Microsoft y el Gobierno Vasco han trabajado en la iniciativa AI for Earth, con el objetivo de crear proyectos innovadores basados en la Inteligencia Artificial, que ayuden en la solución de los retos de sostenibilidad en Euskadi. Dicho programa, con una inversión por parte de Microsoft de 50 millones de dólares durante 5 años, impulsa soluciones en todo el mundo para mejorar el medioambiente, los ecosistemas y salvar el planeta.
Según indica Arantxa Tapia, consejera de Desarrollo Económico e Infraestructuras del Gobierno Vasco, “Gracias a Microsoft hemos reunido a profesionales y expertos de la administración, universidades, centros tecnológicos, empresas y startups que han trabajado durante dos días para la generación de ideas y soluciones en torno a seis temas que representan los principales retos en Euskadi: las energías renovables, la movilidad, la agricultura, el agua, la biodiversidad y la ciberseguridad para la sostenibilidad.”
El trabajo multidisciplinar desarrollado durante las dos jornadas del encuentro ha concluido con la elección de dos proyectos: MarIA, una plataforma para el estudio del comportamiento de turbinas eólicas flotantes con el fin de optimizar la construcción y la producción la energía limpia que éstas producen, y AlonForest, una plataforma que ayuda a tomar decisiones para un mejor conocimiento sobre las enfermedades de los pinares en Euskadi.
Ambas iniciativas recibirán una beca de financiación consistente en formación, asesoramiento técnico, soporte por parte de expertos de Microsoft y 15.000 dólares para el uso de la plataforma cloud de Microsoft Azure, donde la Inteligencia Artificial se pone al servicio del medioambiente para resolver los actuales retos del planeta. Además, ambos proyectos podrán acudir a la cumbre mundial de AI for Earth, donde podrán conocer las novedades de la iniciativa y a otros profesionales y proyectos que también luchan en otras partes del mundo para preservar el planeta.
Optimizar la producción de energía limpia
El otro proyecto galardonado es MarIA, una plataforma para el estudio del comportamiento de turbinas eólicas flotantes que tiene como objetivo optimizar su diseño para maximizar la producción de una energía limpia, clave de cara a combatir el cambio climático. El proyecto está liderado por Jesús María Blanco, Profesor en el Departamento de Ingeniería Nuclear y Mecánica de Fluidos en la Universidad del País Vasco; Gregorio Iglesias, Profesor de Energía Eólica Marina en la University College Cork en Irlanda; y Lander Galera, Estudiante de Doctorado en el Máster de Energía Eólica Marina en la Universidad del País Vasco. Su actividad investigadora se enmarca en el seno del JRL-ORE (Joint Research Lab. – Offshore Renewable Energy), formado por la Universidad del País Vasco, Tecnalia y BCAM (Basque Center for Applied Mathematics).
“La capacidad de Azure junto a la aplicación de inteligencia artificial permite tener en cuenta todas las variables que afectan al sistema de una turbina eólica, como la dirección, período y altura de olas y la velocidad real del viento. La utilización de la inteligencia artificial a la hora de optimizar el acople de todas las fuerzas, así como de su entrenamiento para poder prever diferentes estados de funcionamiento, resulta vital para el interés tanto académico como industrial de una herramienta de este tipo.” Ha declarado Jesús María Blanco, Profesor en el Departamento de Ingeniería Nuclear y Mecánica de Fluidos en la Universidad del País Vasco.
El primer objetivo que persigue esta investigación será la validación del acople comparando los resultados del movimiento de la plataforma mediante simulaciones con datos obtenidos en laboratorios. Esta fase del estudio durará 3 meses y permitirán la optimización tanto de una red neuronal en el uso del intercambio de datos, así como la optimización de la malla de la dinámica de fluidos computacional. Tras esto, se comenzará con la creación de un código que consiga acoplar los diferentes desarrollos de software que estudian tanto la turbina, la plataforma y las líneas de fondeo. Mientras tanto, la primera forma de acople será evaluada para diferentes plataformas y estados de mar, así como la combinación de diferentes velocidades y direcciones de viento, para cada estado. Esta comparativa entre plataformas, y cálculo de la potencia generada se prevé que dure 4 meses, hasta diciembre del 2020.
Preservación de los pinares de Euskadi y el resto del mundo
AIonForestbusca obtener a través de la Inteligencia Artificial de Microsoft Azure un mejor conocimiento del ataque de hongos defoliadores que se produjo en verano de 2018. De este modo, se plantea una serie de acciones destinadas a cuantificar el efecto del clima, de la ubicación y de la selvicultura en el avance de ese tipo de enfermedades, de cara a la prevención ante episodios similares en el futuro.
El proyecto está liderado por Alejandro Cantero, Ingeniero de Montes en Hazi Fundazioa; Amaia Ortiz, Directora de Producción y Protección Vegetal en Neiker; Fabia Silva, Co-fundadora de Dronak; Jorge Paz, Investigador en Tecnalia; José Luis Lavín, Investigador del Dpto. de Matemáticas Aplicadas en Neiker; Máximo Calvo, Co-fundador de Karten Space; y Xabier Garitano, Responsable del área de Sistema GIS en Hazi Fundazioa.
Según ha comentado Alejandro Cantero, Ingeniero de Montes en Hazi Fundazioa, “nuestro equipo interdisciplinar tiene como objetivo abordar un problema tan complejo como el de la interacción entre las acciones humanas y los daños causados por plagas y enfermedades. Gracias a la tecnología podemos acceder a un gran volumen de información, como meteorología, imágenes satelitales, modelos digitales del terreno, mapas forestales-, y con la IA de Microsoft esperamos extraer resultados y conclusiones que nos permitan preservar nuestros bosques.”
El periodo de desarrollo del proyecto es de 1 año vista, con grandes hitos claves a alcanzar. La primera fase del proyecto se centrará en el data mining, recopilación e integración de formatos, con la ayuda de la descarga de datos, la búsqueda cognitiva de nuevas variables de interés y la integración y estandarización de datos. Una vez esta fase esté finalizada, dará comienzo el desarrollo del modelo de predicción de riesgo. Para ello, el pre-procesamiento de datos apoyado en el machine learning y deep learning de Microsoft Azure será de vital importancia.
