Intelligenza artificiale: quali vantaggi per clima e ambiente?

La difesa del clima può ottenere enormi vantaggi dall’Intelligenza Artificiale. Articolo di Elisabetta Ambrosi tratto dall’ultimo numero de L’Ecofuturo Magazine.

Dalla puntuale predizione dei disastri naturali attraverso l’analisi dei dati climatici e meteorologici all’ottimizzazione degli usi energetici per abitazioni, aziende, settori industriali; dalla gestione e razionalizzazione della mobilità e dei trasporti a quella delle risorse idriche – soprattutto in agricoltura – e dei rifiuti. Ancora: dai monitoraggi ambientali (deforestazione, consumo di suolo) alla tutela della biodiversità. Insomma, prima di gridare ai pericoli dell’intelligenza artificiale sarebbe utile capirne i benefici, specie in ambito ambientale e climatico, dove l’utilizzo di questi sistemi intelligenti potrebbe aiutarci su entrambi i fronti del problema: quello della mitigazione e quello dell’adattamento alla crisi climatica.

Previsioni meteo esatte: che vantaggio contro disastri e alluvioni

Un primo fronte relativo all’adattamento sul quale l’IA può incidere è sul miglioramento delle previsioni meteorologiche, grazie all’analisi di enormi quantità di dati provenienti da satelliti, sensori, centraline, modelli climatici e dati storici. Più precise sono le previsioni, più – evidentemente – i singoli e le comunità possono prepararsi agli eventi estremi. In uno studio a cura di quattro esperti dell’University of California di Los Angeles, “ClimateLearn: Machine Learning for Predicting Weather and Climate Extremes”, gli approcci di machine learning sono proposti per superare modelli climatici imprecisi, trasformandoli “in previsioni regionali ad alta risoluzione”, che si traduce in una precisione accurata, di tutti gli eventi estremi.

Per quanto riguarda le alluvioni, nello studio “Sea Water Flood Risk Assessment in Egypt using Deep Learning” dell’Esa (European Space Agency), si spiega come integrando i dati di osservazione della Terra, in particolare quelli del programma Copernicus, con tecniche di intelligenza artificiale, si possano «migliorare ulteriormente l’analisi dei processi decisionali necessari per prevenire o minimizzare le perdite dovute ad eventi alluvionali». Le immagini satellitari, preparate con attività di apprendimento automatico, possono mappare le acque superficiali e il loro impatto sulle vite umane, evitando possibili disastri.

Quantificare le emissioni e gestire le intermittenze energetiche

Dal punto di vista della mitigazione, invece, l’IA potrebbe rivelarsi indispensabile per stimare le emissioni di gas serra, un fronte senz’altro cruciale. In uno studio pubblicato sul blog specialistico Transition Zero – “Estimating Coal Power Plant Operation From Satellite Images with Computer Vision” – una possibile soluzione viene individuata nei satelliti, che possono essere usati per addestrare modelli di apprendimento automatico in modo da automatizzare il processo di stima delle emissioni.

Ma non è tutto. Uno dei principali ostacoli da superare nella transizione verso l’energia pulita è la natura intermittente delle energie rinnovabili, combinata con la difficoltà di prevedere la domanda e l’offerta. Su questo fronte, l’intelligenza artificiale può essere utilizzata per ottimizzare la produzione di energia solare ed eolica, predicendo i periodi di maggiore produzione e migliorando la gestione delle reti energetiche, aumentando l’efficienza dell’intero sistema. Un articolo pubblicato su Google DeepMind, “Machine-learning-can-boost-the-value-of-wind-energy” ha dimostrato che alcune applicazioni possono contribuire ad aumentare il valore economico dell’energia eolica del 20% riducendo la dipendenza dallo stoccaggio a batteria e da altre fonti di energia in standby.

Allo stesso modo, l’analisi predittiva può aiutare a ridurre gli sprechi energetici nelle abitazioni e nei settori industriali. Un esempio, particolarmente interessante, riguarda il trasporto aereo. L’IA è in grado di agevolare le compagnie aeree a mitigare l’impatto climatico delle scie di condensa, che rappresentano il 35% dell’ impatto sul riscaldamento globale causato dall’aviazione. Raccogliendo enormi quantità di dati (immagini satellitari, meteo e dati sui percorsi di volo) è possibile tramite intelligenza artificiale sviluppare mappe di previsione delle scie di condensa che hanno permesso ai piloti di ridurre le scie del 54%.  

IA, agricoltura e mobilità: una piccola rivoluzione?

L’uso dell’IA in agricoltura permette di ottimizzare l’uso di pesticidi, fertilizzanti e risorse idriche, aumentando la produttività e riducendo gli impatti negativi sull’ambiente. I droni e i sensori possono monitorare le coltivazioni e fornire dati in tempo reale, consentendo agli agricoltori di intervenire solo quando necessario, mentre i sistemi di IA applicati alla gestione dell’acqua possono migliorarne l’irrigazione e ridurre il consumo.

Sul fronte mobilità, invece, l’IA può favorire il passaggio a sistemi più sostenibili. Le tecnologie di guida autonoma, i sistemi di gestione del traffico basati su IA e i veicoli elettrici permettono ridurre le emissioni di CO₂ e migliorare l’efficienza del trasporto pubblico e di pianificare i percorsi dei veicoli individuali, in modo da ridurre il traffico incontrollato, come spiega un articolo su vantaggi e svantaggi dell’IA pubblicato nel 2023 da The Grantham Research Institute on Climate Change  della London School of Economics, “What opportunities and risks does AI present for climate action?”. Al tempo stesso, grazie all’analisi di grandi quantità di dati, calcoli e simulazioni, sarà possibile avere nuove idee sulla pianificazione del territorio e delle città dei 15 minuti.

Salvare il suolo, salvare la terra. Con l’IA

Anche sul versante rifiuti l’IA può contribuire a una gestione più efficiente e alla promozione dell’economia circolare. Algoritmi di IA possono migliorare la raccolta e il riciclo dei materiali, ottimizzare il design dei prodotti per la durabilità e il riuso e identificare soluzioni innovative per ridurre i rifiuti.

Ma l’IA può dimostrarsi utile anche rispetto alla salute del suolo. Una ricerca condotta da ENEA e Università degli Studi di Bari, “Climate Change and Soil Health: Explainable Artificial Intelligence Reveals Microbiome Response to Warming”, pubblicata sulla rivista “Machine Learning and Knowledge Extraction”, apre nuove prospettive per la gestione sostenibile del suolo, la tutela dell’ambiente e la sicurezza alimentare.

«Le tecniche di machine learning che abbiamo usato ci hanno permesso di identificare una delle principali ‘sentinelle’ della salute del terreno, il microbioma, vale a dire l’insieme di batteri, funghi e protisti che lo popolano», spiegano da Enea. «Questa scoperta potrebbe avere importanti implicazioni per la mitigazione dei cambiamenti climatici. L’aumento delle temperature, infatti, accelera i processi di decomposizione del microbioma, incrementando la quantità di gas serra emessi in atmosfera, come l’anidride carbonica e il metano. Il risultato è un peggioramento della qualità del suolo che mette a rischio la produzione agricola e la sicurezza alimentare di milioni di persone nel mondo».

Se l’IA protegge la biodiversità

Ancora: sensori intelligenti e sistemi basati sull’IA possono monitorare in tempo reale la qualità dell’aria, la deforestazione e l’inquinamento dei mari e fornire dati utili alle politiche di gestione ambientale. Un esempio: in un articolo pubblicato da European Space Agency (“AI maps icebergs 10.000 times faster than humans”), l’intelligenza artificiale è stata addestrata per misurare i cambiamenti negli iceberg 10 mila volte più velocemente di quanto potrebbe fare un essere umano. In questo modo, gli scienziati potranno capire quanta acqua di disgelo viene rilasciata nell’oceano, processo che accelera man mano che il cambiamento climatico riscalda l’atmosfera.

Utilizzando anche la tecnologia satellitare, l’IA può contribuire a monitorare la perdita di biodiversità dopo gli incendi boschivi e a stimare il contenuto d’acqua nella chioma degli alberi in combinazione con la previsione della siccità per aiutare a prevedere le regioni più a rischio. In generale, a seguito di un disastro climatico, il machine learning può identificare quali aree necessitano di aiuto e può supportare la conservazione della biodiversità aumentando l’efficienza con cui si monitorano gli ecosistemi, sostituendo i tradizionali metodi di osservazione manuale “sul campo”.

Un altro esempio di utilizzo del deep learning applicato alla biodiversità è l’utilizzo di trappole fotografiche non invasive che producono milioni di immagini del comportamento animale. Grazie agli algoritmi addestrati, possono essere classificate con velocità estrema, (fino a un milione in un solo giorno), contro mesi di impegno degli annotatori umani per svolgere lo stesso compito… CONTINUA A LEGGERE GRATIS L’ARTICOLO SU L’ECOFUTURO MAGAZINE