AI news:

il portale di approfondimento sul mondo dell'intelligenza artificiale

AI news: il portale di approfondimento sul mondo dell'intelligenza artificiale

L’Intelligenza Artificiale può fermare il cambiamento climatico?

Nuovi materiali, monitoraggio delle emissioni, previsione degli eventi metereologici: come l’AI può contribuire a lottare contro il cambiamento climatico?

Il cambiamento climatico è una tra le maggiori sfide del nostro secolo, per essere contenuto necessita di tutti gli strumenti che abbiamo a disposizione, compreso quello dell’intelligenza artificiale (AI) e del machine learning.

Cos’è il cambiamento climatico?

Partiamo dalle fondamenta. Per cambiamento climatico si intende qualsiasi alterazione dell’atmosfera globale che sia direttamente o indirettamente riconducibile all’azione umana, secondo la definizione delle Nazioni Unite.

Le temperature medie globali sono aumentate di 1,2 gradi Celsius dal 1880 e i maggiori cambiamenti sono avvenuti alla fine del XX secolo. Le aree terrestri si sono riscaldate più della superficie del mare e l’Artico è la zona che si è riscaldata di più – di circa 4 gradi Celsius dagli anni ’60. Anche le temperature estreme sono cambiate. Questo riscaldamento è senza precedenti nella storia geologica recente. E le temperature superficiali mascherano la vera scala del cambiamento climatico, perché l’oceano ha assorbito il 90% del calore intrappolato dai gas serra.

Più del 90% degli scienziati che studiano il clima della Terra concordano sul fatto che il Pianeta si sta riscaldando e che gli esseri umani sono la causa principale. Già nel 1991 due terzi degli scienziati della terra e dell’atmosfera diceva di accettare l’idea del riscaldamento globale antropogenico. Attualmente, oltre il 97% degli scienziati del clima sono d’accordo sull’esistenza e sulla causa del cambiamento climatico.

La CO2 in atmosfera viene attualmente stimata, in media, in 413 parti per milione, una concentrazione che non si registrava da almeno 650 mila anni, ma probabilmente da molto prima.

Questi cambiamenti rendono sempre più frequenti fenomeni di inondazioni, siccità, dissesto idrogeologico, diffusione di malattie, crisi dei sistemi agricoli, crisi idrica e estinzione di specie.

Come può aiutarci l’AI?

Esiste un documento, stilato nel 2019 da numerose università e aziende globali, che raggruppa tutte le modalità in cui l’Intelligenza Artificiale potrebbe aiutare il genere umano ad affrontare il cambiamento climatico: è diviso in tematiche (elettricità, trasporti, città, industrie) e tecniche (modelli d’interpretazione, quantificazione incertezza, apprendimento non supervisionato). In questo modo appare chiaro quali siano gli strumenti disponibili e quale tecnica applicare, in base alla problematica.

Figura 1: Tackling Climate Change with Machine Learning

L’intelligenza artificiale, ad esempio, può produrre sistemi elettrici migliori conoscendo la domanda di energia nel lungo termine e in tempo reale, cercando di limitare così la sovrapproduzione e ridurre gli sprechi. Sempre in ambito di energia potrebbe essere un valido alleato per diminuire lo spreco di energia negli edifici, attraverso per esempio il monitoraggio della qualità e temperatura dell’aria e dell’acqua.

Allo stesso modo può monitorare le emissioni dell’agricoltura non sostenibile: l’apprendimento automatico potrebbe affiancare gli agricoltori nella gestione di un mix di colture su larga scala in maniera più efficiente, mentre gli algoritmi potrebbero aiutare a capire quali coltivazioni scegliere per favorire la resa della terra, senza uso di fertilizzanti.

L’AI può aiutare a controllare la deforestazione analizzando l’eventuale perdita di copertura di alberi e rilevare suoni legati al disboscamento, come, ad esempio, la motosega per aiutare le autorità a intervenire tempestivamente nelle attività illegali. Per quanto riguarda l’inquinamento può dare nuove alternative al cemento e all’acciaio, la cui produzione rappresenta circa il 9% delle emissioni globali di gas serra.

L’intelligenza artificiale può anche non dare soluzioni effettive, ma può avere un ruolo importante nel responsabilizzare i cittadini del mondo, ad esempio mostrando ciò che succederà ai posti che normalmente frequentano senza un’adeguata attenzione. I ricercatori del Montreal Institute for Learning Algorithms (MILA), Microsoft e ConscientAI Labs hanno utilizzato i GAN, un tipo di intelligenza artificiale, per simulare l’aspetto che avrebbero le case dopo essere state danneggiate dall’innalzamento del livello del mare e temporali più intensi. Finora, i ricercatori MILA hanno incontrato i funzionari della città di Montreal e le ONG desiderose di utilizzare lo strumento. I piani futuri includono il rilascio di un’app per mostrare alle persone come potrebbero essere i loro quartieri e le loro case in futuro a causa del cambiamento climatico.

Quali sono gli studi in corso più importanti?

Quando si parla di AI e climate change spesso vengono citati due importanti studi in tema: quello dell’Università di Waterloo e quello dell’Università Ca’ Foscari di Venezia.

L’università canadese sta studiando un sistema che abbia lo scopo di creare un allarme rapido legato agli eventi naturali. Inoltre, l’algoritmo di deep learning è stato creato per prevedere meglio i punti critici, ma anche per capire cosa succede dopo che sono stati superati. Infatti, i ricercatori hanno addestrato l’intelligenza artificiale con “un universo di possibili punti di non ritorno“, inclusi circa 500.000 modelli, e poi l’hanno testata su punti di non ritorno del mondo reale.

Secondo l’Università Ca’ Forscari, invece, l’interazione tra le diverse forme di pericolo innescate dai cambiamenti climatici ci farà assistere, nel prossimo futuro, ad impatti trasversali su diversi settori e sistemi naturali e antropici.

Due le potenzialità del machine learning che emergono dallo studio: la prima è che questi algoritmi riescono ad imparare dai dati, quindi, più sono quelli a disposizione, più imparano. Di conseguenza gli algoritmi permettono di dipanare relazioni complesse sottese al funzionamento dei sistemi socio-ecologici, sfruttando l’enorme disponibilità di dati (big data) che arrivano oggi da varie fonti, tra cui sensori per analisi ambientali ad alta frequenza temporale, social media, dati ed immagini satellitari, droni; la seconda è che possono combinare dati di diverso tipo, riuscendo quindi a valutare l’entità di un rischio tenendo conto di tutte le sue dimensioni, che non comprendono solamente il pericolo che lo innesca (ad esempio un aumento delle precipitazioni), ma anche la vulnerabilità e l’esposizione del sistema socio-economico su cui il pericolo si abbatte, fattori determinanti nella quantificazione degli impatti.

Per questo i suoi ricercatori hanno cercato di comprendere tali interazioni e dinamiche, supportando i decisori nella gestione dei rischi attuali e futuri, anche grazie ad una migliore capacità di prevedere i rischi attesi e quantificarne i potenziali impatti tramite il machine learning.