Times Square bajo el agua o el Z¨®calo en llamas: as¨ª afectar¨¢ el cambio clim¨¢tico a su calle

La mayor¨ªa de consecuencias f¨ªsicas derivadas del calentamiento global nos quedan lejos. Y al no sufrirlas directamente, nos cuesta interiorizar la extrema gravedad de la crisis clim¨¢tica que atraviesa el planeta. El Quebec AI Institute (MILA) ha querido poner su granito de arena para concienciar a la poblaci¨®n sobre el mundo hacia el que vamos. Un equipo de investigadores del prestigioso centro que ...

La mayor¨ªa de consecuencias f¨ªsicas derivadas del calentamiento global nos quedan lejos. Y al no sufrirlas directamente, nos cuesta interiorizar la extrema gravedad de la crisis clim¨¢tica que atraviesa el planeta. El Quebec AI Institute (MILA) ha querido poner su granito de arena para concienciar a la poblaci¨®n sobre el mundo hacia el que vamos. Un equipo de investigadores del prestigioso centro que dirige Yoshua Bengio, considerado uno de los padres de las redes neuronales, ha desarrollado una herramienta que permite visualizar los efectos de inundaciones, incendios o nubes de poluci¨®n en cualquier lugar del mundo. La simulaci¨®n corre a cargo de una red generativa antag¨®nica (GAN), un tipo de algoritmo de aprendizaje autom¨¢tico (machine learning) que se usa, por ejemplo, para generar de la nada im¨¢genes realistas, como las de los rostros de personas inexistentes de thispersondoesnotexist.com o las de los v¨ªdeos deep fake.

El proyecto, en el que ha trabajado una treintena de cient¨ªficos durante dos a?os, tiene de hecho un nombre inspirado en la ic¨®nica web de personas falsas: This Climate Does Not Exist (Este clima no Existe). Abierta al p¨²blico desde este jueves, lo ¨²nico que tiene que hacer el usuario es teclear una direcci¨®n o seleccionar un punto recogido por Google Street View. A continuaci¨®n, se debe indicar qu¨¦ tipo de cat¨¢strofe quiere ver: inundaci¨®n, incendio incontrolado o nube de poluci¨®n. El algoritmo hace su magia y devuelve la imagen con el efecto solicitado. Por supuesto, las im¨¢genes no pretenden ser un retrato exacto de lo que suceder¨ªa en cada lugar concreto si no se toman medidas, sino una recreaci¨®n que muestra los peores efectos posibles en el escenario que el usuario escoja.

El realismo es particularmente llamativo en la opci¨®n de inundaci¨®n, la que m¨¢s quebraderos de cabeza le ha llevado al equipo de Bengio. El algoritmo toma la imagen propuesta por el usuario, le coloca autom¨¢ticamente una capa de agua y despu¨¦s la pinta con los reflejos del entorno de la propia imagen. El resultado es hiperrealista.

¡°Uno de los retos m¨¢s importantes ha sido conseguir que el algoritmo sea capaz de simular inundaciones en una gran variedad de im¨¢genes¡±, explica Alex Hernandez-Garcia, uno de los investigadores principales del proyecto. ¡°Simplific¨¢ndolo mucho, un m¨®dulo del algoritmo se encarga de detectar qu¨¦ partes de la imagen deben cubrirse con agua y otro m¨®dulo se encarga de generar la textura del agua incorporando el contexto de la imagen, por ejemplo el reflejo de los edificios. Finalmente, el resultado de estos dos m¨®dulos se combina para generar la imagen final¡±.

Para detectar d¨®nde cubrir con agua y d¨®nde no, Hernandez-Garcia y sus colegas combinaron varias t¨¦cnicas de visi¨®n artificial y aprendizaje autom¨¢tico. ¡°Por un lado, generamos una ciudad virtual por ordenador que nos permiti¨® tener una serie de im¨¢genes con y sin agua. Tambi¨¦n ajustamos un algoritmo que fuera capaz de hacer buenas predicciones en ese mundo virtual, detectando las distintas partes de una escena: suelo, coches, edificios, ¨¢rboles, gente, etc¨¦tera¡±, ilustra. ¡°Por otro lado, el algoritmo debe ser capaz de hacer buenas predicciones en im¨¢genes reales (las de Google Street View)¡±. Para esto ¨²ltimo usaron las redes generativas antag¨®nicas (GAN).

El proceso se completa en escasos segundos y, antes de mostr¨¢rselo al usuario, se le aporta informaci¨®n sobre las causas y consecuencias del fen¨®meno meteorol¨®gico seleccionado y su relaci¨®n con el cambio clim¨¢tico. Por ejemplo, si se opta por una inundaci¨®n, se indica que las inundaciones repentinas matan a unas 5.000 personas al a?o, que se espera que el nivel del mar suba dos metros para finales de siglo y que esa importante alteraci¨®n del planeta alterar¨¢ para siempre la vida de al menos 1.000 millones de personas para finales de 2050. ¡°Si no hacemos nada pronto afrontaremos grandes cat¨¢strofes clim¨¢ticas¡±, se?ala el profesor Bengio, director cient¨ªfico de MILA. ¡°Esta web hace que los riesgos del cambio clim¨¢tico sean mucho m¨¢s reales y personales para la gente¡±, sostiene.

Redes generativas antag¨®nicas

La inteligencia artificial dio un salto de calidad hace en torno a una d¨¦cada con el surgimiento y consolidaci¨®n del aprendizaje autom¨¢tico y el aprendizaje profundo (deep learning). Estas t¨¦cnicas se basan en entrenar a la m¨¢quina para que, tras llegar por s¨ª misma a ciertas conclusiones, sea capaz de realizar tareas complejas. Por ejemplo, si se desea que el algoritmo distinga entre madalenas o chihuahuas, el programador aporta una serie de ejemplos de cada categor¨ªa y luego le entrega miles de im¨¢genes sin clasificar. La m¨¢quina establecer¨¢ sus asociaciones y, cuando se equivoque y se le haga notar el error, refinar¨¢ sus criterios de distinci¨®n.

Bengio gan¨® en 2018 el Premio Turing, considerado el Nobel de la inform¨¢tica, junto a Geoffrey Hinton y Yann LeCun por su aportaci¨®n al desarrollo de las redes neuronales. Son un paso m¨¢s en el aprendizaje autom¨¢tico e intentan imitar el funcionamiento del cerebro humano: aplican varias capas simult¨¢neas de procesamiento, lo que aumenta su rendimiento. Est¨¢n detr¨¢s de los sistemas de clasificaci¨®n m¨¢s complejos, como los asistentes de voz o los modelos de predicci¨®n avanzados.

Las redes generativas antag¨®nicas (del ingl¨¦s generative adversarial networks, GAN) van todav¨ªa un poco m¨¢s all¨¢. Se inventaron tambi¨¦n en el MILA en 2014 y son capaces de generar contenido nuevo que, a ojos humanos, parece totalmente real. Est¨¢n detr¨¢s de los cada vez m¨¢s sofisticados v¨ªdeos falsos hiperrealistas (deep fake) generados por ordenador en los que personajes conocidos pueden decir o hacer lo que uno quiera. Funcionan gracias a la competici¨®n entre dos redes neuronales: una de ellas trata de elaborar im¨¢genes lo m¨¢s realistas posibles y la otra intenta detectar si son reales o una invenci¨®n. Eso sucede miles o millones de veces y, durante el proceso, la red generadora aprende a crear im¨¢genes cada vez m¨¢s logradas. Cuando la primera logra enga?ar a la segunda tenemos la imagen ganadora. Por ejemplo, la de la Plaza de Cibeles inundada o el Capitolio sumido en una nube t¨®xica.

¡°Estamos usando un nuevo tipo de GAN desarrollado por nosotros mismos para generar las im¨¢genes de cambio clim¨¢tico que se pueden ver en nuestra web¡±, explican desde MILA. ¡°En general, la disponibilidad limitada de im¨¢genes y la necesidad de adaptar el algoritmo a multitud de situaciones han sido los retos t¨¦cnicos principales a los que nos hemos enfrentado¡±, sostiene Hernandez-Garcia.

Puedes seguir a EL PA?S TECNOLOG?A en Facebook y Twitter o apuntarte aqu¨ª para recibir nuestra newsletter semanal.