¿Loco por el ChatGPT? Algunas ciudades van a por todas
Es difícil predecir si ChatGPT estará a la altura de las expectativas. La primera tecnología de este tipo respaldada por Microsoft debutó en noviembre de 2022, seguida unos meses más tarde por la versión de Google llamada Bard. Como cualquier otra innovación potencialmente disruptiva, fue recibida con entusiasmo y escepticismo, pero se convirtió rápida e indiscutiblemente en un tema candente y desencadenó conversaciones sobre Inteligencia Artificial y su impacto en la sociedad y las empresas.
¿Qué beneficios puede aportar ChatGPT a ciudades y gobiernos locales? Administración y Finanzas pueden ser los primeros departamentos en aprovecharlo. En Vietnam, el Departamento de Información y Comunicaciones de la Ciudad de HMC anima a investigadores y científicos para aplicar ChatGPT al sistema de gestión estatal para agilizar los flujos de trabajo y hacer más eficientes los procedimientos, reconociendo también que podría contribuir al diseño de nuevos servicios para atender mejor a las personas y las empresas. En los Estados Unidos, a nueva herramienta basada en ChatGPT para la elaboración de presupuestos municipales tiene acaba de salir de las pruebas beta, a disposición de las ciudades que soliciten ayuda para elaborar sus libros presupuestarios, completados con cifras y textos narrativos sobre el gasto.
Pero algunas ciudades están dando algunos pasos adelante en el pilotaje de aplicaciones ChatGPT. Como según Cities Today, Singapur está utilizando modelos lingüísticos de IA, como los que sustentan ChatGPT, para apoyar a los funcionarios en las tareas ordinarias como la elaboración de documentos políticos, el resumen de noticias, la respuesta a consultas ciudadanas o la gestión de documentos extensos. La herramienta fue desarrollada por Open Government Products, el equipo interno de Singapur que diseña tecnología para resolver los retos del sector público, y demostró su eficacia para acelerar los procesos de investigación y redacción, garantizando al mismo tiempo la coherencia y calidad del resultado.
La primera utilidad que utiliza ChatGPT a nivel global es el programa Autoridad de Electricidad y Agua de Dubaique anunció una nueva aplicación para mejorar la atención al cliente. Aprovecha la capacidad de ChatGPT de interactuar con los usuarios a través del lenguaje natural para dialogar mejor con ellos, ofreciéndoles respuestas rápidas y fiables a sus consultas. La tecnología también se está probando para escribir código de programación y resolver problemas de codificación.
Por supuesto, ChatGPT no está exento de críticas y su uso por parte de organismos públicos llamó la atención sobre posibles riesgos relacionados con la privacidad y la protección de datos, la ciberseguridad y otros posibles usos indebidos. Las oportunidades para las empresas tecnológicas son bastante claras - y la fiebre de BigTech podría verse pronto empatada por los gigantes chinos: Pekín apoya la inversión de empresas clave en un marco de código abierto para desafiar a ChatGPT y desarrollar una plataforma rival.
Aprovechar la IA para luchar contra la contaminación atmosférica en la India
Inteligencia Artificial (IA) está teniendo efectos disruptivos en muchas industrias y áreas de la vida, y se utiliza cada vez más en las ciudades inteligentes para abordar problemas urgentes como contaminación del aire.
Según Analistas de Greenpeace, 22 de las 30 ciudades más contaminadas del mundo están en Indiadonde cada invierno más de 140 millones de personas están expuestas a una grave contaminación atmosférica. En la capital nacional, Delhi, la contaminación atmosférica por PM2,5 se cobró aproximadamente 54.000 vidas en 2020.
Una investigación independiente afirma que La India necesitaría un mínimo de 4.000 estaciones de control para supervisar la calidad del aire - pero hoy en día, hay aproximadamente 160 estaciones activas en el país, una red absolutamente inadecuada para recoger datos fiables y significativos para apoyar cualquier proceso de evaluación o toma de decisiones.
Aquí es donde La IA entra en juego. Detallado el control de la calidad del aire debe combinar diferentes fuentes de informaciónEn este sentido, los datos generados por las estaciones de control del aire, los datos meteorológicos y los datos por satélite, pero también las actividades relacionadas con el ser humano, como la movilidad y el tráfico, los asentamientos industriales, la gestión de residuos y la quema de basura. La IA puede aprovecharse para correlacionar todos esos factores y proporcionar una mejor interpolación geoespacial de los datos de contaminación atmosférica, apoyando así las previsiones mediante una comprensión más precisa de las fuentes de contaminación y las tendencias evolutivas.
Los ciudadanos también pueden ofrecer una valiosa contribución. En la India, el Laboratorio acelerador del PNUD desarrolló una plataforma digital GeoAI en colaboración con la Universidad de Nottingham para encontrar puntos conflictivos de contaminación atmosférica mediante imágenes de satélite y Algoritmos de detección de objetos de IA. Estos algoritmos fueron entrenados por un gran grupo de científicos ciudadanos voluntarios de todo el mundo. En concreto, su objetivo era detectar los hornos de ladrillos, que son focos de trabajo vulnerable y de contaminación atmosférica. Aplicación de algoritmos de IA a los datos entrenados por la ciencia ciudadana, se detectaron más de 47.000 hornos de ladrillos en las llanuras indogangéticas de la India y se incorporó a la plataforma de datos abiertos GeoAI, que utiliza un enfoque innovador y una combinación de tecnologías para determinar la ubicación exacta de las ladrilleras mediante imágenes por satélite y su cumplimiento de las políticas y leyes medioambientales vigentes.
Con facilitación y formación activas, los voluntarios logran clasificar más de 2.500 hornos en una semanaLa inteligencia de los ciudadanos y de la IA es muy valiosa para que los reguladores medioambientales tomen medidas contra los hornos que no cumplen las normas, facilitando intervención selectiva para combatir los focos de contaminación atmosférica.
La contaminación atmosférica en India, así como en otros países del mundo, representa un grave problema de salud y disminuye la calidad de vida. La IA puede contribuir a la adopción de medidas de mitigación proporcionando datos sobre la calidad del aire específicos de cada lugar y conocimientos útiles a las autoridades, las industrias, las empresas y los ciudadanos.
El autor: Paolo Veronesi, software engineer en Paradox Engineering
En un mundo cada vez más complejo e interconectado, El aprendizaje automático está demostrando ser muy beneficioso para las ciudades inteligentes y cualquier aplicación del IoT donde es necesario procesar, correlacionar y actuar sobre grandes volúmenes de datos de gran dimensión.
En Paradox Engineering estamos pilotando redes neuronales en casos de uso específicos como recogida de residuos sólidos urbanos o seguimiento de pacientes en hospitales y clínicas, ambas requieren potencias computacionales de medias a altas. Las redes neuronales se aplican generalmente cuando es posible explotar grandes recursos informáticos (como estaciones de trabajo o servidores), pero ahora estamos explorando cómo utilizar estas tecnologías en un caso diametralmente opuesto, es decir, con recursos extremadamente limitados (como unos pocos cientos de KB de ram y procesadores estándar de 32 bits con menos de cien MHz).
El aprovechamiento de las redes neuronales en los dispositivos IoT integrados es una aplicación nueva y emergente. Nuestro objetivo es procesar los datos localmente, en el dispositivo integrado, sin enviar la información por la red: esto permite que los dispositivos funcionen correctamente incluso en caso de fallos de la red, mejora la escalabilidad del sistema y su seguridad general, ya que los datos sensibles se procesan a nivel local.
El caso de uso en el que nos centramos es Smart Lighting. En una instalación urbana exterior típica, las farolas están conectadas a una red de malla y gestionadas por pasarelas, que funcionan como routers de frontera, coordinadores de red y concentradores de datos. A software de gestión centralizada permite la gestión y el control remotos de la red, así como de dispositivos individuales o agrupados.
Se espera que el alumbrado público funcione sin problemas incluso cuando la conectividad con la pasarela más cercana o el CMS no esté disponible. Para permitirlo, los dispositivos están configurados para ejecutar sus rutinas en función de la fecha y la hora actuales, suponiendo que la pasarela proporcione esta información. Esto es vital para que las farolas obtengan las efemérides y calculen la salida y la puesta del sol diarias, según estos datos, Las lámparas pueden encenderse/apagarse y atenuarse según los horarios programados.
¿Qué ocurre si un nodo está aislado? y no puede conectarse a una pasarela, por ejemplo, debido a condiciones ambientales adversas o a la topología de la red? ¿O si la pasarela no está instalada? En estos casos, el dispositivo debe encontrar una nueva forma de calcular la hora actual. Decidimos aprovechar el análisis de datos y las capacidades de aprendizaje automático para que las farolas puedan obtener la hora exacta del día a partir de los datos recogidos por los sensores ambientales integrados.
Estimar el tiempo a partir de parámetros como la luminosidad, la temperatura o la presión no es una tarea sencilla. Las condiciones ambientales varían mucho de un día a otro, de una estación a otra, con un nivel de complejidad que no sería posible resolver con un enfoque de programación tradicional.
Las redes neuronales pueden gestionar eficazmente las series temporales y, si se entrenan con una cantidad y variedad de datos adecuada, pueden dar una respuesta precisa a nuestra pregunta. En nuestro experimento, entrenamos el sistema utilizando datos generados por un conjunto de sensores ambientales a lo largo de un año.
Los resultados fueron realmente prometedores: farolas aisladas fueron capaces de procesar los datos localmente y estimar el día adecuado con una precisión media de unos 16 minutos - y ejecutar perfectamente sus horarios. Sin el aprendizaje automático, esta continuidad operativa no habría sido posible.
Más información sobre nuestro Smart Lighting aplicación: descargar nuestro último libro blanco (es necesario registrarse gratuitamente), y contacte con nuestros expertos en aprendizaje automático!
15 julio 2021