En un momento en el que la pandemia de COVID-19 nos sigue obligando a muchos de nosotros a permanecer en nuestros hogares, la mayoría de nuestros comportamientos cotidianos se han puesto en pausa. Los efectos inmediatos son obvios, ya que las ciudades, las carreteras y los espacios públicos se han vaciado. Las noticias sobre una naturaleza que se adentra en los espacios que una vez reclamaron los humanos han asombrado a espectadores de todo el mundo. Coyotes paseando como si nada por el Golden Gate y las calles de San Francisco, los canales de Venecia despejados y repletos de peces, o el Himalaya visible desde la India por primera vez en tres décadas, son solo algunos de estos ejemplos.
Al mismo tiempo, con los trágicos incendios forestales que asolaron la costa del Pacífico y una temporada de huracanes en el Atlántico que ya ha batido récords en 2020, muchos sienten que hay que actuar para preservar el medio ambiente.
Estos son solo algunos ejemplos que han puesto de manifiesto el desafiante y complejo problema que los científicos han estado esforzándose por comprender durante años: el cambio climático. Ahora más que nunca, la tecnología está posicionada para ayudar a los científicos a entender y desenmarañar la complicada red de causa-efecto que se está desarrollando en todo el planeta.
La ciencia del cambio climático
Históricamente, los enfoques clásicos para estudiar el cambio climático requerían grandes dosis de tedioso trabajo manual. Estos métodos solían recurrir a ecuaciones diferenciales, cálculos, la teoría del caos y el efecto mariposa, todos ellos utilizados para tratar de entender los cambios en nuestro entorno y las posibles causas o factores que contribuyen a esos efectos. Los métodos de autómatas celulares también han resultado útiles para crear modelos de sistemas complejos como la dinámica de fluidos.
Con todos estos métodos, y especialmente cuando se utilizan en el contexto de las ciencias climáticas, se requiere una enorme cantidad de datos. La recopilación de esta información de innumerables fuentes, y el etiquetado de un conjunto de datos de alta calidad, fue difícil en algunos casos o abrumador en otros. En determinadas situaciones estos datos eran relativamente estáticos, como las temperaturas de la superficie del océano, mientras que otros son más dinámicos, como los cambios de las corrientes oceánicas, lo que añade al estudio percepciones aún más interesantes y potencialmente valiosas.
Sin embargo, almacenar esta enorme cantidad de datos era prohibitivamente caro para todos, excepto para las organizaciones e instituciones mejor financiadas, y esto no es más que el comienzo del proceso. A partir de esta base de datos de alta calidad, dar el siguiente paso en las ciencias climáticas requiere grandes cantidades de recursos informáticos.
Democratizar la informática de alto rendimiento en la nube
Resolver grandes problemas científicos y de ingeniería, como predecir la situación meteorológica o crear modelos para las corrientes oceánicas, requiere que los investigadores se sirvan de una enorme potencia computacional. Esas enormes cantidades de cómputos son inalcanzablemente caras para la mayoría de las organizaciones, e incluso para las que disponen de los medios para pagarlas, el funcionamiento de los clústeres computacionales de alto rendimiento (HPC, por sus siglas en inglés) en sus instalaciones requería una inversión inicial considerable, largos ciclos de adquisición y actualizaciones periódicas del equipo informático para evitar su obsolescencia. Hoy en día, la capacidad de configurar clústeres computacionales paralelos masivos a demanda en la nube está ofreciendo a un público más amplio lo que antes se limitaba a los laboratorios gubernamentales y a determinadas organizaciones académicas.
Con la computación de alto rendimiento distribuida en la nube, los investigadores son capaces de acelerar el ritmo de las ciencias climáticas utilizando una amplia gama de instancias EC2 de computación optimizadas y aceleradas, capaces de escalar a miles de núcleos con interfaces de red. Ofertas como las instancias EC2 Spot, que permiten a los clientes aprovechar la capacidad EC2 no utilizada en la nube de AWS con un descuento de hasta el 90%, hacen que la capacidad de poner en marcha las ciencias climáticas resulte más accesible para los innovadores y más económica para la gente que ya la utiliza. Por ejemplo, Maxar Technologies, una empresa de tecnología espacial especializada en la fabricación de satélites de comunicación, de observación terrestre y de servicios en órbita, productos para satélites y servicios relacionados, utiliza AWS para entregar las previsiones meteorológicas un 58% más rápido que la supercomputadora de NOAA. Mientras que los modelos de predicción meteorológica se ejecutan tradicionalmente en grandes ordenadores de alto rendimiento instalados in situ, Maxar desarrolló un conjunto de arquitecturas alojadas en la nube de AWS que permite a los científicos ejecutar modelos de predicción meteorológica de una manera mucho más ágil y escalable.
Machine Learning, clave para combatir el cambio climático
Junto con el HPC, el machine learning permite a los científicos observar los datos climáticos de manera flexible, adaptando el análisis de los datos basados en sucesos anteriores para crear modelos sobre el futuro con mayor precisión. Este enfoque puede ayudar a los investigadores a lidiar con la tremenda complejidad de los sistemas climáticos, así como a entender mejor las conexiones entre las numerosas interacciones sutiles que influyen en el clima.
La floreciente combinación de machine learning y ciencias climáticas queda patente en los esfuerzos de los investigadores de la Universidad de Oxford, entre los que se encuentran Philip Stier, catedrático de física atmosférica, y Duncan Watson-Parris, investigador posdoctoral. Stier y Watson-Parris se centran en comprender cómo los aerosoles afectan a las nubes: a qué tipo de nubes afectan, en qué regiones ocurren estos cambios (y, lo que es igual de importante, en qué regiones no), y qué prevalencia tienen.
Además del uso de servicios como AWS Deep Learning AMIs y Amazon SageMaker, Oxford y Amazon se han asociado a través de iMIRACLI (innovative MachIne leaRning to constrain Aerosol-cloud CLimate Impacts), un programa de posgrado financiado por la UE H2020 que reúne a los principales científicos climáticos y del aprendizaje automático de toda Europa y a socios no académicos para formar a una nueva generación de científicos de datos climáticos. El programa cuenta con la participación de 15 estudiantes de doctorado.
El futuro de las ciencias del cambio climático está en la nube
El cambio climático es una de las cuestiones más difíciles de nuestro tiempo, y si no encontramos soluciones significativas, las consecuencias pueden tener repercusiones en nuestro futuro y el de nuestros hijos. Para lograr el cambio en este ámbito será necesario un esfuerzo colectivo del mundo académico, los Gobiernos, la industria, las organizaciones sin ánimo de lucro y la sociedad. Requerirá de ingenio, innovación y escala. La computación de alta potencia y el aprendizaje automático en la nube serán fundamentales para desbloquear los datos científicos con el objetivo de comprender y combatir el cambio climático.
En Amazon, estamos comprometidos a abordar el cambio climático a través de las energías renovables, y seguimos invirtiendo en proyectos energéticos en todo el mundo, por ejemplo, en parques solares y eólicos en lugares como España, Suecia, Irlanda y Virginia. Estos proyectos ayudarán a suministrar energía limpia a nuestros centros de datos, que alimentan a Amazon y a millones de clientes de AWS en todo el mundo.
Por Werner Vogels, CTO de Amazon
