Ormai tutti, tranne pochi e ostinati negazionisti, riconoscono i cambiamenti climatici come un problema da affrontare prima possibile, comprendono che esso è causato dall'uomo e che è già tardi per evitare l'innalzamento della temperatura. Il climate change, però, è un fenomeno veramente complesso (basti pensare ai complicatissimi modelli matematici necessari a calcolare le temperature) e non è semplice fare la propria parte. Per fortuna, però, le moderne tecnologie possono aiutarci ad affrontare i cambiamenti climatici e a ridurre l'impatto ambientale dell'economia e dei singoli cittadini-consumatori. Tra queste tecnologie c'è anche l'intelligenza artificiale, che può essere applicata nella gestione di settori economici ad alte emissioni di CO2 come l'agricoltura e l'energia. Ma può anche indirizzare i consumatori verso scelte più sostenibili.
Un recente studio analizza molti settori in cui l'AI potrebbe fare la differenza. È stato curato da David Rolnick, borsista post-dottorato presso l'Università della Pennsylvania, con l'ausilio di numerose figure di alto profilo, tra cui Andrew Ng, cofondatore di Google Brain, Demis Hassabis, fondatore e CEO di DeepMind, Jennifer Chayes, amministratore delegato di Microsoft Research e Yoshua Bengio, che ha recentemente vinto il premio Turing per i suoi contributi nel campo dei cambiamenti climatici.
Dalla produzione di energia proviene circa un terzo delle emissioni di CO2 del mondo. Ottimizzare questo settore, quindi, è fondamentale. L'intelligenza artificiale può fare moltissimo perché, grazie all'uso di algoritmi di machine learning, è possibile adattare la produzione di energia ai consumi reali. Inoltre, grazie a una migliore comprensione dei modelli climatici, l'AI può ottimizzare la produzione di energia da fonti rinnovabili come il sole e il vento, aumentandola in situazioni di emergenza.
Un secondo settore in cui l'intelligenza artificiale può contribuire a ridurre le emissioni di CO2 è quello dei nuovi materiali. Applicata alla chimica e alla fisica, infatti, l'AI può accelerare la scoperta di nuove molecole sintetiche dalle quali produrre materiali a basso impatto ambientale, più facili da riciclare e che richiedono meno emissioni per essere prodotti.
La movimentazione delle merci è un settore in rapida crescita da quando è iniziato il boom del commercio elettronico. Milioni di veicoli commerciali leggeri si muovono per tutto il mondo per consegnare pacchi di ogni tipo. Applicare l'intelligenza artificiale alle spedizioni può portare a tragitti ottimizzati, organizzati in modo da far meno strada possibile (anche in considerazione del traffico) e, di conseguenza, emettere meno CO2. Amazon sta lavorando già da qualche anno a soluzioni di questo tipo.
Restando nel settore dei trasporti, dal quale dipende circa un altro terzo della CO2 emessa nel mondo, l'elettrificazione è la scelta ormai obbligatoria per tentare di ridurre l'impatto ambientale dei veicoli passeggeri e commerciali. Le auto elettriche non sono ancora molto diffuse, ma lo saranno a breve quando i costi inizieranno a scendere. L'intelligenza artificiale può aiutare il boom dei veicoli elettrici, ottimizzando la gestione delle batterie delle auto e suggerendo ai guidatori i percorsi migliori per risparmiare chilometri e, nei viaggi più lunghi, per trovare le colonnine di ricarica.
Il riscaldamento e raffreddamento domestico e industriale è un'altra grandissima fonte di emissioni di CO2. Applicare l'intelligenza artificiale agli impianti di riscaldamento e condizionamento può fare risparmiare moltissima energia, ad esempio fornendo informazioni sul meteo delle prossime ore (e quindi su improvvisi innalzamenti o abbassamenti della temperatura) ma anche calcolando quante persone sono in una stanza o edificio in un determinato momento (e quindi spegnendo gli impianti nelle zone vuote).
Oggi in molte zone del mondo non ci sono nemmeno i dati su quanta energia viene consumata, dove e quando. Grazie all'intelligenza artificiale, però, queste stime possono essere automatizzate applicando tecniche di computer vision alle immagini satellitari. con le stesse tecniche si può capire quali edifici hanno consumi maggiori e necessitano di interventi di riqualificazione energetica.
L'intelligenza artificiale sta già cambiando l'industria. È la cosiddetta Industria 4.0, quella in cui i robot sostituiscono sempre più spesso gli operai e ogni momento della produzione è monitorato in maniera precisa per ridurre al minimo i costi di magazzino e i tempi di trasporto dei componenti. Applicando le stesse tecniche a tutta la catena dei fornitori (sia di materie prime che di semilavorati) di una determinata fabbrica si può ridurre in maniera importante l'impatto ambientale finale dei beni prodotti.
Oggi l'agricoltura è in gran parte estensiva e in monocoltura: enormi distese di grano, mais o altre specie vegetali. Le grandi dimensioni permettono alle aziende agricole di ottimizzare i costi, ma il risultato è un enorme consumo e impoverimento del suolo, la perdita di biodiversità ed emissioni di CO2 preoccupanti a causa del massiccio uso di pesticidi e concimi chimici azotati. La nuova frontiera in agricoltura, al contrario, prevede robot guidati dall'AI che gestiscono in maniera specifica colture miste. Nelle colture miste sono necessari meno concimi e pesticidi, perché le varie specie vegetali si difendono e concimano a vicenda. L'intelligenza artificiale può aiutare gli agricoltori anche a scegliere cosa piantare, dove e quando.
La deforestazione ha due effetti drammatici: il primo è uccidere le piante che catturano la CO2, il secondo è reimmettere in atmosfera l'anidride carbonica già catturata dalle piante (perché di solito la deforestazione avviene tramite incendi). Con le stesse tecniche con cui si possono monitorare gli edifici via satellite è possibile anche monitorare lo stato delle foreste.
Tutto questo non basterà se ognuno di noi non farà la propria parte. L'intelligenza artificiale potrà aiutarci a essere dei consumatori più responsabili offrendoci consigli mirati su cosa comprare in base ai nostri gusti appresi tramite gli algoritmi di machine learning.
22 luglio 2019