Dieci modi in cui l’IA può aiutare a combattere il degrado climatico – MilanoFinanza.it

Seguiteci su Telegram https://t.me/Nuovaresistenza on Telegram

L’intelligenza artificiale e il machine learning, l’apprendimento automatico, hanno il potenziale per infliggere molti colpi alla grande minaccia globale

Secondo un servizio pubblicato su MIT Technology Review, il sito della prestigiosa università americana, Alcuni dei più grandi esperti del mondo della ricerca sull’intelligenza artificiale hanno tracciato una tabella di marcia che indica come l’apprendimento automatico (machine learning) possa aiutare a salvare il pianeta e l’umanità dal pericolo legato al cambiamento climatico in atto.

La relazione descrive possibili applicazioni delle tecniche di machine learning in 13 settori, dalla distribuzione di elettricità alle aziende agricole e forestali alle previsioni climatiche. All’interno di ciascun settore, sono stati illustrati i contributi realizzabili dai vari sub-settori del machine learning, tra cui la computer vision, l’elaborazione in linguaggio naturale e l’apprendimento con rinforzo.

Anche le raccomandazioni sono suddivise in tre categorie: “elevato leverage” per problemi molto adatti al machine learning, con un impatto particolarmente forte; “a lungo termine” per soluzioni che non avranno risultati fino al 2040; e “ad alto rischio” per le attività che hanno risultati meno certi, sia perché la tecnologia non è matura o perché non è nota a sufficienza per valutarne le conseguenze. Molte delle raccomandazioni riassumono anche gli sforzi già in atto, ma non ancora in scala.

Secondo quanto riporta MIT Technology Review, il rapporto è stata guidato da David Rolnick, un postdoctoral fellow presso la University of Pennsylvania, e supportata da diverse figure di alto profilo, tra cui Andrew Ng, il co-fondatore di Google Brain e importante imprenditore ed educatore di IA, Demis Hassabis, il fondatore e CEO di DeepMind, Jennifer Chayes, l’amministratore delegato di Microsoft Research, e Yoshua Bengio, che ha recentemente vinto il Turing Award per i suoi contributi sul campo. I ricercatori sottolineano che la politica sarà il principale motore di un’azione efficace per il clima su vasta scala.
Ecco le 10 delle raccomandazioni “ad alto effetto leva” contenute nella relazione.

1. Migliorare le previsioni sui bisogni di elettricità. Per fare affidamento su un maggior numero di fonti di energia rinnovabile, i servizi pubblici avranno bisogno di modi migliori di prevedere quanta energia è necessaria, in tempo reale e nel lungo termine. Esistono già algoritmi in grado di prevedere la domanda di energia, ma possono essere migliorati tenendo conto delle condizioni climatiche locali e di modelli climatici più precisi o di analisi del comportamento delle famiglie. Gli sforzi per rendere gli algoritmi più spiegabili potrebbero anche aiutare le utilities, le società che erogano elettricità, a interpretare i loro risultati e a utilizzarli nella programmazione del ricorso alle fonti rinnovabili.

2. Scoprire nuovi materiali. Gli scienziati devono sviluppare materiali che immagazzinano, raccolgono e utilizzano l’energia in modo più efficiente, ma il processo di scoperta di nuovi materiali è tipicamente lento e impreciso. L’apprendimento automatico può accelerare le cose, trovando, progettando e valutando nuove strutture chimiche con le proprietà desiderate. Questo potrebbe, per esempio, aiutare a creare combustibili solari, che possono immagazzinare energia dalla luce solare, o identificare assorbitori di anidride carbonica più efficienti o materiali strutturali che impiegano molto meno diossido di carbonio per essere creati. Questi ultimi potrebbero un giorno sostituire l’acciaio e il cemento, la cui produzione rappresenta quasi il 10% di tutte le emissioni globali di gas serra.

3. Ottimizzare le modalità di instradamento delle merci. La spedizione di merci in tutto il mondo è un processo complesso e spesso altamente inefficiente che comporta l’interazione di diverse dimensioni di spedizione, diversi tipi di trasporto e una rete mutevole di luoghi di origine e destinazione. L’apprendimento automatico potrebbe aiutare a trovare il modo di raggruppare il maggior numero possibile di spedizioni e ridurre al minimo il numero totale di viaggi. Un sistema di questo tipo sarebbe anche più resistente aa eventuali interruzioni dei trasporti.

4. Abbassare le barriere all’adozione di veicoli elettrici. I veicoli elettrici, una strategia chiave per la decarbonizzazione dei trasporti, devono affrontare diverse sfide in cui l’apprendimento automatico può rivelarsi prezioso. Gli algoritmi possono migliorare la gestione dell’energia della batteria per aumentare il chilometraggio di ogni ricarica e ridurre “l’ansia da autonomia”, per esempio. Possono anche modellare e prevedere il comportamento in materia di ricarica in modo aggregato, così da aiutare gli operatori di rete a soddisfare e gestire il loro carico.

5. Rendere gli edifici più efficienti. I sistemi di controllo intelligenti possono ridurre drasticamente il consumo energetico di un edificio tenendo conto delle previsioni del tempo, dell’occupazione dell’edificio e di altre condizioni ambientali per regolare le esigenze di riscaldamento, raffreddamento, ventilazione e illuminazione in uno spazio interno. Un edificio intelligente potrebbe anche comunicare direttamente con la rete per ridurre la quantità di energia elettrica utilizzata in caso di scarsità di energia elettrica a basse emissioni di carbonio.

6. Creare stime migliori di quanta energia si consuma. Molte regioni del mondo hanno pochi o nessun dato sul loro consumo energetico e sulle emissioni di gas a effetto serra, il che può costituire un grosso ostacolo alla progettazione e all’attuazione di efficaci strategie di mitigazione. Le tecniche di computer vision possono estrarre impronte e caratteristiche costruttive dalle immagini satellitari per alimentare algoritmi di apprendimento automatico in grado di stimare il consumo energetico a livello cittadino. Le stesse tecniche potrebbero anche identificare quali edifici dovrebbero essere adattati per massimizzare la loro efficienza.

7. Ottimizzare le filiere. Allo stesso modo in cui l’apprendimento automatico può ottimizzare le rotte di spedizione, può anche ridurre al minimo le inefficienze e le emissioni di carbonio nelle catene di approvvigionamento delle industrie alimentari, della moda e dei beni di consumo. Una migliore previsione della domanda e dell’offerta dovrebbe ridurre significativamente gli sprechi di produzione e di trasporto, mentre raccomandazioni mirate per prodotti a basse emissioni di carbonio potrebbero incoraggiare un consumo più rispettoso dell’ambiente.

8. Rendere possibile un’agricoltura di precisione in scala. Gran parte dell’agricoltura moderna è dominata dalla monocoltura, la pratica di produrre una sola coltura su un’ampia fascia di terra. Questo approccio rende più facile per gli agricoltori gestire i loro campi con trattori e altri strumenti automatizzati di base, ma elimina anche il suolo dai nutrienti e ne riduce la produttività. Di conseguenza, molti agricoltori dipendono fortemente da fertilizzanti a base di azoto, che possono trasformarsi in protossido di azoto, un gas a effetto serra 300 volte più potente dell’anidride carbonica. I robot basati su software ad apprendimento automatico potrebbero aiutare gli agricoltori a gestire in modo più efficace un mix di colture su scala, mentre gli algoritmi potrebbero aiutare gli agricoltori a prevedere quali colture piantare, rigenerando la salute della loro terra e riducendo la necessità di fertilizzanti.

9. Migliorare il monitoraggio della deforestazione. La deforestazione contribuisce a circa il 10% delle emissioni globali di gas serra, ma il monitoraggio e la prevenzione è solitamente un noioso processo manuale che si svolge sul territorio. Le immagini satellitari e la computer vision possono analizzare automaticamente la perdita di copertura arborea su scala molto maggiore, e i sensori a terra, combinati con algoritmi per il rilevamento dei suoni delle motoseghe, possono aiutare le forze dell’ordine locali a fermare le attività illegali.

10. Spingere i consumatori a cambiare il modo di fare acquisti. Le tecniche che gli inserzionisti pubblicitari hanno utilizzato con successo per rivolgersi ai consumatori possono essere utilizzate per aiutare a comportarsi in modo più rispettoso dell’ambiente. I consumatori potrebbero per esempio ricevere interventi tagliati su misura per promuovere la loro iscrizione a programmi di risparmio energetico.

fotografia da tecnelab.it