Seg煤n la Agencia Internacional de Energ铆as Renovables (IRENA), el paso a energ铆as limpias podr铆a hacer que se cumpla con el 90% de las metas del Acuerdo de Par铆s de reducci贸n de emisiones de esta industria. La Argentina cuenta con un gran potencial solar y e贸lico para generar energ铆a de estas fuentes. 

La generaci贸n de energ铆as renovables fue aumentando progresivamente en el pa铆s desde la sanci贸n de la ley 27.191 en 2015. En cuatro a帽os pasaron de representar un 2% de la matriz energ茅tica a un 8%, explicado especialmente por el crecimiento de la solar y la e贸lica. Sin embargo y pese a su cuadruplicaci贸n las metas establecidas por la ley no se cumplieron en 2019 donde se esperaba alcanzar un 12%. A principios del a帽o 2016, la Argentina lanz贸 un programa llamado Renovar, un programa de abastecimiento de energ铆a el茅ctrica a partir de fuentes renovables. 

Con el compromiso de cubrir el cambio clim谩tico y con el objetivo de enriquecer nuestras notas period铆sticas e incorporar nuevas tecnolog铆as. Se propuso utilizar inteligencia artificial para mapear los parques solares del pa铆s y monitorear su desarrollo. Utilizando machine learning y, en conjunto con Dymanxion Labs, se entren贸 un algoritmo para detectar parques solares con im谩genes satelitales a lo largo del pa铆s . 

En total se procesaron 7.000.000 im谩genes y se analizaron 2.780.400 km2. Algunas consideraciones En total, se usaron 10.999 im谩genes para entrenar el modelo, el 70% de ellas no eran parques solares. De este total, solamente 1222 se usaron para evaluar los resultados (el algoritmo no uso las im谩genes para aprender los patrones). 

Con el API (interfaz entre programas diferentes que facilita la interacci贸n humano-software), provisto por Dymaxion Labs e implementado en la plataforma de Google Cloud, el proceso de entrenamiento dur贸 30 horas y activ贸 30 nodos de procesamiento gr谩fico (GPU). La precisi贸n del algoritmo fue del 94%. La metodolog铆a utilizada para desarrollar el algoritmo se encuentra en este sitio web .