Il Machine Learning consente l’analisi di enormi quantità di informazioni, utili per la salvaguardia dell ambiente. Con un paradosso.
Meno del 5%. È la percentuale di dati raccolti con l’osservazione ambientale, che gli scienziati riescono ad elaborare. Almeno fino a ieri. Perché grazie al Machine Learning tale cifra sta aumentando progressivamente, a tutto beneficio della lotta al cambiamento climatico.
È dal machine learning e dall’intelligenza Artificiale che deriva attualmente la più grande speranza per il futuro del pianeta. I dati sono fondamentali, lo sappiamo, ma essere in grado di processarli lo è ancora di più.
Un esempio: nelle Grandi Pianure degli Stati Uniti, grazie all’AI gli agricoltori riescono a ricevere previsioni meteorologiche che forniscono alert con 36 ore di preavviso, in caso di intense piogge o grandinate. Ottimo, anzi no: si può fare ancora di più e di meglio (The Rise of Machine Learning).
L’agritech pulito grazie al Machine Learning
Questo strano binomio, machine learning ambiente, potrebbe migliorare le condizioni del pianeta. Se il ML può supportare chi lavora la terra, avvisandolo di cosa arriverà dal cielo, allo stesso modo può sostenerlo avvertendolo di cosa accade in terra. L’uso delle monoculture, tipico dell’agricoltura moderna, è infatti corresponsabile dell’inquinamento da gas serra.
Accade questo: gli agricoltori seminano un solo tipo di raccolto sul terreno; il terreno a lungo andare si impoverisce dei nutrienti, riducendo la produttività; gli agricoltori procedono allora a rivitalizzarlo tramite fertilizzanti a base di azoto. I fertilizzanti a base di azoto, però, evolvono facilmente in protossido di azoto, un gas serra trecento volte più nocivo del biossido di carbonio. E il guaio è fatto.
Come uscirne? Affidandosi alle macchine, ossia ai robot, basati su software di machine learning. Le indicazioni fornite dagli algoritmi, consentono di gestire colture a rotazione su grande scala, segnalando quali vegetali piantare e quando piantarli, permettendo così al terreno di rigenerarsi e riducendo la necessità dell’uso dei fertilizzanti (Here are 10 ways AI could help fight climate change)
Machine Learning per difendere le foreste
Un altro contributo ferale al climate change è la deforestazione: incide per circa il 10% delle emissioni globali di gas serra. Il verde del pianeta è minacciato. Pensiamo solo all’Amazzonia e all’abbattimento selvaggio degli alberi degli ultimi due anni. Occorre quindi tenere gli occhi aperti e monitorare costantemente la situazione, cercando di prevenire quanti più disastri ambientali possibili. Ancora una volta il Machine Learning torna utile: tramite le immagini satellitari e la visione computerizzata, l’apprendimento automatico consente di analizzare automaticamente la perdita del patrimonio di vegetazione. Inoltre, in combine con i sensori di suono e movimento terrestri, diventa possibile allertare le forze dell’ordine locali supportandole nel contrasto alle attività illegali legate alla flora.
Il paradosso del Machine Learning
Tutto risolto? Non proprio. Le soluzioni offerte dal Machine Learning, infatti, creano un paradosso.Secondo alcuni scienziati, la potenza di calcolo necessaria ai super computer sui quali far girare l’apprendimento automatico, richiede una quantità di energia enorme. Il che equivale a quantità enormi di carbonio rilasciate nell’aria. Insomma per creare dei modelli di sviluppo sostenibile e inquinare meno, inquiniamo. Senza abbandonare le speranze, appare evidente che ci troviamo di fronte ad un’ulteriore sfida: escogitare soluzioni per ridurre il fabbisogno energetico dei sistemi informatici, in modo da lasciargli svolgere il loro prezioso lavoro in soccorso del pianeta.
Cosa ne pensate dell’uso del Machine Learning per la difesa del pianeta e la lotta al climate change? Quali altre soluzioni innovative possono essere utili? Mi piacerebbe avere i vostri commenti. Tweettate a @agostinellialdo.
Se ti è piaciuto questo post, approfondisci l’argomento leggendo anche “Dai Big Data la soluzione alle future carestie alimentari”
