S¨¦ la energ¨ªa que producir¨¢s y consumir¨¢s ma?ana
En su visi¨®n m¨¢s futurista, la IA podr¨ªa ayudar a solucionar la escasez energ¨¦tica de la especie. En su proyecci¨®n m¨¢s realista, no lo sabe todo, pero predice con una nitidez in¨¦dita tanto oferta y demanda como fallos en unas redes cada vez m¨¢s capilares.
El helio-3 (He-3) es un is¨®topo (un tipo de ¨¢tomo) que se origina principalmente a partir del viento solar. Por eso en la Tierra, protegida por su atm¨®sfera y su campo magn¨¦tico, es un recurso tan escaso. En contraste, la Luna acumula en su superficie una vasta reserva de la que a¨²n no se extrae ni un solo gramo, pero est¨¢ en el objetivo de la explotaci¨®n lunar por su potencial energ¨¦tico: podr¨ªa usarse como combustible en reactores de fusi¨®n nuclear, adem¨¢s de ayudar a impulsar la industria de la computaci¨®n cu¨¢ntica.
Seg¨²n datos del Programa Apolo combinados con los de la agencia espacial india, el sat¨¦lite atesora un mill¨®n de toneladas. Sobre su rendimiento, las estimaciones son dispares, algunas afirman que 25 toneladas cubrir¨ªan la necesidad energ¨¦tica de Estados Unidos durante un a?o. Otras, que esa misma cantidad alimentar¨ªa Madrid ciudad por un lustro.
Interlune es una startup cofundada por dos exl¨ªderes de Blue Origin, la empresa espacial que cre¨® el magnate Jeff Bezos, con la colaboraci¨®n de Harrison H. Schmitt, astronauta del Apolo 17. Aspira a ser la primera compa?¨ªa minera del oro lunar, en una nueva versi¨®n de la carrera espacial donde compiten agencias como la china, que fue de hecho la descubridora del helio-3 en el sat¨¦lite. Interlune asegura que pronto enviar¨¢ una misi¨®n rob¨®tica para demostrar la viabilidad de su tecnolog¨ªa extractiva en una planta piloto. Que sea capaz de hacerlo, como anuncia, en esta d¨¦cada, es otro cantar.
Un cambio de paradigma energ¨¦tico
Sea cual sea la agencia estatal o la empresa privada que lo consiga, la IA jugar¨¢ un papel clave para mejorar los procesos de extracci¨®n, manipulaci¨®n, traslado y uso del helio-3 como fuente de energ¨ªa sostenible, adem¨¢s de la supervisi¨®n y el mantenimiento de las instalaciones lunares. ¡°Desempe?a un papel relevante en el avance de la fusi¨®n, aunque para aprovecharla necesitamos controlar muchos procesos f¨ªsicos que todav¨ªa no se dominan completamente¡±, explica Antonio Prieto, responsable de IA & Data en Energ¨ªa, de Accenture. Por ejemplo, ya se utiliza para predecir inestabilidades en el plasma, es decir, el gas sometido a temperaturas de millones de grados para reproducir la fusi¨®n de n¨²cleos at¨®micos que sucede de forma natural en el sol. La IA ayudar¨ªa a dise?ar medidas preventivas para mantener ese plasma m¨¢s controlado.
Hablamos de un sistema de generaci¨®n que cambiar¨ªa el paradigma energ¨¦tico, aunque no deja de ser una posibilidad lejana. Otras m¨¢s modestas proponen alternativas como el generador magn¨¦tico asistido por IA, cuyo funcionamiento, seg¨²n asegur¨® la empresa desarrolladora en la COP28 (Conferencia de las Partes en 2023) de Dubai, no produce emisiones ni necesita combustible f¨®sil.
Frente a estas promesas, avanzan proyecciones realistas de la IA a partir de un presente tangible. Por ejemplo, la capacidad de predecir oferta, demanda e incluso fallos en las redes gracias a algoritmos que calculan cu¨¢ndo un cable de alta tensi¨®n puede romperse y conviene repararlo o sustituirlo. Para lograrlo, procesan datos hist¨®ricos y actuales del estado f¨ªsico del cableado, la meteorolog¨ªa o im¨¢genes de drones sobre la cantidad de ¨¢rboles alrededor, que son una de las principales causas de apagones.
De hecho, seg¨²n la consultora Indigo Advisory, la IA permite m¨¢s de cincuenta usos posibles en el sector energ¨¦tico, y m¨¢s de cien proveedores en el mundo la emplean en an¨¢lisis y monitorizaci¨®n de patrones de consumo para optimizarlo, gestionar redes inteligentes, predecir tanto la demanda de electricidad como la producci¨®n e¨®lica y fotovoltaica, mejorar cargas y descargas de bater¨ªas, buscar reservas de hidrocarburos o en sistemas la seguridad de instalaciones nucleares.
La IA podr¨ªa jugar un papel clave en los procesos de extracci¨®n, manipulaci¨®n y uso del helio-3 lunar como combustible en reactores de fusi¨®n, si bien es una posibilidad todav¨ªa lejana para las tecnolog¨ªas nuclear y espacial
¡°Los algoritmos de aprendizaje autom¨¢tico revolucionan la industria energ¨¦tica impulsando la digitalizaci¨®n¡±, explica Eduardo Gonz¨¢lez, socio responsable de Energ¨ªa y Recursos Naturales de KPMG en Espa?a. Si esta versi¨®n predictiva deja huella, la IA generativa (GenIA) que aprende de patrones para producir contenido nuevo, promete ¡°una revoluci¨®n con impactos muy relevantes en toda la cadena de valor¡±, predice Prieto. El 38% de las tareas en las empresas energ¨¦ticas tendr¨¢ alguna relaci¨®n con esa GenIA, seg¨²n Accenture.
¡°Ante una aver¨ªa, los ingenieros y el personal t¨¦cnico reciben recomendaciones sobre la causa ra¨ªz y los pasos a seguir para la reparaci¨®n, incluyendo la consulta de recambios y la redacci¨®n autom¨¢tica de ¨®rdenes de trabajo. Incluso sugiere qu¨¦ otras instalaciones pueden verse afectadas¡±, arguye Prieto.
El sector busca nuevas herramientas que le proporcionen eficiencia y capacidad predictiva frente al crecimiento de la demanda y de dispositivos conectados, como puntos de carga de veh¨ªculos o bombas de calor en una econom¨ªa que se electrifica para reducir emisiones. Si antes las redes dirig¨ªan la energ¨ªa desde centrales el¨¦ctricas centralizadas, ahora ¡°unos sistemas cada vez m¨¢s complejos¡± necesitan gestionar flujos multidireccionales entre los miles de generadores, la red y los usuarios, explica Vida Rozite, analista de Pol¨ªtica Energ¨¦tica en la Agencia Internacional de Energ¨ªa (AIE).
¡°El mundo avanza hacia una distribuci¨®n m¨¢s descentralizada¡±, agrega Francisco Boshell, jefe de Innovaci¨®n en la Agencia Internacional de las Energ¨ªas Renovables (Irena). Y hacia una generaci¨®n m¨¢s renovable: el 42,5% del consumo total de la Uni¨®n Europea, por ejemplo, deber¨ªa provenir de fuentes limpias en 2030, objetivo que necesita precisamente pronosticar oferta y demanda, prevenir fallos y evitar interrupciones.
En este escenario, las tecnolog¨ªas claves, seg¨²n el experto de Irena, son internet de las cosas para recopilar y transferir datos, registros distribuidos como blockchain para asegurar transacciones econ¨®micas seguras y veloces, y sistemas IA para tomar decisiones r¨¢pidas y autom¨¢ticas.
Uso predictivo
Por su parte, Google y su filial DeepMind desarrollaron una red neuronal que prev¨¦ la producci¨®n futura de su flota renovable e¨®lica con hasta 36 horas de antelaci¨®n. ¡°No se puede eliminar la variabilidad del viento, pero nuestros primeros resultados sugieren que podemos utilizar el aprendizaje autom¨¢tico para que la energ¨ªa e¨®lica sea suficientemente m¨¢s predecible y valiosa¡±.
La IA tambi¨¦n allana el camino a empresas de hidrocarburos como Cepsa, una de las primeras en usar las soluciones de Amazon Lookout for Equipment. Este sistema recibe los datos de los sensores (presio?n, caudal, temperatura y potencia) de los equipos industriales en dos grandes refiner¨ªas espa?olas y entrena un modelo u?nico de aprendizaje automa?tico para predecir fallos en las ma?quinas. ¡°Empleamos IA en pr¨¢cticamente todas nuestras unidades de negocio, desde el ¨¢mbito industrial hasta las estaciones de servicio¡±, asegura David Villaseca, director de Digital de la empresa.
Adem¨¢s de predicci¨®n meteorol¨®gica a medio y largo plazo y mantenimiento predictivo de turbinas e¨®licas, Iberdrola usa robots y drones de inspecci¨®n con sensores y sistemas IA, junto con herramientas que anticipan la demanda y asistentes dom¨¦sticos para alertar sobre puntos de consumo excesivo.
Sostenible, insostenible o ni una cosa ni otra
El uso de aplicaciones IA influye en la propia demanda. Según la Agencia Internacional de Energía (AIE), el consumo mundial de electricidad en los centros de datos, donde a menudo se realizan los cálculos para los sistemas de IA, pasó de 200 teravatios-hora (TWh) en 2015 a entre 240 y 340 en 2022, equivalentes a un 1% o un 1,3% de la demanda final mundial de electricidad. Sin embargo, “de ese uso total, es probable que el aprendizaje automático sea menos de una cuarta parte”, explica Vida Rozite, analista de Política Energética en la AIE.
Esta experta señala la dificultad de medir la contribución exacta de la IA a la demanda global de electricidad y existen informes con conclusiones dispares. Para Alex De Vries, creador de la plataforma Digiconomist, su demanda de recursos (no solo energía, también agua para refrigerar los servidores) choca con la perspectiva sostenible. Se da la paradoja de que las soluciones de eficiencia energética a menudo se basan en IA, pero estos avances “pueden desencadenar un efecto rebote, escalando el uso de recursos en lugar de reducirlos”, afirma.
Según Irene Unceta, profesora del Departamento de Operaciones, Innovación y Data Sciences y directora académica del Bachelor in Artificial Intelligence for Business (BAIB), en Esade, “la IA puede ayudar a mitigar los efectos del cambio climático o incluso a adaptarnos a sus consecuencias”. Pero, a pesar de ello, cada vez tenemos más indicios de que no necesariamente es una tecnología sostenible en sí misma, “y no lo es por el brutal uso de recursos”. Para Rozite, controlar ese efecto pasa por acelerar el despliegue de energías renovables y otras soluciones energéticas bajas en carbono: “Así se reducirá el impacto de la demanda de energía digital a medida que la industria se expande”.