es.wedoany.com Noticia: Un equipo de investigación de la Universidad de Washington ha desarrollado un sistema de inteligencia artificial capaz de estimar automáticamente el impacto ambiental de diferentes dispositivos electrónicos durante su fase de producción. El sistema utiliza múltiples agentes de IA (programas que ejecutan tareas de forma autónoma) para recopilar información de datos públicos y realizar evaluaciones del ciclo de vida (LCA), con una tasa de error promedio de entre el 5% y el 19%, similar a la precisión de las LCA realizadas por expertos humanos. Los resultados de la investigación se publicaron el 12 de junio en la revista académica Nature Electronics.
El estudio muestra que los consumidores tienen una mayor disposición a pagar por dispositivos más sostenibles, pero obtener datos detallados sobre el impacto ambiental de los dispositivos electrónicos es actualmente muy difícil. Tomando como ejemplo un teléfono móvil, está compuesto por cientos de chips y otros componentes, cada uno con emisiones de producción diferentes, y estos datos a menudo no son públicos o ni siquiera se han medido. Un experto humano puede necesitar días o incluso meses para recopilar manualmente la información necesaria para una LCA. Los múltiples agentes de IA diseñados por el equipo de investigación pueden trabajar en conjunto para extraer automáticamente información de los componentes electrónicos a partir de descripciones de productos, imágenes y archivos, proporcionando estimaciones comparables en aproximadamente un minuto.
El sistema simula diferentes roles en el proceso de LCA a través de dos agentes de IA. Uno actúa como analista, definiendo la información necesaria y cómo integrarla, y revisando la precisión de los resultados; el otro actúa como ingeniero, extrayendo información de los componentes de los dispositivos electrónicos a partir de datos públicos, incluyendo la selección de hojas de cálculo y la búsqueda de imágenes internas de los dispositivos para obtener información sobre los chips, con fuentes de datos que incluyen incluso canales no convencionales como la base de datos de la FCC y publicaciones de iFixit. Los dos agentes trabajan en un ciclo hasta que el primero confirma que la información está completa, y luego consultan la base de datos de LCA para convertir la lista de componentes en una estimación de emisiones de carbono.
El equipo también desarrolló un método de "vecino más cercano" que evita la recopilación detallada de datos para estimar directamente la huella de carbono. Para dispositivos comunes como portátiles y teléfonos inteligentes, para los que ya existen informes públicos de huella de carbono, descubrieron que productos con especificaciones similares, como el tamaño de la pantalla y el procesador, tienen valores de carbono cercanos. Por lo tanto, la huella de carbono de un dispositivo desconocido se puede expresar como un promedio ponderado de productos similares. Este método también es aplicable para estimar materiales no incluidos en la base de datos de LCA, como los nuevos plásticos sostenibles, que pueden estimarse basándose en plásticos con propiedades y estructuras químicas similares. En las pruebas, el error promedio de este método fue del 23%, mientras que el error promedio de los expertos humanos fue del 143%.
El equipo de investigación enfatiza que el sistema está diseñado para ayudar a reducir las emisiones de carbono en general, pero la ejecución del modelo de IA en sí misma requiere energía. Para ello, han tomado múltiples medidas para mitigar el impacto, incluyendo el uso de modelos de IA pequeños que consumen menos energía que los modelos generales, y la consulta previa de estimaciones de emisiones existentes para evitar cálculos repetidos. Si el sistema necesita llamar al modelo de IA, actualmente las emisiones de carbono de estimar la huella de carbono de un dispositivo equivalen aproximadamente a las emisiones generadas al preparar una taza de té. El equipo planea colaborar con empresas en el futuro para ayudar a automatizar sus flujos de trabajo.
El autor principal del estudio, Vikram Iyer, profesor asistente en la Escuela de Ciencias de la Computación e Ingeniería Paul G. Allen de la Universidad de Washington, señaló que las personas están dispuestas a pagar un precio más alto por dispositivos más sostenibles, pero productos como los teléfonos móviles están compuestos por cientos de chips y otros componentes, cuyos datos de emisiones de producción no son públicos y son difíciles de obtener. La recopilación manual por parte de expertos humanos puede llevar días o incluso meses, mientras que los múltiples agentes de IA que diseñaron pueden trabajar en conjunto y completar la estimación en un minuto. El primer autor, Zhihan Zhang, estudiante de doctorado en la Escuela Allen, explicó que entrevistaron a expertos en LCA y construyeron un sistema para simular el proceso de interacción. Otros coautores incluyen: Alexander Metzger, Felix Hähnlein, Zachary Englhardt y Shwetak Patel de la Escuela Allen de la Universidad de Washington; Yuxuan Mei del Wellesley College (estudiante de doctorado en la Escuela Allen de la Universidad de Washington durante la realización de este estudio); Tingyu Cheng de la Universidad de Notre Dame; Gregory D. Abowd de la Universidad Northeastern; y Adriana Schulz de la Universidad Brown (profesora asistente en la Escuela Allen de la Universidad de Washington durante la realización de este estudio). Esta investigación fue financiada por los Amazon Research Awards y la National Science Foundation, y Zhang recibió el apoyo de la Google PhD Fellowship.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
