Entrevista a Gustau Camps-Valls
«La intel·ligència artificial és capaç de predir, però no d’entendre i explicar conceptes»
Físic i catedràtic al Departament d’Enginyeria Electrònica de la Universitat de València
Gustau Camps-Valls (València, 1972) és doctor en Física i catedràtic al Departament d’Enginyeria Electrònica de la Universitat de València. Durant els últims anys, ha sigut reconegut internacionalment per les seues aportacions en el camp de la intel·ligència artificial (IA) aplicada a les ciències de la Terra i el Clima, per tal d’avançar en la detecció de fenòmens extrems. Com a investigador, és membre de l’Acadèmia Europea de les Ciències (EurASc), i codirector del programa Machine Learning for Earth and Climate Sciencies en el European Laboratory for Learning and Intelligent Systems (ELLIS), entre altres distincions.
A mitjan octubre, la Fundació ADEIT de la Universitat de València es va convertir en la seu dels projectes europeus XAIDA i ELISE, on treballen científics de renom a escala mundial en els camps de la intel·ligència artificial i el canvi climàtic. Coordinades pel professor Camps-Valls, les jornades van oferir una plataforma als investigadors per a presentar els últims avanços en tecnologies de predicció d’extrems climàtics.
La trobada va reunir a alguns dels investigadors internacionals més destacats de la climatologia i la intel·ligència artificial. En quines àrees se centren les vostres investigacions?
Principalment en desenvolupar algoritmes d’intel·ligència artificial per a la detecció de fenòmens climàtics extrems, com per exemple sequeres, ones de calor o inundacions. Per a aconseguir-ho utilitzem models climàtics i moltes dades de satèl·lits repartits per tot el planeta. Fins ara, els algoritmes són capaços de detectar els fenòmens mitjanament bé. Però, a més de detectar-les en l’espai i en el temps, un dels objectius de les nostres investigacions és avançar en l’explicació dels fenòmens, i en aquest sentit la intel·ligència artificial encara no està molt desenvolupada. És capaç de predir i de detectar, però no d’explicar i entendre conceptes més complexos. El repte ara és assolir que els algoritmes siguen capaços de donar-nos explicacions. Per exemple, si detecten un augment de la temperatura i, per altra banda, una baixada no molt notable de la humitat del sòl, que tinguen la capacitat d’associar aquesta combinació de factors amb la probabilitat de sequeres durant els pròxims mesos.
Per què és positiu introduir tecnologia com la intel·ligència artificial a la detecció de fenòmens climàtics?
Com a investigador, moltes vegades tens les dades, però no saps on mirar perquè hi ha moltíssimes variables. No només ens fixem en la temperatura o en la humitat, sinó també en la transpiració, el nivell d’acidificació o de salinitat dels oceans, els efectes atmosfèrics, etc. Els algoritmes tenen totes aquestes dades a la seua disposició i són capaços d’analitzar un ampli espectre de variables temporals i espacials al mateix temps. Aquesta capacitat és un gran avantatge per a identificar quines circumstàncies són paregudes a les que fa cinc o deu anys provocaren un efecte climàtic advers. Per altra banda, els algoritmes són precisos, però també són complicats. En el projecte, estem fent avanços per a detectar quina combinació de variables és la que ha desencadenat, per exemple, un risc d’inundació o d’incendi, però es tracta d’una tasca complexa perquè influeixen una gran quantitat de paràmetres.
Com funcionen els algoritmes de detecció de fenòmens climàtics extrems mitjançant intel·ligència artificial?
Els algoritmes funcionen sempre de la mateixa manera. Tot comença recollint dades dels satèl·lits que orbiten al voltant de la Terra. Aquests satèl·lits ens proporcionen informació sobre quin és l’estat d’un lloc en distintes escales temporals i espectrals què ens permeten tindre una visió ben completa dels oceans o de la vegetació. Afortunadament, hem estat recollint aquestes dades durant les últimes dècades i, per tant, tenim una cobertura del planeta prou detallada. Els algoritmes i els models matemàtics d’aprenentatge estadístic poden rebre parelles d’exemples, com les dades d’humitat i temperatura, juntament amb les localitzacions on hi ha hagut incendis, el seu risc i extensió afectada. Aquesta base de dades s’utilitza per a ensenyar els algoritmes a trobar la relació entre el que s’observa i el que s’ha de predir, mitjançant un procés d’associació que anomenem entrenament. Una vegada entrenats, els models ja són capaços de trobar aquestes relacions i oferir prediccions de manera molt ràpida davant noves imatges. En qüestió de mil·lisegons poden generar un mapa amb la probabilitat de risc d’incendi, d’inundació o d’emissions de metà. Si el volum de dades associables és gran, els algoritmes detecten relacions més robustes i més interessants.
Quines són les dificultats que tenen els investigadors per a fer funcionar aquest tipus de tecnologia?
Tot i que disposem de moltes dades, el problema és que no tenim tants casos de referència amb els quals associar-les. Al cap i a la fi, no hem registrat milers de sequeres o d’inundacions. Aleshores els algoritmes pateixen perquè no poden aprendre patrons massa fiables. Per sort, tenim models climàtics que ens permeten generar més casos d’aquest tipus d’anomalies de manera realista. A més, s’està avançant molt en identificar si un fenomen donat es pot atribuir al canvi climàtic provocat per l’acció humana o no. Aquest és el camp de l’«atribució», un tema que està entre la filosofia i l’estadística, i per això estem pegant-li moltes voltes al procés d’inferència causal. No volem només algoritmes que puguen detectar extrems climàtics sinó que també ens expliquen de manera causal el perquè de les coses, per tal de quantificar quin és l’impacte de la intervenció humana en el clima.
És l’aplicació de la intel·ligència artificial imminent en tots els camps de la ciència? Dins d’uns anys, serà impensable una ciència sense intel·ligència artificial, com ara ho és sense internet?
Prou sovint, al parlar de la IA, suposats experts proclamen que estem vivint una altra revolució després de l’electricitat i internet. Mira, jo fa més de vint anys que estic en IA i no compre aquests missatges. La IA té la capacitat de transformar molts camps de la ciència i està aplicant-se a tot arreu, però de moment crec que hi ha els mateixos casos d’èxit que de fracàs. Jo no concep una intel·ligència artificial que no siga explicable, que no puga entendre relacions bàsiques de la física o que no sàpiga què és causa i què és efecte, cosa que els humans entenem de manera més o menys innata, o què podem aprendre amb molt pocs exemples. La IA encara no és capaç de fer aquestes coses. El ChatGPT, per exemple, no sap dir que no. Sempre ha de contestar el que siga, tot i que moltes vegades al·lucine o s’invente explicacions que no tenen cap trellat. Per altra banda, la IA s’està aplicant en molts camps que tenen implicacions socials, econòmiques o ètiques, i això cal mirar-ho amb molta cautela. Estic pensant, per exemple, en casos en què s’utilitza per a revisar currículums, o en justícia, per a ajudar a advocats a redactar informes, o a jutges a escrutar la legislació anterior. Açò ja està passant en els Estats Units. Hi ha molts casos en què la IA pot ser perillosa fins que no siga totalment transparent i auditable.
Gran part dels fenòmens climàtics extrems afecten els territoris amb menys recursos. És la predicció climàtica amb intel·ligència artificial una tecnologia positiva per a la cooperació internacional o suposa una dificultat per als països del sud global accedir a ella?
Aquest ha sigut un tema que hem estat discutint molt. Per a utilitzar els algoritmes és necessari tenir accés a aquest tipus de tecnologia i a uns servidors potents que generalment no es troben en el sud global. Al mateix temps, com ja hem comentat abans, per a ser efectius necessiten ser entrenats amb casos anteriors. En la majoria dels territoris del sud, aquestes dades no estan registrades, perquè no n’hi ha una infraestructura assentada que haja portat a terme una recopilació de dades durant les últimes dècades, com sí que ha passat al nord. No tindre tantes dades per a entrenar als algoritmes implica que necessitem col·laborar i parlar més amb els grups d’experts que estan treballant allí, fent els processos molt més costosos i ineficients. En l’actualitat està fomentant-se molt la col·laboració amb el sud. Nosaltres participem en alguns projectes molt interessants, com ara DEEPCUBE, finançat per la Unió Europea, però també d’altres finançats per Microsoft i per la Fundació BBVA, on estem intentant esbrinar quines són les raons de les migracions humanes en el sud global. Començàrem amb la hipòtesi que la gent migra per raons climàtiques, i des d’una posició totalment agnòstica estem utilitzant dades no només de satèl·lits, sinó també dades socials i econòmiques per a verificar si es tracta d’una afirmació correcta. A escala global, estan sorgint alguns patrons interessants de migracions ocasionades per inundacions. Els algoritmes estan aconseguint explicar les raons i les causes, que a més de ser atribuïdes a variacions climàtiques, tenen a veure amb la vulnerabilitat, perquè la gent amb menys recursos és la que es veu obligada a desplaçar-se. És més que necessària la col·laboració internacional, i des de fa uns anys la comunitat del clima està bolcant-se molt amb el sud. Recentment s’ha celebrat un congrés molt important a Ruanda en el qual hem presentat les nostres investigacions.
Tot i que les prediccions científiques han sigut bastant encertades, com la pujada de les temperatures o del nivell del mar, avui dia molts refugiats climàtics es veuen en l’obligació de desplaçar-se davant la falta de mesures. És suficient un bon sistema de detecció per a pal·liar les conseqüències de la catàstrofe climàtica, o fa falta més?
Fan falta moltes coses més. És necessari que aquests sistemes d’alerta prematura, que nosaltres anomenem early warning systems, es porten a terme mitjançant una acció coordinada de tots els països. En primer lloc, perquè encara han de desenvolupar-se per a ser més precisos. Moltes vegades fas una predicció i no estàs segur de fins a quin punt és fiable, i necessitem que els models proporcionen probabilitats verificables. Per altra banda, estem treballant molt en la comunicació dels efectes que tenen els extrems climàtics i la seua detecció. En realitat, predir que hi haurà una inundació en qualsevol lloc és important, però passar d’aquesta predicció a parlar de l’impacte real que pot provocar, de com afectarà la producció agrícola, o de quantes cases seran destruïdes, té molt més impacte en la població i en els governs internacionals. La comunicació hauria de preocupar-se més dels impactes que de la detecció del fet si volem prendre una acció real i efectiva contra la catàstrofe climàtica.
