiempo
• Acotar el enfoque a playas específicas para hacer recopilación de datos con mayor nivel de detalle
• Perfeccionar la metodología para recomendar las mejores aplicaciones móviles a los grupos de voluntarios

Con un ciclo de vida de IA de principio a fin, los científicos y los responsables políticos podrían extraer aún más valor de los conjuntos de datos del Wilson Center, ya sea para organizar tareas de limpieza o predecir una cronología para llegar a la contaminación cero. El panel digital personalizado de IBM hace que el trabajo sea fácilmente accesible y se pueda compartir incluso para aquellos que no tienen experiencia técnica.

Estas herramientas permiten que Costa Rica, uno de los stakeholders del PNUMA, realice el seguimiento de sus progresos hacia el objetivo nacional de librarse por completo de los plásticos.

Desafío 4: Hacer que más personas se preocupen por los desechos marinos

La dirección del PNUMA quería profundizar aún más en los datos, para crear un vínculo entre el público y el problema de los desechos marinos. Para lograr esta conexión, la organización concibió un avatar digital como referencia para la información. Así fue que nació Sam, un humano digital.

"Sam puede conectarse emocionalmente con los usuarios porque en realidad es receptivo", explica Richard Darden, ingeniero distinguido y promotor de desarrollos humanos digitales en IBM.

Las respuestas emotivas de Sam derivan de IBM watsonx Assistant que utiliza la tecnología IBM Watson Speech to Text. Estos programas pueden interpretar la intención de un usuario y luego elaborar la respuesta de Sam sumergiéndose en el vasto repositorio del PNUMA y otras fuentes.

Luego, esa información se filtra a través de un avatar realista creado por Soul Machines, una empresa con sede en San Francisco que hace lo que llama "personas digitales".

Al aprovechar el poder de la tecnología para combatir la contaminación por plásticos, IBM demostró ante la Asamblea de las Naciones Unidas para el Medio Ambiente su compromiso con la conservación del medio ambiente, enfatizando que la IA puede ser una herramienta vital para medir el progreso futuro, que puede influir en las políticas directas para abordar el problema del plástico marino hacia la construcción de un ecosistema marino sostenible. Ahora, la atención del PNUMA se centra en hacer que la recopilación de los datos sea más fácil y genere más impacto.

El Centro Wilson está explorando formas de utilizar la ciencia ciudadana en los informes del PNUMA, más allá de la limpieza de playas, con la inclusión de aplicaciones móviles más sofisticadas que ofrecen detección y clasificación de objetos, dice la Dra. Anne Bowser, directora de innovación del Centro Wilson y líder del proyecto.

Basándose en el éxito inicial de su colaboración con IBM, Bowser cree que otros objetivos del PNUMA(enlace externo a ibm.com) podrían beneficiarse si se potencia a los especialistas en ciencia ciudadana con la IA. "La IA es una aliada poderosa de la ciencia ciudadana que puede ayudar a las comunidades locales y mundiales", afirma Bowser. "Estamos dando los primeros pasos para alcanzar este potencial".

Wilson Center (enlace externo a ibm.com), fundado por el Congreso de Estados Unidos en 1968 para conmemorar al Presidente Woodrow Wilson, es el principal foro político independiente del país que aborda problemas mundiales mediante la investigación independiente y el diálogo abierto con el fin de aportar ideas prácticas a la comunidad política. La organización ayudó a lanzar Earth Challenge 2020, una plataforma para aumentar la cantidad de datos de ciencia ciudadana abiertos e interoperables, con una aplicación móvil para involucrar al público.

Programa de las Naciones Unidas para el Medio Ambiente (PNUMA)

PNUMA (enlace externo a ibm.com) es la principal autoridad ambiental global que establece la agenda ambiental para todo el mundo y promueve la implementación coherente de la dimensión ambiental del desarrollo sostenible dentro del sistema de Naciones Unidas. Formada en 1972, actúa como defensora autorizada del medioambiente global. Para obtener más información, visite: https://www.unep.org/es (enlace externo a ibm.com).