Futuro sostenible en el horizonte: ciudades impulsadas por algoritmos inteligentes
Una verdadera ciudad inteligente no necesariamente se parecerá a las que aparecen en las películas de ciencia ficción, con edificios futuristas y coches voladores. En el proyecto NeCOL, financiado por las Acciones Marie Skłodowska-Curie, se ofrece un ejemplo sobre cómo podría ser la próxima ola de ciudades: dar prioridad a las personas al centrarse en la solución de los problemas urbanos y no en nuevos avances llamativos. «Las tecnologías avanzadas, como la IA, deben utilizarse de forma intencionada para tomar mejores decisiones y ofrecer una mejor calidad de vida a las personas. Nuestra obligación es ayudar a las personas, ya que ahora tenemos las herramientas», señala el coordinador del proyecto, Jamal Toutouh.
La evolución de las especies inspira los algoritmos
Toutouh, que trabaja en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del Instituto Tecnológico de Massachusetts y en la Universidad de Málaga, examinó cómo aplicar al aprendizaje profundo los algoritmos inspirados en la naturaleza. La idea ha sido mejorar la eficacia de la metodología pionera y utilizar el aprendizaje profundo en problemas difíciles de abordar, como los que afrontan las ciudades inteligentes. El objetivo era desarrollar algoritmos de optimización para el entrenamiento de redes neuronales que no se basaban en métodos de gradientes. «La naturaleza tiene buenas ideas. Nos centramos en un ámbito de estudio que propone someter una red neuronal a procesos evolutivos», afirma Toutouh. De este modo se recupera el concepto de evolución de Darwin: de acuerdo con la mecánica de la selección natural y la genética, se utilizan los algoritmos genéticos más potentes para entrenar la red. Con el objetivo de acercarse a los problemas de optimización difíciles, Toutouh también ha utilizado algoritmos de inteligencia de enjambre. Se inspiran en el comportamiento colectivo observado en la naturaleza que permite a los organismos de la misma especie cooperar para realizar labores complejas, como las colonias de hormigas, los enjambres de abejas, las bandadas de pájaros o los bancos de peces. Otra de las estrategias colectivas que se estudiaron fueron los algoritmos coevolutivos que involucran a dos especies competidoras en la naturaleza. «En el modelo depredador-presa, el depredador aprende a atacar a la presa débil mientras esta última intenta escapar. Dicha situación puede trasladarse a los problemas de optimización: el depredador es un objetivo y las presas son las soluciones factibles», explica Toutouh. Todas esas lecciones aprendidas a partir de los algoritmos (co)evolutivos sirvieron para crear una herramienta denominada Lipizzaner. Este marco define un método resiliente para entrenar redes generativas antagónicas.
Los algoritmos inteligentes podrían mejorar la calidad de vida urbana
Todos los temas abordados por NeCOL eran escenarios del mundo real con datos del mundo real. «Tras la decisión del Ayuntamiento de Madrid de prohibir la entrada de coches al centro de la ciudad, utilizamos los datos disponibles sobre contaminación atmosférica y aplicamos el aprendizaje automático para identificar si esa decisión ayudaría realmente a mejorar la calidad del aire. Al combinar los datos sobre la calidad del aire con otras fuentes de datos, nuestros métodos inteligentes nos ayudaron a deducir que los niveles de contaminación atmosférica realmente podían reducirse», afirma Toutouh. NeCOL también abordó la gestión inteligente de los residuos. «Primero utilizamos la IA a fin de detectar cuáles eran los lugares óptimos para colocar los contenedores de basura en lo relativo a la calidad de servicio y coste y, a continuación, seleccionar la mejor ruta para que los camiones recojan la basura. Otro parámetro que se introdujo fue la cantidad de basura dentro del contenedor para, en última instancia, decidir la frecuencia de recogida», explica Toutouh. Por último, Toutouh aplicó algoritmos inteligentes a fin de detectar las mejores ubicaciones para instalar cargadores de vehículos eléctricos en Málaga (España). «Nuestro método no ofrece una única solución, sino un conjunto de soluciones con compensaciones entre calidad, coste y tiempo. Por lo general, el objetivo es optimizar los costes. Sin embargo, al utilizar la IA, ofrecemos a los responsables de la toma de decisiones todas las herramientas necesarias para que decidan», concluye.
Palabras clave
NeCOL, IA, algoritmos inteligentes, ciudad inteligente, aprendizaje profundo, algoritmos evolutivos, red neuronal
