Traduzione di Matteo Arlacchi
Alcuni dei più grandi nomi nel campo della ricerca sull’intelligenza artificiale hanno tracciato una road map che suggerisce come l’apprendimento automatico possa aiutare a salvare il nostro pianeta e l’umanità da un pericolo imminente.
Il rapporto teorizza il possibile impiego dell’apprendimento automatico in 13 campi di applicazione, dai sistemi elettrici alle fattorie e alle foreste, fino alla previsione del clima. All’interno di ciascun dominio, il documento espone i possibili contributi delle varie sottodiscipline dell’apprendimento automatico, tra cui la visione artificiale, l’elaborazione del linguaggio naturale (NLP) e il reinforcement learning (apprendimento per rinforzo). Le raccomandazioni sono inoltre divise in tre categorie: “a elevato effetto di leva” per campi di applicazione in cui l’intervento dell’apprendimento automatico può avere un impatto particolarmente significativo; “a lungo termine” per soluzioni che non avranno effetto fino al 2040; e “ad alto rischio” per attività che hanno esiti meno certi, o perché la tecnologia non è matura o perché non si sa abbastanza per valutarne le conseguenze. Molte delle raccomandazioni riassumono anche gli sforzi esistenti che sono già impiegati anche se non ancora su larga scala.
La compilazione del rapporto è stata guidata da David Rolnick, un assegnista di ricerca presso l’Università della Pennsylvania, e consigliato da numerose figure di alto profilo, tra cui Andrew Ng, cofondatore di Google Brain e imprenditore nonché educatore di primo piano nel campo dell’intelligenza artificiale; Demis Hassabis, fondatore e CEO di DeepMind; Jennifer Chayes, Managing Director di Microsoft Research; e Yoshua Bengio, che ha recentemente vinto il premio Turing per i suoi contributi nel campo. Mentre i ricercatori offrono un elenco molto completo di alcune delle principali aree in cui può contribuire l’apprendimento automatico, evidenziano anche come questo non sia da considerare un proiettile d’argento. In definitiva, sarà la politica il principale motore di un’efficace azione climatica su vasta scala. Di seguito sono elencati 10 dei consigli “a elevato effetto di leva” del report (qui la versione completa)
1.Migliorare le previsioni sui fabbisogni energetici
Se faremo affidamento su più fonti di energia rinnovabili, il settore delle utility avrà bisogno di modi migliori per prevedere la quantità di energia necessaria, in tempo reale e nel lungo termine. Esistono già degli algoritmi in grado di prevedere la domanda di energia, ma potrebbero essere migliorati prendendo in considerazione modelli locali di meteo e clima più precisi o il comportamento delle famiglie. Gli sforzi per rendere di più facile comprensione gli algoritmi potrebbero anche aiutare gli operatori di servizi pubblici a interpretare i loro risultati e sfruttarli nel pianificare quando portare in rete fonti rinnovabili.
2.Scoprire nuovi materiali
Gli scienziati devono sviluppare materiali che immagazzinino, generino e utilizzino l’energia in modo più efficiente, ma il processo di scoperta di nuovi materiali è in genere lento e impreciso. L’apprendimento automatico può accelerare il processo scovando, 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 assorbitori di anidride carbonica più efficienti o materiali strutturali la cui fabbricazione richiede molto meno carbonio. Questi materiali potrebbero sostituire un giorno l’acciaio e il cemento, la cui produzione rappresenta circa il 10% di tutte le emissioni globali di gas serra.
3.Ottimizzare l’instradamento dei trasporti
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 di origini e destinazioni in continua evoluzione. L’apprendimento automatico potrebbe contribuire 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 resiliente ad eventuali interruzioni dei trasporti.
4.Ridurre le barriere all’adozione di veicoli elettrici
L’adozione dei veicoli elettrici, strategia chiave per la decarbonizzazione dei trasporti, affronta diverse sfide in cui l’apprendimento automatico può rivelarsi molto utile. Gli algoritmi possono migliorare la gestione dell’energia delle batterie per aumentare il chilometraggio percorribile per singola carica e ridurre “l’ansia da autonomia”, per esempio. Possono inoltre modellare e prevedere il comportamento in materia di carica in maniera aggregato, per aiutare gli operatori di rete a soddisfare e gestire il loro carico.
5. Contribuire all’efficientamento energetico degli edifici
I sistemi di controllo intelligenti possono ridurre drasticamente il consumo energetico di un edificio tenendo conto delle previsioni meteo, dello stato di 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 se c’è una scarsità di elettricità a basse emissioni di carbonio in un dato momento.
6. Creare stime migliori dei consumi energetici
Il fatto che molte regioni del mondo hanno pochi o nessun dato sul loro consumo di energia e sulle loro emissioni di gas serra 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 di costruzione dell’edificio 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 di distribuzione
Così come l’apprendimento automatico può ottimizzare le rotte di spedizione, può anche ridurre al minimo le inefficienze e le emissioni di carbonio nelle catene di distribuzione dell’industria alimentare, della moda e dei beni di consumo. Una migliore previsione dell’offerta e della domanda dovrebbero ridurre in modo significativo 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 su larga scala
Gran parte dell’agricoltura moderna è dominata dalla monocultura, la pratica di produrre una sola coltura 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 impoverisce anche il terreno dei nutrienti e ne riduce la produttività. Di conseguenza, molti agricoltori fanno uso massiccio di fertilizzanti a base di azoto, che possono convertirsi in protossido di azoto, un gas serra 300 volte più potente del biossido di carbonio. I robot basati su software di 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 e quando, rigenerando la salute delle loro terre e riducendo la necessità di fertilizzanti.
9. Migliorare 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 processi manuale noiosi che si svolgono sul terreno. Le immagini satellitari e la visione artificiale possono analizzare automaticamente la perdita di copertura arborea su scala molto maggiore, e i sensori a terra, combinati con algoritmi in grado di rilevare i suoni delle motoseghe, possono aiutare le forze dell’ordine locali ad individuare e combattere le attività illegali.
10. Incoraggiare i consumatori a cambiare il modo di fare acquisti
Le tecniche utilizzate con successo dagli inserzionisti pubblicitari per rivolgersi ai consumatori possono essere utilizzate per aiutare noi a comportarci in modo più rispettoso dell’ambiente. I consumatori potrebbero ad esempio ricevere interventi personalizzati per promuoverne l’iscrizione a programmi di risparmio energetico.
Articolo originale: https://www.technologyreview.com/s/613838/ai-climate-change-machine-learning/
