Traduzione di Claudia Dionisi
Il Machine learning ha la capacità di far fare qualche reale passo in avanti contro la nostra più grande minaccia
Alcuni dei più grandi nomi nella ricerca di intelligenza artificiale hanno tracciato una road map che suggerisce come il machine learning possa aiutare a salvare il nostro pianeta e l’umanità da un pericolo imminente. Il rapporto copre possibili interventi di machine learning in 13 domini, dai sistemi elettrici alle fattorie e foreste fino alla previsione del clima. All’interno di ciascun dominio, espone i contributi per varie sottodiscipline nell’ambito del machine learning, tra cui la visione artificiale, l’elaborazione in linguaggio naturale e l’apprendimento di rinforzo.
Le raccomandazioni sono inoltre divise in tre categorie: high leverage per problemi ben adattati all’apprendimento automatico, in cui tali interventi possono avere un impatto particolarmente significativo; long-term per soluzioni che non avranno profitti fino al 2040; e high risk per attività che hanno esiti meno certi, perché la tecnologia non è matura o perché non si conosce abbastanza per valutarne le conseguenze. Molte delle raccomandazioni riassumono anche gli sforzi esistenti che stanno già accadendo ma non ancora su larga scala.
La compilation del rapporto è stata guidata da David Rolnick, un borsista post-dottorato presso l’Università della Pennsylvania, e consigliato da numerose figure di alto profilo, tra cui Andrew Ng, cofondatore di Google Brain e un importante imprenditore e educatore di intelligenza artificiale; Demis Hassabis, fondatore e CEO di DeepMind; Jennifer Chayes, l’amministratore delegato di Microsoft Research; e Yoshua Bengio, che ha recentemente vinto il premio Turing per i suoi contributi sul campo. Mentre i ricercatori offrono un elenco completo di alcune delle principali aree in cui il machine learning può contribuire, notano anche che non è un proiettile d’argento. In definitiva, la politica sarà il principale motore di un’efficace azione climatica su vasta scala.
Qui ci sono solo 10 dei consigli high leverage del report
1. Migliora le previsioni di quanta energia abbiamo bisogno
Se faremo affidamento su più fonti di energia rinnovabili, le utility avranno bisogno di modi migliori per prevedere la quantità di energia necessaria, in tempo reale e nel lungo termine. Esistono già degli algoritmi che possono prevedere la domanda di energia, ma potrebbero essere migliorati prendendo in considerazione i migliori modelli locali di clima o il comportamento delle famiglie. Gli sforzi per rendere più spiegabili gli algoritmi potrebbero anche aiutare gli operatori di servizi pubblici a interpretare i loro risultati e utilizzarli nella pianificazione quando portare in rete fonti rinnovabili.
2. Scopre 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 in genere lento e impreciso. Il machine learning può accelerare le cose trovando, progettando e valutando nuove strutture chimiche con le proprietà desiderate. Questo potrebbe, ad esempio, aiutare a creare combustibili solari, che possono immagazzinare energia dalla luce solare, o identificare più efficienti assorbitori di anidride carbonica o materiali strutturali che richiedono molto meno carbonio. Questi ultimi materiali potrebbero sostituire un giorno acciaio e cemento – la cui produzione rappresenta quasi il 10% di tutte le emissioni globali di gas serra.
3. Ottimizza il modo in cui il trasporto viene instradato
La spedizione di merci in tutto il mondo è un processo complesso e spesso altamente inefficiente che implica l’interazione di diverse dimensioni di spedizione, diversi tipi di trasporto e una rete in continua evoluzione di origini e destinazioni. L’apprendimento automatico può aiutare a trovare modi per raggruppare il maggior numero possibile di spedizioni e ridurre al minimo il numero totale di viaggi. Un tale sistema sarebbe anche più resistente alle interruzioni dei trasporti.
4. Ridurre le barriere all’adozione di veicoli elettrici
I veicoli elettrici, una strategia chiave per la decarbonizzazione dei trasporti, affrontano diverse sfide in materia di adozione in cui il machine learning potrebbe aiutarli. Gli algoritmi possono migliorare la gestione dell’energia della batteria per aumentare il chilometraggio di ogni carica e ridurre, per esempio, “l’ansia da intervallo”. Possono inoltre modellare e prevedere il comportamento di addebito aggregato per aiutare gli operatori di rete a soddisfare e gestire il loro carico.
5. Aiuta a rendere gli edifici più efficienti
I sistemi di controllo intelligenti possono ridurre drasticamente il consumo energetico di un edificio tenendo conto delle previsioni meteorologiche, 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 utilizzata se c’è una scarsità di elettricità a basse emissioni di carbonio in un dato momento.
6. Crea stime migliori di quanta energia stiamo consumando
Molte regioni del mondo hanno pochi o nessun dato sul loro consumo di energia e sulle emissioni di gas serra, che può essere un grosso ostacolo alla progettazione e all’implementazione di strategie di mitigazione efficaci. Le tecniche di visione artificiale possono estrarre impronte e caratteristiche dell’edificio dalle immagini satellitari per alimentare algoritmi di apprendimento automatico che possono 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 catene di approvvigionamento
Allo stesso modo in cui il machine learning può ottimizzare i percorsi di spedizione, può anche ridurre al minimo le inefficienze e le emissioni di carbonio nelle catene di approvvigionamento dell’industria alimentare, della moda e dei beni di consumo. Migliori previsioni dell’offerta e della domanda dovrebbero ridurre in modo significativo la produzione e gli sprechi 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 su larga scala
Gran parte dell’agricoltura moderna è dominata dalla monocultura, la pratica di produrre un singolo raccolto su un’ampia area di terreno. Questo approccio rende più facile per gli agricoltori gestire i loro campi con trattori e altri strumenti automatizzati di base, ma elimina anche il terreno dei nutrienti e ne riduce la produttività. Di conseguenza, molti agricoltori fanno molto affidamento sui fertilizzanti a base di azoto, che possono convertirsi in ossido di azoto, un gas a effetto serra 300 volte più potente del biossido di carbonio. I robot basati su software di apprendimento automatico potrebbero aiutare gli agricoltori a gestire un mix di colture in modo più efficace su scala, mentre gli algoritmi potrebbero aiutare gli agricoltori a prevedere quali colture piantare quando, rigenerando la salute delle loro terre e riducendo la necessità di fertilizzanti.
9. Migliora il monitoraggio della deforestazione
La deforestazione contribuisce a circa il 10% delle emissioni globali di gas a effetto serra, ma il monitoraggio e la prevenzione sono di solito un noioso processo manuale che si svolge sul terreno. Le immagini satellitari e la visione artificiale possono analizzare automaticamente la perdita di copertura degli alberi su scala molto maggiore, e i sensori a terra, combinati con algoritmi per rilevare i suoni della motosega, possono aiutare le forze dell’ordine locali a fermare le attività illegali.
10. Spinge i consumatori a cambiare il modo in cui acquistiamo
Le tecniche utilizzate dagli inserzionisti per rivolgersi ai consumatori possono essere utilizzate per aiutare a comportarci in modi più rispettosi dell’ambiente. I consumatori potrebbero ricevere interventi personalizzati per promuovere l’iscrizione a programmi di risparmio energetico, ad esempio.
Articolo originale: https://medium.com/mit-technology-review/here-are-10-ways-ai-could-help-fight-climate-change-a4abd7840d54
