L’Artico è una delle zone del mondo che più di ogni altra risente degli impatti delle attività umane. Non si tratta solo dello scioglimento dei ghiacci, bisogna considerare anche i vari inquinanti prodotti soprattutto a latitudini più basse e trasportati nella zona dalla circolazione atmosferica. Le polveri sottili contribuiscono a rendere il ghiaccio più scuro, favorendone una fusione più rapida, ma possono creare anche problemi sanitari, qualora si abbiano picchi di PM10. È un circolo vizioso poco visibile ma devastante, più smog arriva al Polo, più il ghiaccio si scioglie, più il clima si scalda. Ora la scienza prova a spezzare questa catena con uno strumento inatteso: l’intelligenza artificiale.
Nell’ambito del progetto europeo Arctic PASSION, ricercatori dell’Istituto sull’inquinamento atmosferico del Consiglio Nazionale delle Ricerche (CNR-IIA) di Montelibretti, vicino Roma, e del Joint Research Centre della Commissione Europea di Ispra (Varese) hanno sviluppato un modello di AI basato su architettura Transformer, la stessa classe di reti neurali alla base di ChatGPT, per prevedere le concentrazioni di PM10 sull’Artico e il Nord Europa.
Lo studio è stato pubblicato sulla rivista scientifica npj Clean Air del gruppo Nature. Il modello non parte da zero, ma elabora misurazioni storiche del particolato, previsioni del sistema CAMS di Copernicus, variabili meteorologiche locali e parametri geografici delle stazioni di rilevamento, per generare stime a 48 ore. Il risultato? Prestazioni nettamente superiori ai sistemi finora in uso. Come spiega Alice Cuzzucoli del CNR-IIA, prima autrice della ricerca: “Confrontando le previsioni del modello con quanto poi accaduto realmente, i nostri risultati si sono rivelati sempre sensibilmente migliori di quelli dei classici modelli utilizzati finora, anche nella valutazione di picchi di concentrazione particolarmente estremi.”
Il dato forse più interessante per chi segue il mondo dell’AI applicata alla scienza è la filosofia dietro il progetto. Non si tratta di rimpiazzare i sistemi tradizionali, ma di integrarli. Come sottolinea Antonello Pasini (CNR-IIA), coautore dello studio: “I risultati migliori li otteniamo utilizzando l’AI in modo sinergico rispetto ai classici modelli dinamici, e non in maniera alternativa, usando come input anche i loro risultati.” Un approccio ibrido che potrebbe diventare un modello da replicare in altri contesti ambientali. La ricerca dimostra che la stessa tecnologia che oggi scrive testi e risponde a domande può essere riadattata per leggere i segnali deboli di un ecosistema fragile, anticipare i picchi di smog e, in ultima analisi, contribuire a proteggere uno degli ambienti più preziosi, e più minacciati, del nostro pianeta.
L'AI divora energia: Microsoft pronta a tradire le sue promesse verdi
Secondo un rapporto dell'organizzazione ambientalista Stand.earth, il fabbisogno elettrico di…
