Usando dados globais de uso da terra e armazenamento de carbono dos últimos 175 anos, pesquisadores da Universidade do Texas em Austin e da Cognizant AI Labs treinaram um sistema de inteligência artificial para desenvolver soluções ideais de políticas ambientais que podem promover iniciativas globais de sustentabilidade das Nações Unidas.

A ferramenta de IA equilibra efetivamente várias compensações complexas para recomendar maneiras de maximizar o armazenamento de carbono, minimizar interrupções econômicas e ajudar a melhorar o meio ambiente e a vida cotidiana das pessoas, de acordo com um artigo publicado hoje no periódico Environmental Data Science .

O projeto está entre as primeiras aplicações do Projeto Resiliência, apoiado pela ONU, uma equipe de cientistas e especialistas que trabalha para enfrentar problemas globais de aumento de decisões — incluindo metas ambiciosas de desenvolvimento sustentável nesta década — por meio de parte de um esforço mais amplo chamado IA para o Bem.

O cientista da computação da Universidade do Texas em Austin, Risto Miikkulainen, que ajudou a lançar o Projeto Resiliência, acredita que a nova abordagem de IA, inicialmente focada no uso da terra , pode abordar um conjunto ainda maior de desafios, desde doenças infecciosas até insegurança alimentar, com a inteligência artificial potencialmente descobrindo soluções melhores do que os humanos.

"Sempre há um resultado que você deseja otimizar, mas sempre há um custo", disse ele. Em meio a todas as compensações, a IA pode identificar caminhos inesperados para resultados desejáveis a custos variados, ajudando líderes a escolher batalhas seletivamente e gerar melhores resultados.

O ingrediente secreto do sistema dos pesquisadores é a IA evolucionária. Inspirada no processo de seleção natural em sistemas biológicos , essa abordagem computacional parte de algumas dezenas de cenários de políticas e prevê como cada cenário impactará diversos custos econômicos e ambientais.

Então, como uma versão digital da sobrevivência do mais apto, as combinações de políticas que não equilibram bem as compensações são eliminadas, enquanto as melhores conseguem se reproduzir, dando origem a descendentes híbridos.

Mutações aleatórias também são introduzidas para ajudar o sistema a explorar novas combinações mais rapidamente. O processo então se repete, eliminando os de baixo desempenho e mantendo os melhores, em centenas ou milhares de cenários. Assim como na evolução biológica , as "gerações" de cenários tornam-se cada vez mais otimizadas para um conjunto de prioridades.

A equipe utilizou duas ferramentas: um conjunto de dados globais de uso da terra, divulgado recentemente e que remonta a séculos, e um modelo que correlaciona o uso da terra com os fluxos de carbono. Primeiro, eles usaram esses dados para treinar um modelo de previsão para correlacionar localização, uso da terra e carbono ao longo do tempo. Segundo, eles desenvolveram um modelo de prescrição para ajudar os tomadores de decisão a encontrar estratégias ideais de uso da terra para reduzir as mudanças climáticas.

As recomendações do sistema de IA às vezes surpreendiam a equipe. Embora as florestas sejam conhecidas por sua capacidade de armazenar carbono, o modelo de prescrição de IA ofereceu uma abordagem mais sutil do que converter o máximo de terra possível em florestas, independentemente da localização. Por exemplo, constatou-se que substituir terras agrícolas por florestas é muito mais eficaz do que substituir terras de pastagem (que inclui desertos e pastagens).

Além disso, em geral, a mesma mudança no uso do solo em uma latitude não produziu os mesmos benefícios que em outra latitude. Em última análise, o sistema recomendou que mudanças maiores fossem alocadas a locais onde fossem mais relevantes; em essência, é mais eficaz escolher suas batalhas.

"É possível, obviamente, destruir tudo e plantar florestas, e isso ajudaria a mitigar as mudanças climáticas", disse Daniel Young, pesquisador do Cognizant AI Labs e doutorando na Universidade do Texas em Austin. "Mas teríamos destruído habitats raros, nosso suprimento de alimentos e nossas cidades. Portanto, precisamos encontrar um equilíbrio e ser inteligentes sobre onde fazemos as mudanças."

Os pesquisadores transformaram seu modelo em uma ferramenta interativa que tomadores de decisão, como legisladores, podem usar para explorar como incentivos, como créditos fiscais para proprietários de terras, provavelmente alterariam o uso da terra e reduziriam o carbono.

Estima-se que as atividades de uso do solo, incluindo agricultura e silvicultura, sejam responsáveis por quase um quarto de todas as emissões de gases de efeito estufa causadas pelo homem. Especialistas acreditam que mudanças inteligentes no uso do solo serão necessárias para reduzir a quantidade de carbono no ar e, assim, desacelerar as mudanças climáticas . De acordo com Miikkulainen e Young, a IA oferece opções que pessoas, empresas e governos, que de outra forma seriam resistentes a mudanças, podem achar mais fáceis de aceitar.

Uma versão anterior do artigo foi apresentada em uma importante conferência sobre aprendizado de máquina e neurociência computacional, a NeurIPS, onde ganhou o prêmio de "Melhor Caminho para Impacto" no workshop sobre Mudanças Climáticas.

Os outros autores do artigo são Olivier Francon, Elliot Meyerson, Clemens Schwingshackl, Jakob Bieker, Hugo Cunha e Babak Hodjat.