IA APLICADA A PROYECTOS DE HIDROGENO RENOVABLE

Una solución tecnológica avanzada basada en Location Intelligence (datos georreferenciados y modelos de Procesamiento de Lenguaje Natural)

En el marco del proyecto H2IBER, liderado por la Fundación para el desarrollo de las nuevas tecnologías del hidrógeno en Aragón, hemos desarrollado un modelo de inteligencia artificial que utiliza técnicas avanzadas de procesamiento de lenguaje natural (NLP) y visualización de datos georreferenciados para facilitar la toma de decisiones basadas en datos, combinando las capacidades de dos campos tan potentes como la Inteligencia Artificial (IA) y los Sistemas de Información Geográfica (GIS). Es lo que se denomina Location Intelligence o Inteligencia de Localización.

Reto inicial

El objetivo principal era diseñar una aplicación capaz de integrar inteligencia artificial para gestionar los recursos hídricos disponibles en las regiones destinadas a proyectos de hidrógeno renovable. Esto planteaba un desafío significativo debido a la escasez de datos históricos relacionados con este campo emergente, lo que dificultaba construir modelos predictivos fiables.

Un enfoque adaptativo

Ante esta limitación, optamos por redirigir nuestros esfuerzos hacia el diseño de un modelo de Procesamiento de Lenguaje Natural (NLP). Este tipo de modelos facilita la interpretación de datos y mejora la experiencia del usuario mediante una interfaz conversacional en forma de chatbot.

Principales hitos del proceso

1. Investigación inicial: Revisamos el estado del arte en inteligencia artificial, centrándonos en herramientas como el aprendizaje profundo, el procesamiento de lenguaje natural y los sistemas de análisis predictivo.
2. Definición de funcionalidades: Diseñamos un prototipo que incluye un visualizador cartográfico, un motor de búsqueda avanzado y un chatbot integrado.
3. Desafíos con los datos: Identificamos fuentes internas y externas relevantes para nutrir el sistema, destacando organismos como la Confederación Hidrográfica del Ebro y la Agencia Estatal de Meteorología.
4. Arquitectura del sistema: Construimos una plataforma basada en un catálogo de datos opensource, un motor avanzado de búsquedas, un visualizador de mapas GIS y un Chatbot de IA.

Principales funcionalidades

1. Chatbot integrado basado en NLP: Este componente, desarrollado sobre la plataforma Google Dialogflow, es una funcionalidad principal del modelo que permite a los usuarios interactuar en lenguaje natural para:
   • Realizar búsquedas simples y avanzadas en el sistema.
   • Explorar recursos georreferenciados y temáticas específicas.
   • Obtener guía y soporte sobre el uso del sistema, reduciendo la curva de aprendizaje.
   • Corregir erratas y desambiguar consultas para mejorar la experiencia del usuario.
2. Búsquedas inteligentes:
   • Búsqueda libre: Localiza recursos en nombres y descripciones.
   • Búsqueda por temáticas: Filtra información por temas como H2, meteorología, regadío, entre otros.
   • Búsqueda geográfica: Permite focalizar recursos en áreas específicas, como comarcas o municipios.
   • Búsqueda avanzada: Combina criterios para realizar exploraciones complejas.
3. Visualización en mapas:
   • Los recursos se muestran georreferenciados en un visor cartográfico.
   • Permite combinar capas heterogéneas para crear mapas de interés, como disponibilidad hídrica, consumo por regadío o análisis de sequía.
4. Catalogación y gestión de datos:
   • Integra información interna y externa del proyecto para un total de cientos de capas y recursos.
   • Permite categorizar los recursos según su tipo (artículos, proyectos, datos ambientales) y temática.
5. Disponibilidad en la nube: El sistema está desplegado en una infraestructura cloud accesible desde una URL pública, facilitando su uso tanto para consulta como para gestión de datos.

Casos de uso alternativos

Este modelo puede adaptarse a diversos contextos o ámbitos temáticos, tales como:

• Gestión de recursos naturales: Aplicable al monitoreo y análisis de recursos como energía solar, eólica o forestal.
• Planes urbanísticos y de desarrollo: Evaluación del impacto ambiental y disponibilidad de recursos en proyectos de urbanización.
• Análisis de riesgos climáticos: Creación de mapas de vulnerabilidad ante sequías, inundaciones u otros eventos extremos.
• Agricultura inteligente: Monitorización de consumo de agua y estado del cultivo, optimizando el riego y reduciendo desperdicios.

El piloto desarrollado en el proyecto H2IBER no solo permite optimizar la evaluación de recursos hídricos, sino que sienta las bases para avanzar en el diseño de soluciones escalables y replicables en otras industrias y entornos de aplicación.

Impacto esperado

Este modelo no solo facilita el descubrimiento de información relevante, sino que también mejora la sostenibilidad medioambiental y optimiza la toma de decisiones en proyectos de hidrógeno renovable.