L’apprendimento automatico potrebbe incidere notevolmente sui pericoli che più ci minacciano.
di Karen Hao
Alcuni dei maggiori esperti di IA hanno definito una mappa di come l’apprendimento automatico potrebbe aiutare a salvare il pianeta e l’umanità dal pericolo immediato.
Il rapporto definisce possibili interventi in apprendimento automatico su 13 campi d’azione, dai sistemi elettrici, all’agricoltura e gestione delle foreste, alle previsioni del tempo. I suggerimenti sono descritti per sub-discipline dell’apprendimento automatico e divisi in categorie relative alla qualità dell’impatto: “forte vantaggio” per problemi su cui il machine learning può avere un impatto particolarmente incisivo; “a lungo termine” per soluzioni che non daranno risultati visibili prima del 2040; “ad alto rischio” per imprese dai risultati meno certi, sia perchè la tecnologia non è ancora perfezionata o perchè non abbiamo ancora dati sufficienti per valutare le conseguenze. Molte delle raccomandazioni descrivono progetti già in corso, ma ancora insufficienti.
Il rapporto è stato stilato sotto la direzione di David Rolnick, della University of Pennsylvania, dietro consulto di personaggi come Andrew Ng, cofondatore di Google Brain, educatore e imprenditore nel campo delle IA; Demis Hassabis, fondatore e CEO della DeepMind; Jennifer Chayes, managing director della Microsoft Research; Yoshua Bengio, recente vincitore del Turing Award per i contributo nel campo. I ricercatori non presentano il proprio lavoro come una soluzione definitiva. Solo una scelta di politiche efficaci potrà condurre ad azioni climatiche dagli effetti concreti. Di seguito, 10 raccomandazioni dai “forti vantaggi” descritti nel rapporto.
1. Migliorare le previsioni sulla quantità d elettricità necessaria
Se dovremo dipendere da fonti di energia più rinnovabili, servirà calcolare con precisione quanta energia è necessaria, sia in tempo reale che su lungo termine. Già esistono algoritmi capaci di prevedere la richiesta di energia, ma potrebbero essere resi più efficienti prendendo in considerazione informazioni più precise sul clima locale e sui comportamenti degli abitanti. Rendere gli algoritmi più comprensibili ai più potrebbe anche aiutare gli operatori delle utenze ad interpretare i consumi e decidere programmare quando utilizzare le fonte rinnovabili.
2. Scoprire nuovi materiali
È necessario sviluppare nuovi materiali capaci di immagazzinare, raccogliere e utilizzare l’energia in maniera più efficiente. Il processo che porta alla scoperta di nuovi materiali tende ad essere lento e impreciso. L’apprendimento automatico può ottimizzare i tempi della scoperta individuando, progettando e valutando nuove strutture chimiche dotate delle proprietà necessarie. Si potrebbero creare carburanti solari, capaci di immagazzinare l’energia della luce solare, identificare materiali capaci di assorbire l’anidride carbonica in maniera più efficiente o materiali strutturali la cui produzione richiede meno emissioni. La produzione di acciaio e cemento è responsabile di quasi il 10% delle emissioni globali di gas serra.
3. Ottimizzare le reti distributive
Il processo di distribuzione delle merci in giro per il mondo è inefficiente e complesso. L’utilizzo di algoritmi per l’apprendimento automatico potrebbe semplificare le spedizioni e minimizzare il numero di viaggi. Un simile sistema sarebbe più resiliente ad ogni possibile disagio nei trasporti.
4. Ridurre gli ostacoli alla scelta di veicoli elettrici
L’adozione dei veicoli elettrici, una scelta chiave per la decarbonizzazione dei trasporti, richiede non solo batterie più efficienti, ma anche la progettazione di una rete di operatori che possa gestire il carico dell’alimentazione necessaria. Un algoritmo potrebbe favorire la soluzione di entrambi i problemi.
5. Rendere più efficienti i palazzi
Sistemi di controllo intelligenti possono ridurre drasticamente i consumi energetici di un palazzo prendendo in considerazione dati come previsioni climatiche, numero di occupanti ed altre condizioni ambientali nella gestione di climatizzazione e illuminazione. Un palazzo intelligente sarebbe anche in grado di relazionarsi direttamente con la rete per ridurre i propri consumi in momenti di riduzione delle forniture.
6. Generare stime più precise sui consumi energetici
Molte regioni del mondo hanno pochi dati sui propri consumi energetici ed emissioni di gas serra, dati necessari alla progettazione ed implementazione di strategie mitiganti. Tecniche di visione automatica possono estrapolare da immagini satellitari footprint e caratteristiche di un palazzo con cui un algoritmo potrà stimare i consumi energetici di una città. Le stesse tecniche possono quindi identificare i palazzi da rendere più efficienti.
7. Ottimizzare i processi di produzione
L’apprendimento automatico può minimizzare inefficienze e immissioni dei processi di produzione di cibo, moda e industria dei consumi. Previsioni più precise delle richieste di mercato potrebbero ridurre notevolmente gli sprechi, mentre raccomandazioni dirette a prodotti a basso impatto ambientale potrebbero incoraggiare consumi più ecologici.
8. rendere possibile un’agricoltura di precisione su scala
Gran parte dell’agricoltura moderna è dominata dalle monocolture, la coltivazione di un unico raccolto su grandi appezzamenti di terreno. Questo approccio facilita l’automazione dei processi agricoli, ma impoverisce i terreni e ne riduce la produttività. Gli agricoltori compensano il problema utilizzando grandi quantità di fertilizzanti a base di azoto, che può trasformarsi in ossido di azoto , un gas serra 300 volte più potente dell’anidride carbonica. Robot gestiti da processi di apprendimento automatico potrebbero aiutare gli agricoltori nella gestione di coltivazioni miste su scala, con il supporto di algoritmi capaci di predire quali prodotti coltivare e quando, promuovendo la salute dei terreni e riducendo la necessità di fertilizzanti.
9. Migliorare i sistemi di monitoraggio della deforestazione
La deforestazione è responsabile di circa il 10% delle emissioni globali di gas serra, ma i sistemi di monitoraggio delle attività sono solitamente manuali e condotti in loco. L’utilizzo di immagini satellitari e di processi di visione artificiale permetterebbe l’analisi della perdita di alberi su ampia scala, mentre sensori a terra combinati ad algoritmi potrebbero rilevare suoni di seghe a motore ed allertare le forze dell’ordine contro le attività illegali.
10. Indirizzare i consumatori per modificare le proprie abitudini negli acquisti
Tecniche utilizzate con successo dalla pubblicità per veicolare gli acquirenti negli acquisti possono essere utilizzate per promuovere comportamenti più consapevoli dell’impatto ambientale. I consumatori potrebbero ricevere interventi mirati capaci di coinvolgerli in programmi di risparmio energetico, per esempio.
Immagine: Dove le IA possono contribuire alla lotta ocntor i cambiamenti climatici. I colori più scuri corrispondono a maggiori possibilità di supporto. Credito immagine: MS Tech
