Damos gran importancia a la protección de datos y por ello utilizamos los datos que nos proporcionas con el máximo cuidado. Puedes manejar los datos que nos proporcionas en tu panel de control personal. Encontrarás nuestra normativa completa sobre protección de datos y la información sobre tus derechos en nuestro aviso de privacidad. Al utilizar la web y sus elementos y seguir navegando, aceptas las normas de nuestra política de privacidad, así como nuestros términos y condiciones.
En los últimos 70 años, la IA ha sido un campo en rápido crecimiento y se aplica hoy en día en una amplia gama de aplicaciones.
Buena salud y bienestar
Educación de calidad
Agua limpia y saneamiento
Energía asequible y limpia
Industria, Innovación e Infraestructuras
Ciudades y comunidades sostenibles
Consumo y producción responsables
Acción por el Clima
Asociaciones para los objetivos
Esta página ha sido traducida automáticamente.
Haz clic aquí para ver la versión original.
Descripción
En los últimos 70 años, la IA ha sido un campo en rápido crecimiento y se aplica hoy en día en una amplia gama de aplicaciones. La inteligencia artificial (IA) desempeña un papel crucial en la mejora de las iniciativas de las ciudades inteligentes, ofreciendo numerosas ventajas, como una mejor distribución del agua, una gestión eficiente de la energía, una mejor gestión de los residuos y el alivio de los atascos de tráfico, el ruido y la contaminación. Los principales esfuerzos en el desarrollo de ciudades inteligentes se han centrado en la generación de datos y la adquisición de nuevos conocimientos sobre la naturaleza intrincada y dinámica de los entornos urbanos. (H.M.K.K.M.B. & Mittal, 2022). Desde 2008, las ciudades incorporan la inteligencia artificial (IA) para mejorar los procesos de toma de decisiones y contribuir a la consecución de los Objetivos de Desarrollo Sostenible (ODS). (Ingwersen & Serrano-López, 2018)
¿Qué es la IA?
La Inteligencia Artificial (IA) se refiere al desarrollo de sistemas informáticos que pueden realizar tareas que normalmente requieren inteligencia humana, como la percepción visual, el reconocimiento del habla y el procesamiento del lenguaje natural. Las tecnologías de IA implican diversas técnicas, como el aprendizaje automático, el aprendizaje profundo y el procesamiento del lenguaje natural, para permitir que las máquinas aprendan y realicen tareas sin programación explícita. Esencialmente, la inteligencia artificial (IA) es una tecnología diseñada para generar resultados destinados a alcanzar un objetivo específico. Este objetivo es una meta concebida por el ser humano y transformada en un formato matemático. Los resultados generados por la IA pueden incluir previsiones, sugerencias o elecciones. (OCDE, 2023). Los conceptos de algoritmo, sistema de IA, ecosistema de IA e IA representan distintos niveles de escala y complejidad. Un algoritmo se sitúa en el nivel más detallado, actuando como un conjunto de instrucciones que transforma la entrada en salida. Un sistema de IA se refiere a una aplicación singular que procesa una entrada específica para generar su salida única. Un ecosistema de IA describe una red compleja de sistemas de IA interconectados que se comunican e interactúan entre sí. Por último, IA es el término más general, que abarca todo el espectro de tecnologías, metodologías y sistemas de este campo. (Leal, et al., 2022) Existen dos categorías principales de sistemas de IA: simbólica y estadística. La IA simbólica funciona basándose en reglas explícitas y en la lógica para llegar a conclusiones, mientras que la IA estadística, por el contrario, aprende a partir de patrones en los datos, utilizando la inducción en lugar de la deducción a partir de reglas establecidas. Cada método tiene sus puntos fuertes, según la aplicación. Sin embargo, el reciente aumento de las capacidades de la IA y su adopción generalizada pueden atribuirse sobre todo a un subconjunto de la IA estadística denominado aprendizaje automático (AM). (IA para el Cambio Climático, 2021)
IA para ciudades inteligentes
Los beneficios potenciales de la IA para la planificación y gestión de las ciudades son múltiples. La IA ofrece nuevas herramientas y métodos para analizar, modelar y simular sistemas urbanos complejos, con lo que tiene el potencial de crear ciudades inteligentes más sostenibles, resistentes y habitables para sus ciudadanos. Controlando y analizando los datos, los sistemas de IA pueden ofrecer recomendaciones para mejorar el uso de los recursos, ayudar a reducir la congestión y mejorar la fluidez del tráfico, detectar posibles amenazas a la seguridad, reducir el consumo de energía, promover la reducción de residuos, etc. Los sistemas impulsados por IA también pueden proporcionar servicios personalizados a los ciudadanos, como recomendaciones personalizadas de restaurantes, eventos y actividades basadas en sus preferencias. Sin embargo, es importante garantizar que la IA se aplique de forma responsable, centrándose en la transparencia, la responsabilidad y la privacidad. Esta tecnología puede proporcionar análisis precisos, sin ser intrusiva. La aplicación de las tecnologías de IA podría ser crucial para superar los retos sociales, económicos y medioambientales de todo el mundo. Aunque cada ciudad tiene sus características únicas, las zonas urbanas son fundamentales para impulsar los cambios sociales, especialmente en lo que respecta a los avances digitales. Las ciudades son centros de agregación de personas, empleo, investigación, riqueza y actividades recreativas. Ofrecen un mayor acceso a las oportunidades a un segmento más amplio de la población, al tiempo que concentran tanto los problemas sociales como las preocupaciones medioambientales. Dado su papel en las redes internacionales, las ventajas e inconvenientes de la adopción de tecnologías de IA tienen implicaciones que van mucho más allá de sus límites geográficos. (Leal, et al., 2022) A medida que las zonas urbanas se enfrentan a problemas acuciantes relacionados con la asignación de recursos, las complejidades de la gobernanza, las disparidades socioeconómicas y los peligros medioambientales, la innovación se vuelve esencial para abordar estos retos en evolución. (Yigitcanlar, et al., 2021). Para maximizar el potencial de la IA para la mejora urbana, los gobiernos municipales deben establecer condiciones que apoyen un crecimiento sostenible e integrador. La gobernanza de la IA pretende supervisar el desarrollo de estas condiciones, garantizando un enfoque equilibrado para aprovechar las oportunidades y mitigar los riesgos.
Limitaciones de la IA
En el ámbito de la inteligencia artificial, el uso responsable es primordial, pero conlleva retos inherentes. Estos sistemas, reflejo de los sesgos y suposiciones presentes en sus datos de entrenamiento y en su diseño, reflejan a menudo los prejuicios sociales, influyendo en sus procesos de toma de decisiones. Este fenómeno subraya la necesidad crítica de vigilancia en la fase de desarrollo de la IA para evitar la codificación de suposiciones negativas. Además, la IA carece de la capacidad intrínseca de evaluar su eficacia, operando dentro de un estrecho conjunto de objetivos predefinidos sin capacidad de juicio similar a la humana. Esta limitación pone de relieve la falacia de percibir la IA como capaz de pensamiento independiente o imparcialidad, necesitando una supervisión humana continua para garantizar la alineación con valores sociales más amplios. Además, el hecho de que la IA se base en principios matemáticos limita su comprensión a métricas cuantificables, lo que dificulta la comprensión de los matices cualitativos que definen los objetivos humanos. En resumen, estas limitaciones subrayan la necesidad de una cuidadosa consideración en el diseño, despliegue y supervisión de los sistemas de IA para garantizar que sirven a los fines humanos sin perpetuar los prejuicios existentes ni pasar por alto la complejidad de los valores humanos. (Leal, et al., 2022)
Gobernanza de la IA
La Inteligencia Artificial (IA) no sólo refleja prejuicios inherentes, sino que también afecta significativamente a las sociedades en función del contexto en el que se despliega. Los gobiernos locales deben comprender cómo se integran los valores en la IA, dirigiendo su desarrollo hacia la inclusión y la sostenibilidad. Esto implica una inmersión profunda en la gobernanza de la IA, que no se limita a la supervisión digital, sino que incluye directrices éticas, normativas legales, normas sociales y prácticas. La gobernanza es aquí un concepto amplio, diseñado para captar diversas interpretaciones y centrarse en la toma de decisiones y las interacciones sociales. (Leal, et al., 2022)
A pesar de las directrices nacionales sobre IA, las ciudades se enfrentan a retos dentro de un sistema de gobernanza a varios niveles, lo que pone de relieve la necesidad de un enfoque matizado que les permita aprovechar sus posiciones únicas. (Schmitt, 2022) (Taeihagh, 2021) La IA también plantea retos de rendición de cuentas, que requieren marcos sólidos para equilibrar el riesgo y la oportunidad a lo largo del ciclo de vida de la IA. Un obstáculo importante es la limitada capacidad de las ciudades para navegar por el panorama de la gobernanza de la IA, en medio de una gran demanda de especialistas en TI e IA. Este reto puede abordarse mediante asociaciones intersectoriales y centrándose en el desarrollo del talento local, garantizando que los valores fundamentales de las ciudades guíen las iniciativas de IA hacia un futuro más inclusivo y sostenible.
Por ello, la Comisión Europea ha desarrollado el primer marco jurídico sobre IA, la Ley de IA. Esta propuesta inicial, elaborada por la Comisión Europea, se diseñó para proporcionar claridad y orientación a los desarrolladores y usuarios de IA, minimizando al mismo tiempo las cargas, sobre todo para las pequeñas y medianas empresas (PYME). Los elementos clave de la propuesta incluían una estructura de gobernanza tanto a nivel europeo como nacional para abordar los riesgos de la IA y una clasificación basada en el riesgo de los sistemas de IA en cuatro categorías.
La normativa más estricta se reservaba a las prácticas de IA consideradas de riesgo inaceptable, como la puntuación social de los gobiernos. Las aplicaciones de alto riesgo, sobre todo las de infraestructuras críticas o de aplicación de la ley, estaban sujetas a rigurosos requisitos previos a la comercialización, como evaluaciones exhaustivas del riesgo, control de la calidad de los datos, trazabilidad y supervisión humana obligatoria. Por el contrario, los sistemas de IA con riesgo limitado estaban obligados a mantener la transparencia para permitir interacciones públicas informadas, como la identificación clara del contenido generado por IA y la divulgación de chatbot. A las aplicaciones menos arriesgadas, como los videojuegos o los filtros de spam, se les permitió más libertad operativa, reflejando su uso benigno en toda la UE.
El 6 de marzo, esta propuesta fundacional se convirtió en ley de obligado cumplimiento al aprobar el Parlamento Europeo la Ley de Inteligencia Artificial. La legislación, que se había perfeccionado mediante negociaciones con los Estados miembros desde diciembre de 2023, recibió un fuerte apoyo de los eurodiputados, aprobándose con 523 votos a favor, 46 en contra y 49 abstenciones.
La Ley ratificada sigue protegiendo los derechos fundamentales, la democracia, el Estado de derecho y la sostenibilidad medioambiental, protegiéndolos de los riesgos asociados a las tecnologías de IA de alto riesgo. Pretende fomentar la innovación y asegurar el liderazgo de Europa en IA estableciendo obligaciones a medida basadas en el nivel de riesgo e impacto de los distintos sistemas de IA. La Ley prohíbe específicamente las aplicaciones de IA que puedan vulnerar los derechos de los ciudadanos, como la categorización biométrica basada en características sensibles, el raspado indiscriminado de imágenes faciales para bases de datos de reconocimiento, el reconocimiento de emociones en lugares de trabajo y escuelas, la puntuación social, la actuación policial predictiva basada en perfiles, y cualquier IA que manipule el comportamiento humano o explote vulnerabilidades.
El uso policial de sistemas de identificación biométrica, aunque generalmente está prohibido, se permite en circunstancias estrictamente definidas y de aplicación restringida, como la localización de una persona desaparecida o la prevención de atentados terroristas, sujeto a estrictas limitaciones temporales, geográficas y de aprobación. Los sistemas de IA de alto riesgo se enfrentan ahora a estrictas obligaciones para evaluar y mitigar los riesgos, mantener la transparencia, garantizar la supervisión humana y registrar el uso. Los sistemas generales de IA están obligados a cumplir normas de transparencia, incluido el cumplimiento de las leyes de derechos de autor de la UE y la publicación de resúmenes detallados de su contenido de formación. Entre las innovaciones dignas de mención figuran la introducción de requisitos de etiquetado para los contenidos manipulados, conocidos como "deepfakes", y el establecimiento de "sandboxes" reguladores a nivel nacional para fomentar el desarrollo de tecnologías de IA innovadoras.
A medida que la Ley avanza hacia su adopción y aplicación formal, incorpora los principios y recomendaciones de la Conferencia sobre el Futuro de Europa, con el objetivo de crear una sociedad competitiva, segura y digna de confianza con un uso transparente y responsable de la IA, al tiempo que mejora la accesibilidad digital para todos, incluidos los discapacitados. Este hito legislativo marca el inicio de una nueva era en la gobernanza de la IA, en estrecha consonancia con los valores y las ambiciones estratégicas europeas. (Comisión Europea, 2024).
El ciclo de vida de la IA
El desarrollo de un sistema de inteligencia artificial (IA) se segmenta en cinco etapas interconectadas que esbozan su interacción con el entorno externo. Este modelo ayuda a comprender la arquitectura de la IA y su progresión, promoviendo el análisis estratégico. Las etapas forman un ciclo, cada una vinculada a las demás, que influye en aspectos que van desde la creación del algoritmo hasta el despliegue final.
Fase inicial El viaje comienza con la fase inicial, centrada en la identificación del problema. Este paso inicial sienta las bases para el resto, ya que todo lo que sigue está vinculado al problema original identificado. Incluye evaluaciones críticas e identificación de riesgos potenciales en el uso previsto del sistema de IA.
Etapa de diseño A continuación, la fase de diseño hace hincapié en la planificación de la estructura del algoritmo antes de que comience la codificación. Se basa en el trabajo de base realizado en la fase inicial, teniendo en cuenta la dinámica del equipo y el impacto potencial de la introducción de la IA, como los cambios en la dinámica del poder y las repercusiones económicas.
Fase de creación técnica La fase de creación técnica se desplaza hacia el aspecto práctico del desarrollo de la IA, concentrándose en los aspectos específicos del algoritmo y las decisiones técnicas implicadas.
Fase de implementación Tras el desarrollo, la fase de implementación realiza la transición del algoritmo de un entorno controlado a su aplicación en el mundo real. Esta fase es crítica, ya que expone al algoritmo a las complejidades de su entorno operativo.
Fase de mantenimiento Por último, la fase de mantenimiento se centra en el periodo posterior al despliegue del sistema de IA, hasta su retirada del servicio. Esta fase es crucial para garantizar la eficacia y relevancia continuas del algoritmo mediante actualizaciones y mantenimiento periódicos.
En contextos urbanos, los sistemas de IA suelen funcionar dentro de un ecosistema complejo, lo que requiere una identificación y gestión proactivas de los riesgos. Integrar las fases de desarrollo de la IA con los métodos locales de gestión de proyectos ofrece oportunidades estratégicas de intervención y adaptación, garantizando que los sistemas de IA se ajusten a la dinámica y los retos urbanos. (Leal, et al., 2022)
Etapas de implantación de soluciones de IA en las ciudades inteligentes
Entender la diferencia entre IA y ML para las ciudades inteligentes: Empieza por educar a las partes interesadas en los matices de la IA y el ML. Comprender las capacidades de estas tecnologías es crucial para identificar cómo pueden aplicarse para mejorar la vida urbana, por ejemplo mediante la optimización del flujo de tráfico o el mantenimiento predictivo de las infraestructuras.
Definir los retos y oportunidades urbanos: Identifica claramente los problemas u oportunidades específicos de la ciudad que puede abordar la IA. Haz preguntas críticas sobre los resultados deseados, los obstáculos existentes, el papel de la IA en la superación de estos retos y los datos disponibles para apoyar estos esfuerzos.
Prioriza las iniciativas de IA basadas en el valor: Selecciona los proyectos de IA en función de su potencial para aportar beneficios tangibles a la ciudad y sus habitantes, centrándote en los objetivos a corto plazo. Esto podría incluir la mejora de la eficiencia del transporte público o la mejora de la sostenibilidad energética de los edificios públicos.
Evaluar las capacidades y el enfoque para el desarrollo de la IA: Valora si desarrollar soluciones de IA internamente, comprar tecnologías existentes, colaborar con socios externos o subcontratar el desarrollo, en función de las capacidades internas y los objetivos estratégicos de la ciudad.
Consulta con especialistas en IA para ciudades inteligentes: Contrata a expertos en la materia que tengan experiencia en la aplicación de la IA en entornos urbanos. Puede tratarse de investigadores académicos, innovadores del sector privado y tecnólogos de otras ciudades inteligentes.
Prepara y asegura los datos urbanos: Organiza y limpia los datos de la ciudad para asegurarte de que están listos para las aplicaciones de IA. Invierte en medidas de seguridad sólidas para salvaguardar estos datos, respetando la privacidad y las consideraciones éticas.
Empieza con poco y amplía con cuidado: Pon en marcha proyectos piloto dirigidos a retos urbanos concretos para demostrar el potencial de la IA. Utiliza la información obtenida de estos esfuerzos iniciales para guiar la expansión estratégica de las aplicaciones de la IA en distintos ámbitos urbanos. (Majewski, 2023)
Áreas de aplicación
Las Áreas de Aplicación son ámbitos de los servicios urbanos en los que puede aplicarse la Solución para ayudar a una ciudad o lugar a cumplir/alcanzar las funciones y beneficios previstos.
Movilidad La inteligencia artificial (IA) ofrece mejoras significativas para los sistemas de transporte público, aumentando su eficacia y facilidad de uso. Las tecnologías de IA han demostrado su eficacia para prever los horarios de los autobuses y la variabilidad de sus horas de llegada. (Mazloumi, Geoff, Currie y Moridpour, 2011). Además, el análisis mediante IA de los datos de las encuestas proporciona información sobre la percepción pública de las opciones de movilidad compartida, como los sistemas de bicicletas compartidas sin conductor. (Taleqani, Hough, & K. E) Además, la IA permite el desarrollo de plataformas que permiten el examen interactivo y la predicción de patrones de tráfico, facilitando la evaluación de estrategias de planificación urbana. (Leal, et al., 2022)
Otra aplicación innovadora de la IA es en las soluciones de aparcamiento inteligente, donde los sensores instalados en las zonas de aparcamiento transmiten información sobre la disponibilidad a los viajeros a través de aplicaciones móviles. Este enfoque tiene el potencial de reducir significativamente la congestión en los centros urbanos densamente poblados. ((n.d)) Las tecnologías de IA apoyan diversos aspectos de la entrega, la logística y el transporte, facilitando soluciones de transporte urbano eficientes e innovadoras. Además, la IA revoluciona la movilidad urbana al permitir el control de vehículos y aeronaves autónomos, incluidos drones, helicópteros y aviones. (33A, 2024)
Gestión medioambiental y de riesgos En contextos urbanos, la IA ofrece un control en tiempo real de las condiciones medioambientales, como la calidad del aire, mediante sensores de contaminación. Además, las capacidades predictivas de la IA apoyan la gestión de riesgos de las ciudades, permitiendo predecir catástrofes naturales e identificar zonas vulnerables a inundaciones y réplicas de terremotos, mejorando así la seguridad y resistencia urbanas. (33A, 2024) La IA generativa también puede contribuir a la sostenibilidad medioambiental analizando datos sobre los niveles de contaminación, el cambio climático y el impacto de las actividades urbanas en el medio ambiente. (Arkara, 2023) La inteligencia artificial (IA) posee la capacidad de evaluar el impacto medioambiental de los productos a lo largo de todo su ciclo de vida y cadena de suministro.
Esto permite tanto a las empresas como a los consumidores tomar decisiones bien informadas y con impacto. Sin embargo, es importante reconocer que, aunque los datos y la IA desempeñan papeles cruciales en la mejora de la vigilancia medioambiental, también conllevan sus propias implicaciones medioambientales. Concretamente, el sector de las tecnologías de la información y la comunicación (TIC) es responsable de aproximadamente el 3-4% de las emisiones mundiales. Además, los centros de datos consumen cantidades significativas de agua para su refrigeración, lo que pone de relieve un aspecto crítico de la huella medioambiental del procesamiento de datos que debe tenerse en cuenta. (Programa de las Naciones Unidas para el Medio Ambiente, 2023)
La aplicación de tecnologías de Inteligencia Artificial (IA) y Aprendizaje Automático (AM) es cada vez más crucial en la gestión del riesgo medioambiental, sobre todo en el contexto de la adaptación al cambio climático. Estas tecnologías mejoran la eficacia y precisión de los modelos climáticos, permiten un análisis detallado de las incertidumbres y hacen uso de amplios conjuntos de datos geoespaciales para mejorar las predicciones. La IA y el ML facilitan el desarrollo de plataformas de modelización flexibles y modulares que agilizan el proceso de creación y despliegue de modelos para diversas aplicaciones relacionadas con el clima y la meteorología. Este enfoque aborda las complejidades de la modelización en condiciones inciertas y apoya la integración de diversos impactos, mejorando así la colaboración entre científicos y partes interesadas para, en última instancia, acelerar las soluciones para mitigar los riesgos medioambientales. (Jones, et al., 2023)
Infraestructuras urbanas La IA capacita a las ciudades para gestionar sus infraestructuras. Puede aplicarse en el desarrollo de estrategias de mantenimiento predictivo de infraestructuras urbanas críticas como carreteras, puentes, tuberías, alcantarillas, redes eléctricas y edificios públicos. Los sistemas basados en IA pueden recopilar y analizar datos para prever con precisión las necesidades de mantenimiento, evitando así accidentes y minimizando las interrupciones operativas.
Por ejemplo, las ciudades pueden emplear aplicaciones de IA para desarrollar Gemelos Digitales para las redes viarias urbanas, facilitando la evaluación avanzada de daños mediante cartografía móvil, escaneado láser y mediciones de radar de penetración en el suelo. Este enfoque permite detectar y prever con precisión las necesidades de mantenimiento de las carreteras, incluida la identificación de baches.
Gestión de recursos (energía, residuos y agua) La IA puede desempeñar un papel importante en la mejora de la gestión de una serie de recursos en las ciudades, como la energía, los residuos y el agua. Sus tecnologías permiten mejorar la toma de decisiones, la optimización y la automatización de diversos procesos. Las ciudades pueden aprovechar la IA para analizar datos de diversas fuentes, incluidos los sensores, para predecir la demanda y el suministro de energía, lo que permite una gestión más eficaz de las redes energéticas, reducir los residuos y conseguir un ahorro de costes con menores emisiones de carbono. Además, la IA controla los patrones de consumo de energía en edificios inteligentes y anticipa la carga eléctrica, la generación y la capacidad de transmisión en el sector energético. (33A, 2024). Esto garantiza una red eléctrica estable, eficiente y baja en carbono, mejorando la sostenibilidad energética urbana.
Además, la IA puede aprender y perfeccionar sus capacidades de toma de decisiones con el tiempo, permitiendo soluciones autónomas para tareas complejas. Esta tecnología se aplica en diversos ámbitos, como la optimización de los sistemas de calefacción y refrigeración de los edificios, para aumentar la eficiencia y reducir el consumo de energía, lo que demuestra su potencial para mejorar significativamente la gestión de los recursos urbanos. (33A, 2024). Un enfoque similar también puede ayudar a las ciudades a optimizar el uso del agua con sensores, previsiones meteorológicas o sistemas de suministro de agua. Permite una mejor gestión de los recursos hídricos, detectando fugas y reduciendo el despilfarro de agua, lo que conduce a una mayor sostenibilidad del agua. Además, la IA puede analizar los datos de las rutas de recogida de basuras o de las instalaciones de reciclaje, ayudando así a las autoridades municipales a gestionar mejor la recogida de basuras, reducir la cantidad de residuos que van a parar a los vertederos y aumentar las tasas de reciclaje.
Otras aplicaciones más recientes de la IA incluyen el análisis de patrones de datos para predecir la cantidad de energía generada por el viento y el agua, con el fin de planificar infraestructuras y gestionar catástrofes. (Mathe, Miolane,, Sebastien,, & Lequeux, 2019) (Mathe, Miolane,, Sebastien, & Lequeux, 2019)También se ha utilizado para ayudar a investigar el desarrollo de nuevos materiales que sean más eficientes a la hora de almacenar energía y utilizar energía procedente de fuentes con bajas emisiones de carbono. (Butler, Davies, Isayev, & Walsh, 2018) La inteligencia artificial (IA) ha mejorado significativamente la eficiencia de los sistemas de distribución de energía al permitir predicciones precisas del estado del sistema con datos de sensores mínimos. (Donti, et al., 2018) Fusionando la IA con modelos físicos, ahora es posible simular los flujos de energía en áreas específicas como campus universitarios o zonas residenciales. (Nutkiewicz, Yang y Jain, 2018) Además, los algoritmos basados en IA desempeñan un papel fundamental en la optimización de la respuesta a la demanda, programando de forma inteligente las actividades que consumen mucha energía, como la molienda de cemento y el recubrimiento de polvo, durante las horas en que la electricidad es más barata, optimizando así el uso de la energía y reduciendo los costes. (Zhang, et al., 2018)
Participación ciudadana La IA puede ayudar a las ciudades a relacionarse con sus ciudadanos analizando las redes sociales, las encuestas y otros datos para comprender sus necesidades y preferencias. Técnicas de IA como el procesamiento del lenguaje natural (PLN) y el aprendizaje automático permiten organizar y descifrar datos no estructurados, permitiendo a las ciudades diseñar servicios que satisfagan más eficazmente las necesidades de los ciudadanos. Las ciudades también pueden emplear chatbots con IA y redes de agentes virtuales (VAN) que ofrezcan asistencia automatizada. Estas herramientas de IA conversacional interactúan con las personas, respondiendo a una amplia gama de consultas y problemas de forma eficaz, sin necesidad de intervención humana (33A, 2024). Utilizando chatbots, las ciudades pueden mejorar significativamente sus estrategias de participación ciudadana, proporcionando una asistencia rápida y accesible a sus residentes.
La integración de la Inteligencia Artificial (IA) en la participación ciudadana facilita una gobernanza más inclusiva, aprovechando la IA y los Modelos de Lenguaje Extenso (LLM) para mejorar la accesibilidad y analizar las opiniones de los ciudadanos de forma eficiente, con el fin de ejemplificar el potencial de la IA para democratizar el acceso a los servicios gubernamentales y su capacidad para desvelar las prioridades de la comunidad mediante el análisis de los datos de las redes sociales. Al institucionalizar los mecanismos de información y utilizar la IA para un análisis exhaustivo de los datos, los gobiernos pueden garantizar que las intervenciones de desarrollo se ajustan estrechamente a las necesidades de la comunidad. Este enfoque racionalizado pone de relieve el papel fundamental de la IA en la transformación de las interacciones entre los ciudadanos y el gobierno, garantizando que las políticas y los servicios respondan y reflejen las diversas voces a las que pretenden servir. (Rahim, Mahony y Bandyopadhyay, 2024)
Además de optimizar los sistemas urbanos, la IA también puede mejorar las experiencias de los ciudadanos y proporcionar servicios personalizados. Analizando los datos sobre las preferencias y el comportamiento de los ciudadanos, los sistemas basados en IA pueden ofrecer recomendaciones personalizadas de restaurantes, eventos y actividades. Esto mejora el compromiso y la satisfacción de los ciudadanos y contribuye a una cultura urbana vibrante. (Nolle, 2023)
Seguridad y protección La IA puede ayudar a las ciudades a mejorar sus soluciones de seguridad y protección. Por ejemplo, el análisis de vídeo basado en IA puede utilizarse para detectar automáticamente posibles amenazas o controlar los movimientos y comportamientos sociales, diferenciando entre diversos grupos, como parejas o adultos con niños. Además, las ciudades pueden emplear esta tecnología para evaluar el cumplimiento de las normas y políticas gubernamentales en zonas públicas, proporcionando información inmediata a las autoridades gubernamentales y a las empresas. Esta aplicación fue especialmente evidente en las herramientas desarrolladas para la respuesta pública a la pandemia COVID-19. Por ejemplo, las tecnologías de IA fueron capaces de identificar el cumplimiento de las políticas de uso de mascarillas higiénicas y de distanciamiento social en los espacios públicos.
A medida que empezamos a incorporar la Inteligencia Artificial (IA) a nuestros sistemas de vigilancia, el papel de la analítica del Aprendizaje Profundo (AD) se está convirtiendo rápidamente en una herramienta valiosa para muchas organizaciones. Un ejemplo destacado de su utilidad es la realización de búsquedas forenses, que implican peinar extensos archivos de vídeo para localizar elementos o sucesos específicos. Con la creciente integración de la DL y la analítica en la tecnología de vigilancia, es fundamental abordar esta expansión con prudencia. Comprender todo el alcance de sus aplicaciones, reconocer las limitaciones de la tecnología y realizar pruebas y evaluaciones exhaustivas son pasos clave para garantizar el éxito de sus ventajas.
La base del éxito del videoanálisis reside en la calidad de las imágenes de vigilancia. El principio de "usabilidad de la imagen" subraya el hecho de que la eficacia del análisis de vídeo depende en gran medida tanto de la calidad de la cámara como de la claridad de las imágenes que capta. Se espera que las cámaras de vigilancia funcionen las veinticuatro horas del día, en diversas condiciones ambientales y situaciones de iluminación, sin perder la capacidad de procesar con precisión las imágenes en tiempo real. (AXIS Comunications, 2023)
Planificación urbana informada La IA puede mejorar la planificación urbana guiando a las ciudades con información basada en datos. Puede aplicarse a la planificación del uso del suelo, identificando las mejores ubicaciones para fines residenciales, comerciales y recreativos. La IA lo consigue analizando las pautas de crecimiento urbano, migración y cambios demográficos, que son clave para predecir con exactitud las necesidades inmediatas y a largo plazo de vivienda, transporte y servicios.
Además, la IA puede aplicarse para modelar y simular espacios urbanos, por ejemplo, integrándola en sistemas de Gemelos Digitales, lo que permite representaciones más dinámicas y precisas. Esto permite a los planificadores visualizar futuros desarrollos y evaluar sus efectos potenciales sobre, por ejemplo, el entorno construido, incluyendo aspectos como la exposición a la luz solar en los espacios públicos y la densidad de los edificios. La planificación urbana tradicional suele basarse en modelos estáticos y datos limitados, lo que puede dar lugar a ineficiencias y a una toma de decisiones subóptima. Con la creación de gemelos digitales, se pueden utilizar datos internos con variables externas para simular posibles decisiones futuras sobre la optimización de recursos, la creación de infraestructuras o la implantación de un nuevo sistema.
La Inteligencia Artificial (IA) revoluciona la planificación urbana aprovechando los enormes datos para fundamentar las decisiones, lo que conduce a un desarrollo más sostenible y eficiente de las ciudades. Identifica tendencias y prevé cambios, permitiendo a los planificadores tomar decisiones informadas sobre zonificación e infraestructuras. La IA automatiza las tareas rutinarias, permitiendo a los planificadores centrarse en los complejos retos urbanos. Esta tecnología no sólo mejora la toma de decisiones, sino que también desplaza las funciones de los planificadores hacia un compromiso más profundo con los problemas urbanos, mejorando la investigación y las prácticas de planificación. En última instancia, la IA promete crear ciudades mejor diseñadas que satisfagan las necesidades cambiantes de sus poblaciones, impulsando un desarrollo urbano más estratégico, equitativo y receptivo. (Peng, Lu, Liu y Zhai, 2023)
Administración municipal La IA puede ayudar a la administración municipal agilizando la gestión de la información procedente de diversas fuentes, como documentos científicos y jurídicos, plataformas digitales y bases de datos. Convierte eficazmente datos no estructurados, como correos electrónicos, en formatos estructurados, como hojas de Excel, facilitando el manejo de los datos. Además, la IA mejora la visualización de los datos mediante cuadros de mando e informes, incorporando gráficos, mapas interactivos y aplicaciones, para apoyar una toma de decisiones más informada y mejorar la eficacia operativa. (33A, 2024)
La integración de la IA en la administración municipal ofrece la promesa de agilizar los flujos de trabajo y mejorar la eficiencia, automatizando las tareas rutinarias para mejorar la calidad de los servicios y el acceso a las prestaciones. Sin embargo, la adopción de la IA requiere marcos éticos y jurídicos rigurosos para mitigar los sesgos y garantizar la transparencia y la equidad. La naturaleza dinámica de la gobernanza digital requiere una adaptación continua de las leyes y normas, fomentando la colaboración entre expertos jurídicos, tecnólogos y responsables políticos. Este enfoque equilibrado garantiza que la IA no sólo optimice los procesos administrativos, sino que también defienda los principios de democracia y trato equitativo, apuntalando la evolución sostenible de las ciudades inteligentes. (Parycek, Schmid y Novak, 2023)
Educación En los últimos años, el sector educativo ha evolucionado significativamente, gracias a la adopción de la Inteligencia Artificial (IA) y las Tecnologías de la Información (TI). Este cambio hacia la educación inteligente implica aprovechar la IoT y la IA para fomentar entornos de aprendizaje continuos y atractivos, y conectar las instituciones educativas de todo el país mediante un enfoque inteligente y multidisciplinar.
Entre las innovaciones clave están los dispositivos inteligentes y la robótica en la educación, ejemplificados por un robot controlado por smartphone dentro de una simulación de ciudad inteligente, que mejora el aprendizaje práctico en las aulas inteligentes. Además, cada vez se presta más atención al aprendizaje personalizado, con el desarrollo de nuevas herramientas para evaluar y adaptarse a los estilos de aprendizaje individuales mediante IA. Este planteamiento pretende optimizar los resultados educativos asignando a los alumnos las estrategias de aprendizaje más eficaces.
Además, la expansión de las plataformas de aprendizaje electrónico subraya la importancia de adaptar la educación a las necesidades individuales, ofreciendo a los estudiantes un espectro más amplio de oportunidades de aprendizaje en línea y marcando un cambio hacia experiencias educativas más accesibles y personalizadas. (H.M.K.K.M.B. & Mittal, 2022)
Modelo de valor
Evaluación coste-beneficio de la Solución.
Contexto de la ciudad
¿A qué factores de apoyo y características de una ciudad se adapta esta Solución? ¿Qué factores facilitarían la implantación?
El éxito de las soluciones de IA depende de la disponibilidad de datos completos y de alta calidad. Las ciudades que disponen de sistemas para recopilar, almacenar y analizar datos urbanos pueden implantar más fácilmente las tecnologías de IA y beneficiarse de ellas. Para incorporar eficazmente la IA generativa a las iniciativas de las ciudades inteligentes, es esencial combinar conocimientos técnicos, liderazgo con visión de futuro y una amplia participación de las partes interesadas.
Conocimientos técnicos y liderazgo con visión de futuro: Para que la IA generativa tenga un impacto positivo en las ciudades inteligentes, los líderes y las partes interesadas deben prever su integración en las infraestructuras y servicios actuales. Tienen que estar al día de los avances de la IA y determinar dónde podría ser más beneficiosa. Promover una cultura de innovación y colaboración es clave, animando a diversos grupos a unirse para crear y desplegar soluciones mejoradas por la IA.
Implicar a las partes interesadas: El éxito de los proyectos de IA generativa en las ciudades inteligentes depende de la participación activa de todas las partes interesadas. Esto significa reunir a los organismos gubernamentales, las empresas privadas, los círculos académicos y la población en general para co-crear iniciativas de IA. Al incorporar una serie de puntos de vista y conocimientos, las ciudades pueden concebir aplicaciones de IA que aborden las necesidades y obstáculos únicos de sus poblaciones.
Una aplicación eficaz debe adherirse a los principios de las ciudades inteligentes, centrándose en soluciones centradas en las personas, asociaciones entre sectores y una gobernanza impulsada por los datos. La IA generativa debe aspirar a mejorar el nivel de vida y la sostenibilidad, garantizando que las innovaciones sean transparentes, éticas y centradas en el bienestar de los ciudadanos. (Arkara, 2023)
Iniciativas gubernamentales
¿Qué esfuerzos y políticas están llevando a cabo las administraciones públicas locales/nacionales para contribuir a fomentar y apoyar esta Solución?
La estrategia de la Unión Europea sobre inteligencia artificial (IA) hace hincapié en la excelencia y la confianza, con políticas destinadas a garantizar el desarrollo seguro, ético e innovador de la IA. Los componentes clave de esta estrategia incluyen
Paquete sobre IA (abril de 2021): Introdujo un amplio conjunto de iniciativas, incluida una comunicación sobre el avance de un enfoque europeo de la IA, una revisión del Plan Coordinado sobre IA con los Estados miembros y una propuesta de marco regulador que aborda el impacto de la IA.
Comunicación AI@EC (enero de 2024): Esboza estrategias para mejorar las capacidades de IA de la Comisión, centrándose en el uso seguro, transparente y centrado en el ser humano de la IA.
Inversión y colaboración: Compromiso de financiar de forma significativa el desarrollo de la IA a través de los programas Horizonte Europa y Europa Digital, con el objetivo de alcanzar una inversión anual de 20.000 millones de euros procedentes de los sectores público y privado. El Mecanismo de Recuperación y Resiliencia apoya aún más este objetivo con 134.000 millones de euros destinados a iniciativas digitales.
Marco jurídico para una IA digna de confianza: Propone un marco jurídico matizado para gestionar los riesgos de la IA, introduciendo categorías (riesgos mínimos, elevados, inaceptables y específicos de transparencia) y estableciendo normativas específicas para los modelos de IA de uso general.
Estas políticas reflejan la dedicación de la UE a convertirse en líder mundial de la IA fiable, equilibrando la innovación con los derechos fundamentales y la seguridad. (COMISIÓN E. , s.f.)
Mapeo de las partes interesadas
¿Qué partes interesadas hay que tener en cuenta (y cómo) en relación con la planificación y aplicación de esta Solución?
Potencial del mercado
¿Cuál es el mercado potencial de esta Solución? ¿Existen objetivos de la UE que apoyen la implantación? ¿Cómo ha evolucionado el mercado a lo largo del tiempo y más recientemente?
Potencial de mercado
En el frente de la innovación, los desarrolladores de IA se están centrando activamente en la creación de capacidades, productos y servicios impulsados por la IA y adaptados a las ciudades y comunidades inteligentes. Los innovadores que son clientes de TEF están preparados para convertirse en proveedores de servicios para entornos urbanos y comunales. Las secciones siguientes profundizan en las estimaciones del tamaño del mercado de la IA tanto en Europa como en el resto del mundo, ofrecen una visión del panorama de la innovación en IA de la UE, destacan los obstáculos a los que se enfrentan los desarrolladores de IA en el marco de las ciudades y comunidades inteligentes, debaten las tendencias y demandas del mercado, analizan la competencia para CitCom.ai y concluyen con observaciones generales.
Estimaciones del tamaño del mercado de la IA
Este segmento ofrece una visión general del tamaño del mercado de la IA en Europa y en todo el mundo. A pesar de las discrepancias entre los analistas sobre las cifras exactas y las definiciones del mercado, surge un consenso sobre el tamaño del mercado y las tendencias futuras, que proporciona indicadores valiosos. Los datos relacionados con el sector de la IA revelan información sobre el número de entidades de IA en Europa, el tamaño de los ingresos mundiales y europeos, las inversiones regionales en IA y las previsiones para el mercado de la IA en el sector público. Inicialmente, el Índice AI Watch 2021 informaba de aproximadamente 5.776 partes interesadas en la IA en la UE28 en 2020, que abarcaban institutos de investigación, empresas y organismos gubernamentales. Dentro de este ecosistema, el informe del CCI clasifica a las empresas de IA en tres categorías: las que se centran principalmente en la IA sin patentar, las que presentan patentes relacionadas con la IA y las que se centran en la IA y patentan, señalando que 43 empresas (el 0,7% de todas las empresas de IA de la UE) pertenecen a esta última categoría. Ampliando el alcance, un estudio sobre IA y Blockchain para el futuro de Europa, a partir de datos de Crunchbase, identificó 950 PYME de IA en la UE27.
Un informe de 2023 de Precedence Research destacó el valor del mercado mundial de la IA en 454.120 millones de USD en 2022, con previsiones de alcanzar los 2.575.160 millones de USD en 2032, lo que indica una CAGR del 19% de 2023 a 2032. La cuota de Europa en este mercado en 2022 fue del 25%, con expectativas de que los ingresos del mercado europeo de la IA alcancen aproximadamente los 712.610 millones USD en 2032. Las tendencias de inversión, según Pitchbook, muestran que las startups de IA obtuvieron más de 115.000 millones de dólares en 2021, lo que supone un aumento del 87,2% respecto al año anterior. Los datos en tiempo real del Observatorio de Políticas de IA de la OCDE arrojan luz sobre el desarrollo de la IA, las tasas de uso y las inversiones en sectores específicos, con unas inversiones de Capital Riesgo en industrias de IA dentro de la UE27 de 2012 a 2023 que ascienden a unos 51.000 millones de USD. El análisis sugiere que los sectores relacionados con la CitCom.ai -como la Movilidad y los Viajes, la Energía y el apoyo al desarrollo digital- reciben entre el 10 y el 15% de la financiación total de la IA en Europa.
Los datos de EUROSTAT, Spintan e Intan-Invest revelan que la inversión europea en desarrollo y adopción de la IA superó los 15.900 millones de euros en 2020, con una contribución del sector privado de 10.700 millones de euros (67%) y del sector público de 5.200 millones de euros (33%). Las proyecciones futuras son aún más ambiciosas, y el Informe AI Watch 2021 del CCI establece un objetivo de 22.000 millones de euros para 2030, cifra que podría aumentar a más de 30.000 millones de euros para 2025 si persisten las tendencias de crecimiento actuales, según una publicación del CCI. Al examinar el mercado de la IA específicamente para el sector público dentro de la UE, los datos disponibles son limitados, sobre todo en lo que respecta a las ciudades y comunidades inteligentes. No obstante, un análisis de GovReport sugiere que la IA se hará indispensable para gestionar las necesidades dinámicas de los servicios gubernamentales, a pesar del reto que supone dimensionar con precisión este segmento del mercado debido a la falta de datos sectoriales detallados.
Esta exhaustiva visión de conjunto dibuja un panorama de IA en rápida expansión, subrayado por una sólida inversión e innovación, con implicaciones y oportunidades específicas para las ciudades y comunidades inteligentes.
Competidores que ofrecen servicios de TEF.
El TEF (centro de pruebas y experimentación de IA) destaca por su enfoque integral, que abarca una amplia gama de disciplinas, ofrece un gran alcance geográfico en toda Europa y proporciona un conjunto diverso de servicios a los desarrolladores de IA centrados en las ciudades y comunidades inteligentes. A pesar de su posicionamiento único, CitCom.ai se enfrenta a la competencia potencial de varias organizaciones que prestan servicios relacionados o comparables. Para mantener su ventaja competitiva, CitCom.ai vigilará de cerca a estas entidades para garantizar que sus ofertas sigan diferenciándose en el mercado. Entre los competidores potenciales se incluyen:
- Organizaciones de Investigación y Tecnología (OIT): En 32 países, aproximadamente 350 RTO ofrecen apoyo a las PYME, participando activamente en el programa Horizonte Europa. En particular, en uno de cada dos proyectos de este programa participa al menos una OIT. - Otras IET: Existen otras Instalaciones de Ensayo y Experimentación, como las que se centran en la sanidad, la agricultura y sectores específicos de la IA, como AI-Matters. Los futuros FET podrían ampliarse al sector de la energía y los servicios públicos. - AI4Cities: Esta iniciativa pretende acelerar la transición de las ciudades hacia la neutralidad de carbono empleando la IA en seis áreas clave: movilidad, energía, construcción, adaptación al cambio climático, economía circular e implicación de los ciudadanos. - AI4EU: Este proyecto está desarrollando una plataforma y un ecosistema europeos de IA a la carta para facilitar el desarrollo y las pruebas de IA en diversos campos, como la sanidad, los medios de comunicación, la agricultura, la robótica y la fabricación. - AI4Copernicus: Utilizando el Programa de Observación de la Tierra Copernicus junto con la plataforma europea de IA a la carta, este proyecto ofrece soluciones basadas en la IA para abordar cuestiones medioambientales y sociales, abarcando ámbitos como la energía, la seguridad, la sanidad y la agricultura.
Fundación En esta sección se describen diversos programas de financiación de la Unión Europea destinados a apoyar el crecimiento de iniciativas digitales y de ciudades inteligentes, así como el desarrollo de la inteligencia artificial (IA). Estos programas son diversos y abarcan desde la implantación de infraestructuras digitales hasta proyectos de investigación e innovación, con el objetivo general de impulsar la transformación digital, la sostenibilidad y la competitividad en las ciudades, regiones y economías europeas. La financiación se centra en varias áreas clave, como el desarrollo de ciudades y comunidades inteligentes, el avance de la IA, la mejora de las infraestructuras y plataformas digitales, y el apoyo a las pequeñas y medianas empresas (PYME). A continuación presentamos una visión general de los principales mecanismos de financiación:
Programa Europa Digital (DIGITAL): Con un presupuesto de 7.600 millones de euros, DIGITAL pretende acelerar la transformación digital de Europa financiando proyectos relevantes, especialmente los relacionados con las ciudades inteligentes y la IA. Aborda retos como las carencias de infraestructuras y la gestión de la transformación digital, asignando 9.200 millones de euros al avance de tecnologías críticas como la IA, la ciberseguridad y la supercomputación. También hace hincapié en la adquisición de competencias digitales y el uso de tecnologías digitales interoperables, con 2.100 millones de euros dedicados a fomentar espacios de datos europeos comunes y apoyar la IA ética. El programa también establece una red de Centros Europeos de Innovación Digital (EDIH) para mejorar la capacidad tecnológica y la innovación en toda la UE.
Horizonte Europa: Con una inversión masiva de 94.100 millones de euros, Horizonte Europa apoya la investigación y la innovación para reforzar las bases tecnológicas y científicas de la UE, incluidas las ciudades inteligentes y el desarrollo de la IA. Una parte del presupuesto, 13.600 millones de euros, se destina específicamente a los sectores "Digital, Industria y Espacio". Horizonte Europa también se alinea con iniciativas estratégicas como el Pacto Verde Europeo y la Agenda Digital para promover el progreso científico, abordar los retos mundiales y fomentar el crecimiento económico y la creación de empleo.
InvestEU: Ofreciendo una garantía presupuestaria de 26.200 millones de euros, InvestEU pretende movilizar inversiones privadas y públicas adicionales por un total de 372.000 millones de euros para apoyar la innovación, la digitalización y el crecimiento socioeconómico, especialmente en respuesta a la pandemia COVID-19. Se centra en objetivos estratégicos de la UE, como la mejora de las ciudades digitales y la IA.
Programa del Mercado Único: Con un presupuesto de 4.200 millones de euros, este programa pretende racionalizar el mercado interior, apoyar a las PYME que utilizan tecnologías digitales, aumentar la protección de los consumidores y mejorar las estadísticas de la UE, reforzando así la competitividad y la dimensión digital del mercado único.
Mecanismo "Conectar Europa" (MCE): El presupuesto de 33.700 millones de euros del MCE apoya la expansión de las redes transeuropeas de transporte, energía e infraestructura digital, facilitando la adopción de soluciones para ciudades inteligentes y la IA mediante una combinación de subvenciones, financiación combinada y estrategias de contratación.
Fondo Europeo de Desarrollo Regional (FEDER): El FEDER destina 226.000 millones de euros a hacer que Europa sea más competitiva e inteligente, centrándose en las infraestructuras, las PYME y el fomento de la cooperación intracomunitaria a través de programas como Interreg y el Fondo de Cohesión, que da prioridad a las regiones menos desarrolladas.
Mecanismo de Recuperación y Resiliencia: Este mecanismo, que forma parte de la respuesta a la pandemia COVID-19, dedica 672.500 millones de euros (tanto a fondo perdido como reembolsables) a apoyar las transiciones ecológica y digital de las economías de la UE, con una parte importante destinada a iniciativas digitales.
Fondo de Transición Justa: Con 17.500 millones de euros, este fondo pretende mitigar los impactos socioeconómicos de la transición hacia los objetivos energéticos y climáticos de la UE, ofreciendo apoyo a los trabajadores y comunidades afectados por el abandono de los combustibles fósiles y las industrias intensivas en carbono.
Fondo de Innovación: Se asignan aproximadamente 40.000 millones de euros de 2020 a 2030 para apoyar el despliegue de tecnologías y procesos innovadores con bajas emisiones de carbono, financiados mediante la subasta de permisos del RCCDE, haciendo hincapié en los sectores de gran consumo energético, la captura de carbono, las energías renovables y las tecnologías de almacenamiento.
Programa LIFE: Con un presupuesto de 5.400 millones de euros, el Programa LIFE apoya proyectos que abordan cuestiones medioambientales y climáticas, promoviendo la adopción de prácticas y tecnologías sostenibles, circulares y resistentes al clima. El objetivo colectivo de estos programas es fomentar la innovación, apoyar las transiciones sostenibles y digitales, y mejorar la competitividad de la Unión Europea en la escena mundial.
Oportunidades de mercado/potencial
Este análisis profundiza en la organización estructurada y el enfoque estratégico de tres iniciativas regionales distintas, cada una de las cuales defiende ámbitos específicos de la innovación y representan oportunidades de mercado para el desarrollo de proyectos basados en la IA para soluciones de ciudades inteligentes. Estas iniciativas están orquestadas en torno a núcleos centrales, denominados supernodos, que encabezan los esfuerzos de innovación dentro de sus respectivas regiones. Cada supernodo es una coalición de un nodo principal, que dirige la estrategia regional general, y nodos subsidiarios, que se especializan en áreas temáticas concretas bajo el paraguas más amplio de la innovación. Las secciones siguientes ofrecen un análisis en profundidad del mercado de estas áreas temáticas y subtemáticas, tal como han sido delineadas por los supernodos.
El Supernodo Nórdico: Hacer hincapié en el "PODER" en la energía
El supernodo nórdico, cuyo tema es "POTENCIA", explora el polifacético ámbito de la energía, que abarca diversas fuentes como el gas, la energía eólica, la energía solar, la energía hidráulica, la energía nuclear y la biomasa, entre otras. La atención se centra en la compleja estructura del mercado que comprende los Operadores del Sistema de Transmisión (TSO), los Operadores del Sistema de Distribución (DSO) y la cadena de suministro. Mientras que los TSO y los DSO, al ser monopolios, se centran tradicionalmente en la estabilidad de la red y el suministro de energía, hay un creciente énfasis en la innovación en la producción, almacenamiento y conversión de energía sostenible. Esto incluye avances en la supervisión medioambiental para un enfoque más informado y consciente del medio ambiente, respaldado por tecnologías digitales para la recopilación, el análisis y la difusión de datos. Además, se subraya la importancia de la ciberseguridad para salvaguardar la infraestructura energética de las ciberamenazas, junto con la agenda europea para reducir la dependencia de los combustibles fósiles mediante la electrificación y la integración de fuentes de energía renovables.
Subtemas:
Energía
Soluciones Medioambientales
Ciberseguridad
Perspectivas regionales
Ciberseguridad para dispositivos energéticos conectados a internet
Clasificación dinámica de transformadores
Optimización de la temperatura de las centrales de calefacción urbana
Control inteligente de las bombas de calor
Perfil de carga en la red DSO para futuras tarifas
Mantenimiento predictivo y preventivo de bombas de calor a gran escala
El Supernodo Central: 'MOVE' para Transporte y Movilidad
MOVE", el supernodo central, tiene como objetivo la mejora del transporte y la movilidad en entornos urbanos. Su objetivo es fomentar el desarrollo y la aplicación de sistemas de IA para soluciones de movilidad urbana más seguras y sostenibles. Esta iniciativa reconoce la naturaleza dinámica de las ciudades como ecosistemas que facilitan y conforman el movimiento de los ciudadanos, haciendo hincapié en el potencial de las tecnologías digitales como la IA, el IoT y el análisis de grandes datos para revolucionar la movilidad urbana. Promoviendo ecosistemas de colaboración entre diversas partes interesadas, incluidos los gobiernos locales, la industria y la sociedad civil, MOVE pretende acelerar la transformación digital del transporte, mejorando así la calidad de vida, la seguridad y la sostenibilidad medioambiental en las zonas urbanas.
Subtemas:
Algoritmos de movilidad urbana e intersecciones inteligentes
Electromovilidad
Conducción autónoma
Perspectivas regionales
Sistema automatizado de control de aparcamientos
Proyecto SAM
Gemelos digitales locales para la energía
Fotovoltaica integrada en el vehículo
Evaluación de cargadores de VE con batería
Optimización de las redes de recarga de VE
Emisiones relacionadas con los VE
El Supernodo Sur: CONECTA" para soluciones urbanas integradas
Por último, el tema "CONECTA" sustenta la misión del supernodo sur de crear sinergias entre ciudadanos, infraestructuras y servicios impulsados por la IA para una vida urbana más inteligente y sostenible. Este tema engloba seis subtemas centrados en el control de la contaminación, el desarrollo urbano, la gestión del agua, la gestión de instalaciones, la entrega de drones y la gestión del turismo. Mediante un marco de colaboración, CONNECT aspira a avanzar en la transformación digital de las ciudades aprovechando la IA y otras tecnologías digitales para mejorar la vida urbana y la sostenibilidad. Involucra a un amplio espectro de partes interesadas de los sectores público y privado, la sociedad civil y el mundo académico, centrándose en aprovechar los datos y la experimentación con IA para innovar y abordar los retos urbanos. Subtemas:
Contaminación, emisiones de gases de efecto invernadero y gestión del ruido
Gestión del desarrollo urbano
Gestión del agua y las aguas residuales
Gestión integrada de instalaciones
Gestión de la entrega de drones
Gestión del turismo.
Perspectivas regionales
IA para impulsar los beneficios de la infraestructura verde en la sociedad
Brain4it
Connecta València: Territorio turístico inteligente y sostenible
AI4agua
Red de Innovación del Agua (RIA)
Desarrollo de un modelo de predicción para el desarrollo del COVID-19
Sistema de monitorización de la calidad del aire mediante sensores IoT y sistema LoRa
Sistema de videovigilancia con herramientas propias de IA que permiten la computación de borde (consorcio, 2024)
Estructura de costes
Actualización de contenido pendiente, ¡permanece atento!
Modelos operativos
¿Qué modelos empresariales y operativos existen para esta Solución? ¿Cómo están estructurados y financiados?
Actualización de contenido pendiente, ¡permanece atento!
Requisitos legales
Directivas legales relevantes a nivel nacional y de la UE.
A nivel local, la rápida evolución de la tecnología plantea retos a la hora de regular la IA. En medio de la incertidumbre sobre las futuras capacidades de la IA y la influencia de las grandes empresas tecnológicas, las ciudades son cada vez más responsables de adoptar y regular estas tecnologías. Se ven obligadas a adoptar una respuesta pragmática y ágil al panorama tecnológico en rápida evolución, destacando la importancia de establecer directrices dinámicas y descentralizadas para un uso responsable de la IA. Esto es crucial para salvaguardar el bienestar y la privacidad de los residentes. (Garner, 2024)
La Unión Europea se dedica a impulsar el desarrollo y la aplicación de una inteligencia artificial (IA) que dé prioridad a los intereses humanos y a la sostenibilidad. Este enfoque hace hincapié en la importancia de la integridad de los datos, la apertura, la transparencia, la responsabilidad y la supervisión humana. El objetivo es que la IA europea potencie la innovación en todos los sectores económicos e impulse la competitividad del mercado único de la UE, todo ello respetando los derechos fundamentales y adhiriéndose a los principios esenciales de la UE. Para evitar la fragmentación dentro de la UE, se propone un marco regulador a escala europea basado en el riesgo y centrado en las aplicaciones de IA de alto riesgo, actualizando la normativa existente sobre seguridad de los productos para abordar cuestiones como la ciberseguridad y la autonomía humana. Esto garantiza a las personas el derecho a una indemnización por cualquier daño y proporciona claridad jurídica a las organizaciones.
En esencia, el objetivo de la UE es crear un ecosistema próspero que combine la excelencia con la confianza, posicionándose como líder en el desarrollo de la IA ética y centrada en las personas. También exploraremos las propuestas de la Ley de Inteligencia Artificial y la Directiva de Responsabilidad por Inteligencia Artificial. (consorcio, 2024)
Propuesta de Ley de Inteligencia Artificial: Esta propuesta categoriza los sistemas de IA según sus niveles de riesgo -de inaceptable a mínimo- para garantizar el cumplimiento de las normas éticas, la legalidad y los derechos fundamentales en la UE. Algunas aplicaciones de IA de alto riesgo, como la puntuación social, se prohíben rotundamente, mientras que otras deben cumplir requisitos estrictos de evaluación, registro y supervisión. La propuesta tiene especialmente en cuenta las necesidades de las PYME, incluido el acceso a los "sandboxes" reguladores de la IA, para garantizar la equidad competitiva y la confianza, equilibrando las perspectivas económicas con las preocupaciones éticas y de seguridad. (COMISIÓN E. , POR LA QUE SE ESTABLECEN NORMAS ARMONIZADAS SOBRE INTELIGENCIA ARTIFICIAL (LEY DE INTELIGENCIA ARTIFICIAL) Y SE MODIFICAN DETERMINADOS ACTOS LEGISLATIVOS DE LA UNIÓN, 2021)
Propuesta de Directiva sobre Responsabilidad por Inteligencia Artificial: Esta directiva pretende armonizar las normas de responsabilidad en toda la UE para las demandas civiles derivadas de los resultados de la IA, con el objetivo de proporcionar una protección justa a las personas perjudicadas por la IA y mantener la confianza en el uso de la tecnología. Esboza medidas para que los demandantes obtengan documentación sobre los sistemas de IA de alto riesgo a través de los tribunales y establece las condiciones en las que la culpa del daño puede atribuirse a la negligencia del sistema de IA. Esta directiva establece normas básicas para la UE, permitiendo a los Estados miembros la flexibilidad necesaria para aplicar leyes más estrictas si así lo desean. (COMISIÓN E. , DIRECTIVA DEL PARLAMENTO EUROPEO Y DEL CONSEJO sobre la adaptación de las normas de responsabilidad civil extracontractual a la inteligencia artificial, 2022)
Consideraciones éticas
Las consideraciones éticas son un conjunto de valores y principios que deben guiar la aplicación de esta Solución.
La integración ética de la Inteligencia Artificial (IA) en los sistemas urbanos es una piedra angular para impulsar iniciativas de ciudades inteligentes que respeten y mejoren el tejido social. En el centro de este marco ético está el compromiso con la privacidad, la seguridad, la equidad y la transparencia, garantizando que las soluciones de IA fomenten la confianza pública y que sus procesos de toma de decisiones sean accesibles y comprensibles para todos los ciudadanos.
La ética social exige que las implementaciones de la IA honren la dignidad humana, garantizando que las personas sean tratadas con respeto y que la tecnología sirva para enriquecer las relaciones personales en lugar de socavarlas. La equidad y la justicia son primordiales, y exigen que los sistemas funcionen sin prejuicios raciales, de género o de otro tipo, y que promuevan activamente la igualdad. Esto incluye centrarse en capacitar a los que a menudo se quedan atrás, demostrando un impacto positivo tangible en las comunidades desatendidas y contribuyendo al bien común. Además, es fundamental mantener el dominio humano sobre la IA, garantizando que los humanos sigan teniendo el control, con estrategias para reciclar a los trabajadores desplazados por la automatización.
Desde una perspectiva medioambiental, las aplicaciones de IA deben esforzarse por ser ecológicas, ejerciendo efectos neutros o positivos sobre la naturaleza. Esto se alinea con objetivos más amplios de sostenibilidad y administración medioambiental, reflejando un compromiso con el planeta que coincide con el compromiso con las personas.
En términos de seguridad y protección, es esencial garantizar la seguridad física y mental de las personas. Deben salvaguardarse los derechos de privacidad, junto con la protección de los datos y la seguridad del sistema para evitar el uso indebido o el uso excesivo perjudicial. Las soluciones éticas de IA también deben eliminar los incentivos para el uso indebido, garantizando que la tecnología no pueda explotarse con fines negativos.
La ética de la gobernanza hace hincapié en la responsabilidad, la supervisión periódica y la transparencia de las aplicaciones de IA para garantizar un uso responsable y una supervisión clara. Obligan a que los sistemas de IA se identifiquen cuando interactúen con humanos e incluyan la revisión humana en los procesos de toma de decisiones. Estos principios constituyen una base para desplegar la IA en entornos urbanos que respete la privacidad, la seguridad y la equidad, mejorando en última instancia la vida en la ciudad y salvaguardando el bienestar de los residentes.
Datos y normas
¿Qué normas, modelos de datos y software son relevantes o necesarios para esta Solución?
Actualización de contenido pendiente, ¡permanece atento!
Referencias
(s.f.), B. (s.f.). Estudio de caso de ciudades inteligentes: Ahorro de dinero y reducción de emisiones en Milton Keynes mediante el aparcamiento inteligente.
Abhimanyu, C., Abhinav, P. y Chandresh, S. (2013). Procesamiento del lenguaje natural. International Journal Of Technology Enhancements And Emerging Engineering Research, Vol 1, Edición 4.
AXIS Comunications, El mundo de las ciudades inteligentes. (2023). Siguiendo el camino hacia ciudades inteligentes y sostenibles. Smart City Magazine 2023/2024 | Global Ebrochure.
Butler, K., Davies, D., Isayev, O., & Walsh, A. (2018). Aprendizaje automático para la ciencia molecular y de materiales. Nature.
Cambio Climático AI, t. C. (2021). Cambio climático e IA: recomendaciones para el gobierno. GPAI.
Consorcio, CitCom.ai. (2024). Informe de mercado: Cartografía del contexto actual de la UE para el servicio de ensayo y experimentación de IA (TEF) en apoyo de ciudades y comunidades inteligentes y sostenibles.
Cugurullo, F. (2020). Inteligencia Artificial Urbana: De la automatización a la autonomía en la ciudad inteligente. Departamento de Geografía, Trinity College Dublin, Dublín, Irlanda.
Deep, K., Aayushi, C., Ruchita, M., Krishna, P., & Chintan, B. (2021). La convergencia del aprendizaje profundo y la informática . Atlantis Highlights in Computer Sciences, volumen 4.
Donti, P., Liu,, Y., Andreas J, S., Andrey, B., Rui, Y., & Yingchen, Z. (2018). Matrix Completion for Low-Observability Voltage Estimation. arXiv:1801.09799.
Comisión Europea. (2022). Obtenido de Directiva del Parlamento Europeo y del Consejo sobre la adaptación de las normas de responsabilidad civil extracontractual a la inteligencia artificial: https: //eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A52022PC0496
Golubchikov, O., y Thornbush, M. (2020). Inteligencia Artificial y Robótica en las Estrategias de Ciudades Inteligentes y en el Desarrollo Inteligente Planificado. MDPI & SmartCities.
H.M.K.K.M.B. , H., & Mittal, M. (2022). Adopción de la inteligencia artificial en las ciudades inteligentes: Una revisión exhaustiva. Revista Internacional de Gestión de la Información Data Insights.
Harshit , V., Rizwan , A., Uzair , K., & Rajat , V. (2020). Enfoques de la Inteligencia Artificial y el Aprendizaje Automático en las Ciudades Inteligentes: Critical Review. IOP Conference Series: Ciencia e Ingeniería de Materiales, Volumen 1022, 1ª Conferencia Internacional sobre Investigación Computacional y Análisis de Datos (ICCRDA 2020).
Hurwitz, J., Kaufman, M., y Bowles, A. (2012). Capítulo 12 Ciudades más inteligentes: La informática cognitiva en la administración pública. En Computación Cognitiva y Análisis de Grandes Datos.
Ingwersen, P., y Serrano-López, A. (2018). Investigación sobre ciudades inteligentes 1990-2016. Scientometrics.
Jones, A., Kuehnert, J., Fraccaro, P., Meuriot, O., Ishikawa, T., Edwards, B., . . . Assefa, S. (2023). AI for climate impacts: applications in flood risk. npj Climate and Atmospheric Science.
Leal, A., de Bezenac, C., Occhini,, G., Lefebvre,, H., Gallego-Posada, J., Chehbouni,, K., . . . Téhinian, S. (2022). IA y Ciudades: Riesgos, aplicaciones y gobernanza. ONU-Hábitat.
Mathe, o., Miolane,, N., Sebastien,, N., & Lequeux, J. (2019). PVNet: A LRCN Architecture for Spatio-Temporal Photovoltaic PowerForecasting from Numerical Weather Prediction. arXiv:1902.01453.
Mazloumi, E., Geoff, R., Currie, G., & Moridpour, S. (2011). Intervalos de predicción para tener en cuenta las incertidumbres en las predicciones de las redes neuronales: Metodología y aplicación en la predicción del tiempo de viaje en autobús. Volumen 24, Número 3.
Miller, G. (2022). Funciones de las partes interesadas en los proyectos de inteligencia artificial. Liderazgo de proyectos y sociedad.
Nemika, T., y Bharat, B. (2023). Desmitificación del papel del Procesamiento del Lenguaje Natural (PLN) en las aplicaciones para ciudades inteligentes: Antecedentes, Motivación, Avances Recientes y Futuras Direcciones de Investigación. Comunicaciones Personales Inalámbricas.
Nolle, M. (2023). ¿Cómo puede aplicarse la IA a las ciudades inteligentes? LinkedIn BABLE Newsletter & Insights.
Nutkiewicz, A., Yang, Z., y Jain, R. (2018). Simulación de energía urbana basada en datos (DUE-S): Un marco para integrar la simulación de ingeniería y los métodos de aprendizaje automático en un flujo de trabajo de modelado energético urbano a escala múltiple. Volumen 225 de Energía Aplicada.
OCDE. (2023). Recomendación del Consejo sobre Inteligencia Artificial. OCDE.
Padilha França, R., Borges Monteiro, A., Arthur, R., & Iano, Y. (2020). Una Visión General del Aprendizaje Automático Aplicado en las Ciudades Inteligentes. Ciudades Inteligentes: Una Perspectiva de Análisis de Datos. Lecture Notes in Intelligent Transportation and Infrastructure. Springer.
Parycek, P., Schmid, V., y Novak, A.-S. (2023). Inteligencia Artificial (IA) y Automatización en los Procedimientos Administrativos: Potenciales, Limitaciones y Condiciones Marco. Revista de Economía del Conocimiento.
Peng, Z.-R., Lu, K.-F., Liu, Y., y Zhai, W. (2023). The Pathway of Urban Planning AI: From Planning Support to Plan-Making. Revista de Educación e Investigación en Planificación.
Schmitt, L. (2022). Cartografía de la gobernanza mundial de la IA: un régimen naciente en un paisaje fragmentado. IA y Ética.
Taeihagh, A. (2021). Gobernanza de la inteligencia artificial. Política y Sociedad.
Taleqani, R., Hough, A., & K. E, N. (s.f.). Opinión pública sobre el uso compartido de bicicletas sin conductor: A Machine Learning Approach. Transportation Research Record, 2673(4), 195-204.
Ullah, Z., Al-Turjman, F., Mostarda, L., y Gagliardi, R. (2020). Aplicaciones de la Inteligencia Artificial y el Aprendizaje Automático en las ciudades inteligentes,. Comunicaciones Informáticas, Volumen 154.
Yigitcanlar, T., Corchado, J., Mehmood, R., Yi Man Li, R., Mossberger, K., & Desouza, K. (2021). Innovación Urbana Responsable con Inteligencia Artificial (IA) del Gobierno Local: A Conceptual Framework and Research Agenda. Revista de Innovación Abierta: Tecnología, Mercado y Complejidad.
Zhang, W., Robinson, C., Guhathakurta, S., Garikapati, V., Bistra Dilkina, M., Brown, M., & Pendyala, R. (2018). Estimación del consumo de energía residencial en áreas metropolitanas: Un enfoque de microsimulación. Energía, Volumen 155,.
Algo ha ido mal por parte nuestra. Por favor, intenta recargar la página y si el problema persiste, ponte en contacto con nosotros a través de
support@bable-smartcities.eu
