Pagamos un gran precio por nuestra tecnología en términos de impacto medioambiental. Por consiguiente, minimizar o mitigar el impacto medioambiental es un asunto que nos implica a todos y no solo a los expertos en IA. Las actuales arquitecturas de IA han incrementado la computación que se requiere para la investigación en aprendizaje profundo, que se duplica cada pocos meses (Schwartz et al., 2019). Los actuales sistemas de IA requieren mucha cantidad de energía para las operaciones de sus algoritmos y dejan una alta huella de carbono. Por consiguiente, toda IA sostenible debe maximizar la eficiencia y no exclusivamente la funcionalidad.

Para obtener los beneficios de la IA se entrenan modelos que consumen mucha energía y se liberan gases de efecto invernadero que contribuyen al calentamiento global del planeta. La IA tiene una huella de carbono muy alta. El modelo medio de aprendizaje profundo usa combustibles fósiles como fuente de energía y libera 35.000 kilos de CO₂.

Pero se puede empezar a construir una narrativa de IA sostenible para el bien común si se hace un uso más eficiente de los recursos disponibles y se ponen en marcha medidas que garanticen la importancia de las métricas de eficiencia y no solo se pongan en valor las métricas relacionadas con los resultados. A pesar del poder transformador y de la aplicación de la IA a múltiples campos (e.g. banca, finanzas, transporte, medicina…) esta tiene un alto coste medioambiental. Para que nos hagamos una idea, el nivel de consumo de energía de un modelo de IA (principalmente aquel que haga uso de aprendizaje profundo) cada vez que se entrena es cinco veces más del ciclo de vida de un automóvil medio, incluida su fabricación (Strubell, Ganesh y McCallum, 2019).

Fomentar una narrativa de IA sostenible significa desarrollar una nueva generación de modelos de IA que realicen operaciones y tareas encaminadas si no a mejorar, por lo menos a cuidar el planeta, las comunidades y las personas. Debemos ser capaces de utilizar todo el potencial de la IA para el bien común, pero sin que suponga un compromiso o un intercambio entre valores sostenibles y el poder transformador de la tecnología. No tendría mucho sentido poner en funcionamiento una iniciativa de AI4SG con una tecnología que tenga un alto impacto medioambiental aunque beneficie a las personas o viceversa.

Las estadísticas de la pobreza son dramáticas (World Food Programme, 2019). 821 millones de personas luchan por alimentar a sus hijos o por obtener comida. Estos 821 millones de personas representan una de cada nueve personas en un mundo de siete mil millones en total. La pobreza está directamente ligada con la salud. La malnutrición tiene severas consecuencias en el bienestar físico, mental y social de las personas y puede llevar a una situación de estrés e inmunodepresión, causando la vulnerabilidad de la persona para padecer otras enfermedades. A su vez la mala salud puede frenar otros factores como el proceso educativo y la posibilidad de acceder al mercado laboral que de nuevo retroalimenta la trampa de la pobreza impidiendo a las personas encontrar un trabajo con un salario digno, lo cual les llevaría a pasar hambre y a seguir siendo pobres.

La Organización de las Naciones Unidas llama a la pobreza el reto global más grande al que se enfrenta la humanidad. Aunque es verdad que no hay una única solución mágica para un problema complejo, están empezando a emerger soluciones basadas en la tecnología que aprovechan el poder de la IA y sus capacidades para la minería de grandes cantidades de datos (big data) que permitan señalar regiones (o inclusive personas) con necesidades.

La búsqueda de las personas que tienen necesidades básicas que cubrir se realiza a través de fotografías tomadas vía satélite de manera constante que son analizadas por algoritmos de IA. Se ha encontrado un patrón o correlación entre la luz artificial y la situación socioeconómica de una región. Las regiones que brillan en la oscuridad son más ricas (Yeh et al., 2020). Esta correlación se encontró utilizando imágenes vía satélite de día y de noche de Uganda, Tanzania, Nigeria, Malaui y Ruanda. Estos países tienen censos de vivienda y unidades de convivencia que se introdujeron como entrada (input) para el algoritmo, que junto a las imágenes permitió predecir con un 81% de fiabilidad la distribución de la pobreza entre los países.

También la IA se aplica a la agricultura dando pie a la agricultura de precisión. Hay robots y maquinaria automatizada que recolectan y siembran, aplicaciones que predicen mejores cultivos, o sistemas de recomendación que sugieren cómo optimizar los cultivos y cómo elegir la idoneidad de la tierra (Vincent et al., 2019).

Principio ético: uno de los principios éticos básicos que debe guiar la aplicación de cualquier iniciativa AI4SG para erradicar la pobreza y proveer de buenos alimentos a la población mundial es la equidad y la justicia.

La IA también puede mejorar la salud y el bienestar humano. La denominada medicina digital es la aplicación de la tecnología digital, incluida la IA, para la mejora de la investigación y de la práctica biomédica. La revolución computacional con la llegada del computador ha transformado la medicina. Primero con los registros médicos electrónicos (Goodman, 2016) y en la actualidad con la medicina de precisión (Topol, 2019).

La IA puede ser utilizada para descubrir nuevos fármacos (Stokes et al., 2020) y la técnica del aprendizaje profundo puede encontrar nuevos patrones en la información y datos que permiten la intervención precoz y así impedir el desarrollo de enfermedades.

Gracias a la IA, la medicina puede convertirse en una plataforma ubicua de salud pública global y de precisión. Gracias a ciertas tecnologías como el teléfono móvil (smartphone) y su gran capacidad computacional se puede conseguir que la atención sanitaria llegue a todos los lugares del planeta y atienda las necesidades de todas las personas. Con el teléfono móvil el médico nos puede acompañar en todo momento (telemedicina) o incluso el hospital y sus recursos venir con nosotros a todos partes y atendernos desde nuestro bolsillo del pantalón al disponer en nuestros teléfonos móviles de aplicaciones para el control de la presión arterial, registro del sueño, hábitos alimenticios, sensores para medir el índice de glucosa en sangre, cámara para diagnosticar retinopatías y otras muchas dolencias. Durante la situación de la pandemia de la COVID-19 el uso de la tecnología móvil para evitar la propagación del virus ha sido un instrumento clave (Oliver, Matic y Frias Martinez, 2015; Gasser et al., 2020)

El desarrollo de proyectos A14SG en la medicina es casi ilimitado y solo la falta de imaginación puede parar la innovación en un área tan importante para las personas como es la de la salud.

Principio ético: como es un ámbito tan importante y sensible para las personas no se debe descuidar el control ético de la aplicación de la IA en la biomedicina. Solo desde una gobernanza efectiva de la aplicación de la IA en la salud se puede hacer frente a los retos éticos (Blasimme y Vayena, 2020).

La IA aplicada a la educación con el objetivo de crear una cultura de calidad pedagógica puede desarrollar instrumentos o sistemas para el aprendizaje personalizados para cada alumno o persona interesada. Ahora que estamos inmersos en la crisis global sanitaria a consecuencia de la COVID-19, el teletrabajo se ha intensificado en múltiples sectores. El desarrollo de interfaces y software que posibilita la comunicación vía video, accesible desde múltiples pantallas, es una verdadera transformación revolucionaria de la educación a distancia. La IA puede transformar y mejorar las reuniones virtuales y hacer de la colaboración en línea más inteligente. Bots y asistentes virtuales pueden crear un calendario y una agenda de reuniones, y planificar un uso del tiempo más eficiente.

La IA puede crear también un sistema de aprendizaje que se adecúe a las necesidades y a circunstancias específicas. Los manuales y textos se podrán sustituir por dispositivos electrónicos como tabletas que cuenten con algoritmos diseñados para responder a las habilidades, velocidad de aprendizaje y bagaje de cada alumno (Minsky, Singh y Sloman, 2004) y no cabe duda de que pueden conseguir que el material didáctico sea más interactivo y como resultado más atractivo.

Estos sistemas pueden incorporar arquitecturas de la inteligencia ambiente y ubicua donde hay sensores que pueden obtener información para hacer inferencias sobre el estado emocional, procesar el lenguaje natural, implementar un sistema de reconocimiento del habla y de análisis semántico (Ramadan et al., 2010), y así crear la educación del siglo XXI.

Cuando pensamos en la IA aplicada a la educación nos imaginamos robots enseñando. Y esta narrativa de la IA en la educación no está mal encaminada, ni es ciencia ficción. Lo que sucede es que reciben nombres con más glamour como tutores inteligentes, avatares personalizados, asistentes virtuales de enseñanza…

Hay sistemas de decisión algorítmica que pueden asignar curso y nivel al alumnado sobre la base de su perfil educativo y por supuesto gestionar la administración de los propios centros educativos, seleccionando al personal docente.

Principio ético: toda acción en el campo de la educación y decisión para la aplicación de la tecnología en el sector educativo debe responder a la utilidad máxima de los interesados (e.g. los alumnos).

“La igualdad de género no es solo un derecho humano fundamental, sino el necesario fundamento para un mundo próspero, en paz y sostenible”. Así define la Organización de las Naciones Unidas la igualdad de género en el marco de los ODS. Este quinto objetivo quiere empoderar a las mujeres y a las niñas de todo el mundo. Y el primer paso para empezar es atajar la disparidad en la representación de mujeres en las carreras STEM (acrónimo inglés para Science, Engineering, Technology, Mathematics). Según el informe global sobre la brecha de género del World Economic Forum (2018), entre los investigadores en IA, un 22 % son mujeres frente a un 78 % de hombres. Para ir cerrando esta brecha varias iniciativas se han de poner en marcha. En primer lugar, una política salarial equitativa donde por igual trabajo se perciba igual salario; y en segundo lugar, luchar contra la discriminación.

Una primera tarea para luchar contra la discriminación es ser conscientes de que los propios algoritmos de los sistemas de IA, al aprender de los datos del mundo real, pueden albergar prejuicios y sesgos que discriminen a las mujeres. Los modelos de IA entrenados con datos sesgados repiten los sesgos en sus aplicaciones, por ejemplo, en el uso de sistemas de decisión algorítmica para la selección de personal o a la hora de adjudicar créditos. Otro caso de aplicación de IA que alberga ciertos prejuicios sociales sobre las mujeres son los asistentes virtuales del tipo Alexa, Siri o Cortana, que tienen una voz femenina. La posibilidad de seleccionar la voz en función de las preferencias del usuario es un diseño neutro no discriminatorio.

Un ejemplo de aplicación de una herramienta de IA para la promoción de la igualdad de género es el reciente estudio que han llevado a cabo Amnistía Internacional y una compañía de IA (ElementAI) en el cual, usando técnicas de ciencia de datos y aprendizaje máquina, han medido la violencia y el abuso contra las mujeres en la red social Twitter (Amnisty International, 2018). Esta herramienta permite predecir el contenido abusivo de nuestros tuits y ayudar a la automoderación de los usuarios en el universo Twitter. Porque el estudio ha encontrado que 7,1 % de los tuits enviados a mujeres en el estudio eran problemáticos. Esto asciende a 1.1 millones de tuits enviados a las 778 mujeres del estudio al año, uno cada treinta segundos. Y las mujeres negras son más susceptibles de recibir contenido abusivo.

Principio ético: el principio ético fundamental que se encuentra detrás de la lucha contra la discriminación de las mujeres es la igualdad.

Cerca de un tercio de la población mundial vive en zonas donde hay escasez de agua (UN-Water SDG 6, 2019). Las razones son multifactoriales. Puede haber una escasez física de agua o puede escasear por razones institucionales y políticas. La principal consecuencia de un fallo institucional que deriva en escasez de agua o saneamiento es la falta de infraestructuras críticas. Se estima que el uso del agua ha crecido el doble que el crecimiento demográfico a nivel global y además en todos los sectores. También se sabe que el calentamiento global no hará más que acrecentar las sequías y el estrés hídrico de múltiples áreas y territorios. Y quizá lo más grave, dejará a millones de personas sin acceso a agua potable y saneamiento.

Como el acceso al agua es un requisito para la vida, proteger la calidad del agua es una obligación de los gobiernos de todo el mundo. Hay sistemas de IA que se pueden aplicar para el control y la prevención de enfermedades como la legionelosis (Sinčak et al., 2014), pero quizá lo más significativo de la aplicación de la tecnología al sector es la gestión de los recursos hídricos. Como he señalado más arriba, los cambios demográficos y el calentamiento global están poniendo a prueba a las ciudades y a los territorios a la hora de proveer agua de calidad para todas las personas. La digitalización del sector de la gestión del agua permite a la IA servir de ayuda ante estos retos. A través del concepto de smart cities que vienen a definirse como aquellos «lugares donde la tecnología de la información se combina con la arquitectura, los objetos cotidianos e incluso nuestros cuerpos para solucionar problemas sociales, económicos y medioambientales» (Townsend, 2013: 15), se crean infraestructuras críticas para la ciudad, incluida la gestión del agua y del saneamiento, más inteligentes, interconectadas y eficientes.

El desarrollo de mejores técnicas de IA, la mayor capacidad computacional, las nuevas tecnologías de monitorización y los nuevos sensores han revolucionado los métodos de análisis, diseño y gestión de los sistemas de distribución de agua. Hoy se puede decir que la aplicación de la IA en la gestión del agua y el saneamiento puede llegar a ser similar a la de otros servicios de red como la electricidad, el gas o Internet. Así tenemos que la IA puede estudiar, proteger, analizar y mejorar la distribución del agua.

Principio ético: el principio ético fundamental para el acceso a un bien primario y básico como el agua es la justicia y la equidad. Por consiguiente, cualquier proyecto o iniciativa AI4SG deberá guiarse por dicho principio.

Asegurar el acceso a la energía sostenible, fiable y barata es quizá uno de los ODS más importantes. La descarbonización de la economía es uno de los retos a los que se enfrentan las sociedades y la humanidad en su conjunto. Los combustibles fósiles (petróleo, carbón, gas) son la fuente primaria de energía en nuestras sociedades modernas, pero también la principal causa de emisión de gases de efecto invernadero que provocan el calentamiento del planeta. Mitigar el calentamiento global a través de la gestión de los gases de efecto invernadero se puede conseguir con la ayuda de la tecnología digital.

Sincronizar y orquestar tecnologías tales como big data, aprendizaje máquina, Internet de las cosas (IoT) o los denominados sistemas ciberfísicos incrementa la eficiencia en la provisión de energía y producción industrial que directamente reduce el impacto medioambiental (Inderwildi et al., 2020). Estos sistemas ciberfísicos pueden llegar a representar digitalmente el mundo físico y así promover un proceso de optimización mayor en la operación y control de los sistemas de producción industriales de energía. Por otra parte, en relación con el sistema de energía pueden promover la integración de suministros de energía intermitente (renovables) con otros más continuos (nuclear) y ayudar en la identificación y pronóstico de energías renovables.

La IA en el contexto energético también puede potenciar la investigación científica y el desarrollo tecnológico.

Principio ético: un análisis y una evaluación de riesgo continuo (ex-ante y ex-post) junto con un principio de precaución y prudencia moderado ha de ser el principio ético que guie la implementación de cualquier iniciativa AI4SG en materia energética.

El futuro del trabajo y la supuesta amenaza del desempleo tecnológico (automatización de procesos y tareas donde la máquina puede llegar a sustituir a las personas) es una las principales preocupaciones de la incorporación de la IA y de la robótica en el mercado laboral. Para combatir la destrucción de empleo por la potencial automatización de tareas y actividades del mercado laboral, los economistas apelan a una mayor diversificación en las habilidades y a un aprendizaje continuo de por vida. Se da la paradoja de que son las propias TIC y en especial la IA quienes crean entornos de aprendizaje personalizados y adecuados para cada persona en sus etapas educativas y a la vez quienes potencialmente les puede quitar el trabajo.

Por supuesto, hay ocupaciones más susceptibles que otras de automatizarse. Frey y Osborne (2017) han estimado que el 40% de los trabajos en Estados Unidos serán automatizados, mientras que otro estudio de la OECD ofrece una estimación alternativa más moderada con solo el 9% de las ocupaciones en riesgo de automatización (Arntz, Gregory y Zierahn, 2016). Pero no cabe duda de que, dado el avance y el desarrollo de la IA y de la robótica, los trabajos más mecánicos y rutinarios como, por ejemplo, algunos dentro del sector de los servicios o del transporte, pero también en las oficinas, tienen un mayor riesgo de automatizarse. Aquellas tareas y actividades laborales donde exista un alto componente de interacción social con otras personas y se requiera de habilidades como la empatía o cognición social seguirán estando protegidas, por el momento, de ser automatizadas.

Como comentaba, existe una paradoja evidente cuando se habla del futuro del trabajo y la IA. Porque la misma IA permite una mayor oportunidad de diversificación en la adquisición de habilidades, pero al mismo tiempo puede desplazar fuera del mercado laboral a las personas. Los conocidos como MOOCS (cursos en línea dirigidos a un número ilimitado de participantes) están operados por algoritmos y software que adapta de manera personalizada los materiales, evalúa y permite el aprendizaje, pero al mismo tiempo pueden dejar sin empleo a muchos docentes.

No obstante, hay muchas complementariedades entre la automatización y el trabajo. La automatización puede sustituirnos en ciertas tareas, pero también incrementa la productividad y los dividendos, y como resultado aumenta la demanda de trabajo (Autor, 2015). Es posible que la IA y la tendencia a la automatización hagan honor al clásico concepto schumpeteriano de «destrucción creativa», y los potenciales beneficios de aplicar la IA a la creación de un trabajo digno y el crecimiento económico sean todavía impredecibles, aunque puede que beneficiosos.

Principio ético: este es un caso donde no hay un principio ético prima facie, sino que en función del contexto se aplicará aquel más adecuado (justicia, igualdad de acceso y oportunidades, equidad…).

Este objetivo se define como la construcción de infraestructuras resilientes y la promoción de una industrialización sostenible e inclusiva que impulse la innovación. Para ello hay que aumentar la eficiencia en la utilización de los recursos, y el uso de una tecnología respetuosa con el medio ambiente e inclusiva es imprescindible. La IA se encuentra en una posición aventajada a este respecto. La IA promete transformar sectores industriales facilitando la innovación en la salud, en el transporte, en los servicios red y en la administración pública. La digitalización de la industria y la llamada industria 4.0 (Schwab, 2017) pueden fusionar el mundo físico, digital y biológico, y conseguir procesos de manufactura que incorporen la impresión 4D, Internet de las cosas, sensores y big data que catalicen una innovación exponencial sin precedentes en la historia de la humanidad.

Otra vertiente de este objetivo es impulsar la innovación científica y actualizar las capacidades tecnológicas de todos los sectores industriales, en particular de las regiones y territorios de países en vías en desarrollo. Mejorar las infraestructuras obsoletas permitirá la movilidad de millones de personas allí donde puedan buscar un proyecto de vida mejor y acceder a servicios, incluidos los financieros, para integrarse en la economía global. Los agricultores aislados y mal comunicados podrán acceder al mercado y vender sus productos

Principio ético: todos los códigos deontológicos profesionales de disciplinas como la ingeniería deberán ser observados y seguidos.

La narrativa construida acerca de la IA es que se trata de una tecnología que puede discriminar y que está llena de sesgos y prejuicios. La verdad es que también puede ayudar a evitar la discriminación y a reducir las desigualdades. Cathy O´Neil (2016) reveló los potenciales usos abusivos de los algoritmos en múltiples contextos en que se delega la toma de decisiones a sistemas automatizados. Los modelos del aprendizaje máquina si son entrenados con datos corruptos, llenos de sesgos, pueden amplificar los datos corruptos. La expresión inglesa garbage in, garbage out es muy explícita a este respecto. Si un modelo de IA lo entrenas con basura, solo sacará basura. Y tenemos varios antecedentes en el uso de algoritmos que han discriminado y causado daño (Monasterio Astobiza, 2017).

Sin embargo, hay muchas estrategias que se pueden poner en marcha para reducir las desigualdades en el seno de la tecnología de la IA para que a su vez la IA misma pueda ayudar a reducir las desigualdades. En primer lugar, los programadores y desarrolladores deben ser heterogéneos, es decir, deben provenir de todas las capas de la sociedad, de las minorías, de los grupos vulnerables o de los colectivos poco representados y, por supuesto, con una presencia paritaria de mujeres. Esto se puede conseguir favoreciendo la presencia de todas estas personas en la selección del personal, en el acceso a las carreras universitarias y en otras esferas de la sociedad como la política, la cultura y los negocios.

En segundo lugar, de la misma forma que los sesgos de la sociedad pueden estar reflejados en los datos que entrenan los modelos de IA, o los mismos programadores introducir sus propios sesgos en los algoritmos que tratarán los datos, también se puede no codificar o programar sesgos a través de un esfuerzo consciente. Pero quizá la manera más efectiva de eliminar potenciales sesgos en los datos que entrenan los modelos de IA que serán utilizados o implementados en contextos con un fuerte impacto para las personas sea diseñar instrumentos de auditoría para los algoritmos.

Principio ético: el principio ético rector en la implementación de la IA para este objetivo es el de la igualdad y la evitación de disparidades asimétricas que discriminen a las personas.

En la actualidad más de la mitad de la población mundial vive en las ciudades y se espera que para el año 2050 cerca de siete de cada diez personas vivan en la ciudad (UN, 2018). Las ciudades son la solución a muchos de las dificultades a las que nos enfrentamos, a pesar de que es en ellas donde también se dan muchos de nuestros grandes problemas como la polución, epidemias, criminalidad… (Glaeser, 2012)

Una ciudad sostenible inteligente es aquel lugar que usa la tecnología digital para mejorar la vida de la gente. Y la IA, de nuevo, puede ayudar bastante a crear ciudades y comunidades sostenibles. Con la ayuda de una infraestructura digital que se distribuya por la ciudad, de modo semejante a como lo hace el sistema nervioso de un organismo vivo por el cuerpo, se pueden monitorizar y controlar los niveles de polución de los espacios urbanos, se pueden medir otros factores sensibles para el bienestar como la contaminación acústica o lumínica, se puede mejorar la forma en la que los ciudadanos se comunican con las administraciones (smart governance), la forma en la que la gente se mueve por la ciudad (smart mobility), se puede mejorar la economía (smart economy).

Pero hay una diferencia crucial entre el concepto de ciudad inteligente y el de ciudad sostenible. El marco de una ciudad sostenible sitúa en el centro la protección y el cuidado del medioambiente mientras que la ciudad inteligente simplemente busca optimizar los recursos disponibles de la vida urbana (sistemas de alumbrado, de alcantarillado, de transporte…). No obstante, se pueden hibridar ambos conceptos y crear la idea de ciudades inteligentes sostenibles donde la optimización de los recursos urbanos se hace con el objetivo último de alcanzar la meta de desarrollar ciudades y comunidades sostenibles: hacer accesible una vivienda digna a todos los ciudadanos, mejorar el transporte urbano y la movilidad, y mejorar los espacios verdes y azules dentro de la ciudad.

Principio ético: de nuevo, como en otros muchos casos de aplicación de iniciativas de AI4SG, no hay un solo principio ético que guíe la correcta aplicación de la tecnología digital. El desarrollo de ciudades y comunidades sostenibles conlleva un equilibrio reflexivo entre distintas prerrogativas éticas.

Los sistemas de observación de la tierra vía satélite, los algoritmos que detectan zonas de cultivo viables y la aplicación de la robótica a través del concepto de agricultura de precisión son algunas de las oportunidades que nos ofrece la IA para mejorar la producción de alimentos y alcanzar un consumo responsable (Alreshid, 2019).

En primer lugar, se ha de poder minimizar el impacto medioambiental de la cadena global de suministros. Se debe reducir la huella de carbono de los procesos de producción e invertir en fuentes de energía alternativas a las basadas en los combustibles fósiles. Por supuesto, se ha de invertir en las energías renovables porque son limpias en su ciclo de generación de electricidad (no así en su producción o fabricación), pero también en la nuclear porque es igualmente limpia durante la generación de electricidad y, aunque sus residuos plantean riesgos, su gestión y almacenaje son seguros. Además, la energía nuclear suministra electricidad de manera continua a diferencia de la intermitencia de las renovables.

También se debe reducir la pérdida de alimentos (tirar comida a la basura). Un estudio llevado a cabo por la Asociación Holandesa de Venta al por Menor de Alimentos (CBL), la Universidad e Investigación de Wageningen (WUR) y el Ministerio de Agricultura, Naturaleza y Calidad Alimentaria, en el marco de la organización benéfica nacional Food Waste Free United (Samen Tegen Voedselverspilling) ha mostrado que alrededor de un 98% de los alimentos ofrecidos en los supermercados holandeses se vende. Pero un 1,7% (en kilogramos) no llega al consumidor y se desperdicia como basura (Soethoudt y Vollebregt y van der Burgh, 2019). El objetivo ideal es que todos los alimentos que se generan sean finalmente consumidos. Esto solo es posible si se incluyen herramientas de planificación, optimización y eficiencia donde la IA y otras tecnologías digitales pueden aportar un gran valor añadido. La gestión de otros tipos de basura o residuos es también otra meta a cumplir dentro de este objetivo. Y de nuevo, la IA puede revolucionar la gestión de residuos orgánicos y químicos. Producimos 1.3 billones (americanos) de residuos al día y la escala de la gestión es compleja. La IA puede ayudar en la clasificación de los residuos y crear un ciclo de reciclaje inteligente desde el primer paso: cubos de basura inteligentes que seleccionen y clasifiquen; posteriormente, camiones de basura inteligentes equipados con sensores para transportar eficientemente los residuos a su destino final, para en último lugar crear una verdadera economía circular de los residuos donde el máximo valor de cada recurso se extraiga con el mínimo impacto medioambiental.

Principio ético: llevar a cabo un equilibrio reflexivo entre distintas prerrogativas éticas, pero lo principal es aplicar valores éticos como la justicia y la solidaridad para crear sistemas de alimentación más resilientes.

Para conseguir una mayor capacidad de resiliencia y adaptabilidad a situaciones de amenaza climática, la IA puede desarrollar un sistema de puntuaciones para territorios y ciudades y así ayudar a estas últimas a prepararse ante posibles desastres naturales como un aumento del nivel del mar, lluvias torrenciales o incendios. De hecho, la ONU tiene un programa que utiliza herramientas tecnológicas para hacer las ciudades más resilientes, permitiéndoles priorizar necesidades y monitorizar sistemas y servicios red, y de esta forma hacer progresos e identificar debilidades.

La IA también puede modelizar el uso global de la tierra, los asentamientos humanos, sus ciclos e interacciones, y permitir el avance en el entendimiento de procesos de antropización y los cambios humanos inducidos en el entorno (Strano et al., 2020).

Principio ético: equilibrio reflexivo entre distintas prerrogativas éticas.

Los océanos cubren el 70% de la superficie terrestre y tienen una importancia crítica en la regulación del clima y en el mantenimiento y supervivencia de las sociedades humanas (recursos marinos). A pesar de la importancia de los océanos para los seres humanos todavía desconocemos las dinámicas oceánicas que nos permitan predecir y monitorizar catástrofes, cambios globales, mejora y sostenibilidad de la pesquería, producción de energía o prevención de actividades ilegales.

La tecnología digital dirigida por IA puede crear los marcos de vigilancia y monitorización para modelizar la dinámica compleja de los océanos. Se puede crear un sistema o plataforma de monitoreo y registro que represente un sistema dinámico geofísico como los océanos. Con imaginería vía satélite se pueden tomar imágenes de los cambios de los océanos en tiempo real y observar la evolución de los flujos migratorios de animales marinos, corrientes oceánicas, la salud de los ecosistemas marinos o medir las temperaturas de los océanos (Fablet et al., 2017).

La conservación de los océanos, como objetivo de desarrollo sostenible, quiere reducir la polución marina de todo tipo. También gestionar de manera sostenible y proteger los ecosistemas marinos y costeros, y minimizar la acidificación de los océanos y promover la colaboración científica para entender mejor las dinámicas complejas de los océanos. Por supuesto, también se quieren regular de manera efectiva las actividades pesqueras, prevenir la pesca furtiva o ilegal y hacer informes científicos sobre planes de gestión de los bancos de pesca. El big data y el aprendizaje máquina puede estructurar la información de que disponemos sobre los océanos y permitir a investigadores y a organizaciones disponer de mejores datos para tomar mejores decisiones.

Principio ético: la justicia intergeneracional es un principio fundamental como guía en este objetivo de desarrollo sostenible porque es un deber moral gestionar los ecosistemas marinos de manera sostenible y legarlos a las futuras generaciones para su disfrute.

La conservación y el uso sostenible de la tierra, en particular de los bosques y de los ecosistemas de agua dulce continental, los esfuerzos por combatir la desertificación, por conservar los ecosistemas de montaña y por tomar medidas para luchar contra la caza furtiva e ilegal de animales silvestres o en peligro de extinción son algunas de las metas dentro de este objetivo.

De nuevo, la IA puede ayudar a conseguir las metas de este objetivo. Puede luchar contra la caza furtiva mediante el desarrollo de algoritmos, el despliegue de drones o vehículos aéreos no tripulados que identifiquen zonas calientes de caza furtiva. Por ejemplo, Milind Tambe y colaboradores (Xu et al., 2020) describen el uso de la teoría de juegos, visión computacional e IA para combatir la caza furtiva, además de implementar algoritmos para informar sobre los horarios para patrullar de los guardaparques a nivel internacional para prevenir la caza furtiva.

Principio ético: valores como la solidaridad y la protección de la vida animal y los ecosistemas son los principios éticos más importantes.

Desde el marco teórico de la elección racional y el enfoque de «instituciones como reglas», una institución se define como: «un sistema de factores sociales que de manera conjunta generan una regularidad en la conducta» (Greif 2006: 30). La economía, la sociología, el derecho, las humanidades y otras muchas áreas concuerdan en afirmar que sin instituciones no hay progreso ni desarrollo humano, y que las instituciones deficitarias dan lugar a crisis de estado, colapso estatal o estados fallidos (Acemoglu y Robinson, 2014).

La IA y en particular los sistemas multiagente pueden crear entornos virtuales (instituciones virtuales) que permitan modelizar sobre la base de una serie de protocolos y restricciones el comportamiento de los agentes y cómo este se ve influido por las instituciones (Arcos et al., 2005). En definitiva, las distintas técnicas de IA pueden crear «instituciones electrónicas» que son análogos computacionales de las instituciones y organizaciones humanas, para así entender el rol de las personas o de los sistemas sociotécnicos (entornos de coexistencia entre máquinas y seres humanos) en la organización social.

Modelizar las instituciones y el comportamiento humano puede servir para observar y entender cuándo se cumplen las reglas, cuándo no, y qué incentivos promueven las instituciones.

Principio ético: de nuevo, debe hacerse un análisis de riesgos para valorar las consecuencias no intencionadas de aplicar soluciones digitales y algorítmicas para la organización social.

Los países desarrollados y no desarrollados deben encontrar el modo para el cumplimiento de todos los ODS creando alianzas entre sí. Crear una gobernanza global de la IA puede ayudar a la consecución de los ODS. Porque solo trabajando juntos desde una estrategia geopolítica multilateral se podrá conseguir la agenda 2030. Las alianzas, los consensos, el capital y la voluntad política internacional para cumplir la agenda 2030 solo se pueden conseguir penalizando las narrativas unilaterales de la tecnología, y en concreto de la IA, y promoviendo la cooperación y la persuasión racional. Quizá uno pudiera pensar que la IA per se no puede contribuir a lograr esta meta que en última instancia está en la base de todos los ODS. Pero para contribuir a tejer alianzas internacionales la IA también pude ayudar. La IA aplicada a la administración pública (Monasterio Astobiza, 2019; Ramió, 2019) o la democracia aumentada (Calvo, 2019) son ejemplos de formas donde la tecnología puede mejorar nuestra racionalidad institucional para intentar integrar la pluralidad de preferencias. En este sentido, para lograr los objetivos de la agenda 2030, es más urgente que nunca una consciencia global que deje de lado nuestras identidades excluyentes. Según indica Amartya Sen (2021: 123), «la reducción del ser humano a una sola identidad puede servir para incitar la violencia». Si dejamos de lado nuestros particularismos y entendemos que hay problemas globales (e.g. cambio climático por acción antrópica, entre otros muchos) que nos conciernen a todos, habrá esperanza para el mundo.

Otro problema que quizá subyace a muchas de las aplicaciones de la IA para abordar la mayoría de los ODS es el outsourcing cognitivo o deslocalización cognitiva. Este fenómeno económico que implica capital humano y desarrollo de políticas industriales contribuye a la pérdida de conocimiento y de habilidades por parte de los usuarios, haciendo que disminuya su control sobre el conocimiento del entorno y haciéndolos vulnerables a externalidades negativas. Las relaciones de dependencia de los países del sur global ³ con respecto a los países del norte global, normalmente estos últimos con mayor desarrollo en investigación, innovación y con un tejido productivo e industrial más robusto, generan asimetrías, vulnerabilidades y situaciones donde se detiene el proceso de crecimiento de países que importan tecnología. Este tipo de críticas basadas en este fenómeno son aplicables a otros ejemplos que presentan exactamente el mismo problema.

Principio ético: para establecer una alianza global que permita la consecución de los ODS de manera uniforme, principios éticos fundamentales son: la solidaridad, la confianza y la justicia.