La chiusura dei lavori della COP26 si è rivelata per molti un fallimento almeno parziale, lasciando l’amaro in bocca a chi crede che il clima non sia l’unico problema che dobbiamo affrontare, ma sicuramente è quello che lascia segni più evidenti.
E se ci affidassimo alle tecnologie più avanzate di oggi per mitigare il rischio di crisi ambientali nel mondo?
Lanciata nel giugno 2020, la partnership globale sull’IA (GPAI), cui partecipa anche l’Italia, ha pubblicato un rapporto sul ruolo dell’AI per il climate change e raccomandazioni per i Governi affinché vengano adottate soluzioni tecnologiche di intelligenza artificiale che possano aiutare a combattere il cambiamento climatico. Una vera e propria strategia d’azione per il clima e la conservazione della biodiversità, per iniziare a porsi le domande giuste sulle potenzialità dell’intelligenza artificiale a sostegno del clima.
Europa unita contro la disinformazione sul clima: le nuove azioni
L’innovazione digitale per la sostenibilità
Come ha sottolineato Fabio Bogo su Affari e Finanza di Repubblica, l’innovazione digitale deve entrare nella partita sul clima. L’errore più vistoso alla COP26 è stato quello di aver dato troppo poco spazio, a volte per niente, a chi ha in mano gli investimenti e i progetti per la trasformazione digitale della società.
Se di dimenticanza si può parlare, l’errore non va ripetuto alla COP27 che si terrà in Egitto il prossimo anno, dove bisognerà arrivare preparati e con le idee chiare sulle potenzialità che le reti di comunicazione possono dare in termini di innovazione nel settore energetico, per legare in modo efficiente produzione, mobilità e consumi.
L’IA permetterà risparmi per le famiglie e le amministrazioni
D’altronde molti progetti hanno già trovato applicazioni pratiche per migliorare i modelli previsionali, in grado di fornire previsioni a livello di minuto sulla generazione di energia solare per aiutare a bilanciare la rete elettrica, o previsioni sulla resa agricola dei terreni soggetti alle minacce di fenomeni estremi. Esistono sistemi di IA in grado di intervenire da remoto e di impostare uno stile di vita che permetta di usare meno energia.
Si pensi alle abitazioni dotate di sistemi interconnessi, dove è possibile misurare la quantità di energia consumata e quella necessaria, permettendo risparmi per le famiglie e al sistema elettrico la deviazione dell’energia eccedente verso altre destinazioni. Analogamente esistono soluzioni in grado di ottimizzare i sistemi di riscaldamento e di raffreddamento di un edificio. Sono soluzioni che consentono la creazione del legame diretto tra comportamenti virtuosi, risparmio economico e beneficio ambientale.
Il caso Madrid
A Madrid l’intelligenza artificiale applicata al sistema della metropolitana ha permesso tramite un algoritmo di trovare la temperatura ideale all’interno della rete di trasporto, calcolando la frequenza dei treni, la densità dei passeggeri, l’architettura delle stazioni e il prezzo dell’elettricità: il risultato è stato un risparmio del 25% nei costi di esercizio e 1,8 milioni di tonnellate di Co2 in meno. Sul fronte della protezione ambientale l’analisi delle immagini satellitari consente di identificare le aree costiere più vulnerabili alle inondazioni o di localizzare la deforestazione; con la posa di sensori sulle foreste è possibile controllare i rumori riconducibili al taglio degli alberi e di allertare le autorità di controllo. Così si riduce la deforestazione illegale e si prolunga la funzione di cattura di Co2 delle piante.
Non si tratta di interventi di poco conto, se messi tutti insieme, anche perché l’unico modo per accelerare la decarbonizzazione è fare efficienza energetica sugli asset esistenti. Un recente rapporto di Boston Consulting Group ha calcolato che un corretto uso dell’intelligenza artificiale potrebbe ridurre le emissioni di gas serra tra il 5 e il 10 per cento nel 2030 (tra 2,6 e 5,3 gigatonnellate di Co2 equivalente). Inoltre, l’IA potrebbe generare un impatto tra 1,3 a 2,6 mila miliardi di dollari di valore aggiunto, tra nuovi ricavi e risparmi di costi per le aziende.
IA e cambiamento climatico: una strategia globale
Quando è stato creato il Partenariato Globale sull’Intelligenza artificiale (Global Partnership on Artificial Intelligence, o GPAI), l’allora Ministro per l’Innovazione e la Digitalizzazione, Paola Pisano, affermò che “lo sviluppo dell’intelligenza artificiale avrà un ruolo fondamentale nel disegnare il nostro futuro: potrà rendere più efficienti molti processi della nostra società e aiutarci a compiere scelte con maggiore consapevolezza.”
Mai previsione fu azzeccata.
Oggi, che la questione climatica è stata messa al centro delle agende politiche dei governi di tutto il mondo, è arrivato il momento di esplorare l’uso delle tecnologie più avanzate per mitigare il rischio di crisi ambientali nel mondo e per attivare l’economia nelle comunità povere intorno alle riserve naturali.
In questo contesto, all’interno del GPAI è stata creata una Commissione sul clima e la biodiversità, che ha recentemente pubblicato delle raccomandazioni per un uso responsabile dell’IA per contrastare il cambiamento climatico; le raccomandazioni sono state raccolte nel documento dal titolo “Climate Change & AI: Recommendations for Government”.
Le conclusioni a cui arriva lo studio, ottenute tramite un’ampia consultazione di interlocutori interessati, sono corredate da numerosi esempi di casi d’uso e soluzioni pratiche in diversi settori, in grado di illustrare le capacità dell’IA per prevedere modelli per il clima; sono descritti anche i principali colli di bottiglia da affrontare in termini di sviluppo, distribuzione e scalabilità delle tecnologie.
Dati i tempi brevi con cui la società deve affrontare il cambiamento climatico, sarà fondamentale individuare soluzioni che possano essere implementate rapidamente e scalata tra i settori chiave. Però, molte di queste soluzioni spesso rimangono bloccate alla fase di ricerca o nelle prime fasi di sviluppo tecnologico, e anche dopo il loro iniziale dispiegamento, spesso incontrano difficoltà di dimensionamento.
Anche il settore ICT deve fare la sua parte in termini di soluzioni ottimali. L’energia utilizzata dai data center su scala industriale è in crescita. Mentre gran parte della domanda di energia proviene dal calcolo, oltre il 40% proviene dai sistemi di raffreddamento dei data center. Esiste un margine significativo per realizzare sistemi di raffreddamento più efficienti, grazie alla tempistica e al coordinamento ottimali operazioni di raffreddamento.
DeepMind, una sussidiaria di Alphabet con sede nel Regno Unito, ha sviluppato un approccio di IA per ridurre significativamente l’energia necessaria per il raffreddamento dei data center di Google. L’approccio di DeepMind utilizza l’apprendimento per rinforzo, un ramo del machine learning dove l’algoritmo impara a controllare un sistema per massimizzare una “ricompensa”. Rispetto a sistemi di raffreddamento per data center standard senza ottimizzazione, l’algoritmo ha ridotto il consumo di energia di circa 30-40%. DeepMind e Google stanno cercando di esplorare come il sistema potrebbe essere distribuito in altri settori e casi d’uso.
IA e cambiamento climatico: le raccomandazioni da seguire
Il documento elaborato dal GPAI individua le aree di azione e le raccomandazioni che i Governi devono seguire a sostegno di un uso responsabile dell’IA nel contesto del cambiamento climatico.
Dati e infrastrutture digitali
Sarà fondamentale promuovere l’accesso a dati e infrastrutture digitali – ad esempio, dati rilevanti, simulazioni, ambienti, banchi di prova, biblioteche elettroniche e tecniche computazionali – in grado di supportare lo sviluppo e l’adozione di applicazioni climatiche.
Le raccomandazioni vanno nella direzione di istituire task force sui dati nei settori critici per il clima; facilitare la creazione di dati e standard di dati aperti; creare portali di dati per aumentare l’accesso e la condivisione dei dati; collaborare con i paesi membri della GPAI (e altri) per finanziare lo sviluppo di un catalogo internazionale per il clima open-source con dati, modelli e software; supervisionare lo sviluppo di sistemi di raccolta dati e gemelli digitali per energia, trasporti e altre infrastrutture fisiche; supportare con risorse appropriate le ricerche sul cloud computing.
Ricerca e Innovazione
Occorrerà puntare su ricerca e innovazione, con investimenti che consentano di portare avanti lavori interdisciplinari e intersettoriali guidati dagli impatti, piuttosto che dalla tecnologia, affinché aumenti l’intersezione tra IA e cambiamento climatico
Le raccomandazioni vanno nella direzione di garantire finanziamenti per la ricerca e l’innovazione per l’IA per il clima; accogliere l’IA all’interno di “grandi sfide” climatiche più ampie; sviluppare sfide mirate di IA per il clima in cui l’IA può offrire risultati ad alto impatto; finanziare lo sviluppo di risorse di calcolo e simulazione per la ricerca sul clima; allineare gli incentivi per gli “innovatori” ai livelli degli operatori storici del mercato; incanalare i finanziamenti per la ricerca e l’innovazione sull’IA, principalmente verso lo sviluppo di un’intelligenza artificiale efficiente dal punto di vista energetico.
Distribuzione e integrazione di sistemi
Occorrerà supportare la distribuzione e l’integrazione dei sistemi all’interno di altamente regolamentati settori come l’energia, i trasporti, l’agricoltura e l’industria pesante.
Le raccomandazioni vanno nella direzione di incorporare il tema della digitalizzazione, attraverso team di esperti di intelligenza artificiale, nella politica climatica del Governo; avviare percorsi di innovazione digitale all’interno di settori rilevanti per il clima; facilitare le collaborazioni e cofinanziare investimenti pubblico-privati in startup che offrono servizi digitali; sviluppare centri di innovazione intersettoriali per incubare l’IA per il clima.
Ridurre gli impatti negativi sul clima dell’intelligenza artificiale
Ogni applicazione di IA influisce sul clima, il che significa allineare l’IA con le strategie per il cambiamento climatico e plasmare le applicazioni allineandole agli obiettivi per clima. I Governi possono intervenire per ridurre gli impatti negatici dell’IA, ad esempio incorporando l’impatto climatico dell’IA all’interno delle strategie nazionali o all’interno della sua regolamentazione.
Le raccomandazioni vanno nella direzione di evitare meccanismi di finanziamento e programmi di agevolazione diretta o sussidi per progetti che vanno contro gli obiettivi climatici; fare del cambiamento climatico una considerazione centrale quando si promuove lo sviluppo di tecnologie abilitate per l’intelligenza artificiale; garantire che il cloud computing sia adeguatamente incluso nelle politiche dei prezzi del carbonio; procurarsi servizi di intelligenza artificiale e di calcolo solo da aziende che si impegnano a raggiungere obiettivi di zero emissioni nette.
Implementazione e valutazione di una IA responsabile
I Governi sono chiamati in causa affinché, utilizzando tutte le capacità istituzionali, siano in grado di costruire reti, a livello nazione e internazionale, con il coinvolgimento di aziende private in settori rilevanti per il clima (ad es. energia, trasporti, industria pesante o agricoltura), pubbliche amministrazioni e organizzazioni della società civile, che siano in grado di stabilire e implementare standard o migliori pratiche nella progettazione partecipata dell’IA in contesti climatici.
Le raccomandazioni vanno nella direzione di prevedere la partecipazione di esperti all’interno delle task force e dei comitati governativi volti a dare forma a iniziative AI per il clima; incorporare la valutazione e il reporting del clima e dell’ambiente nelle strategie nazionali per l’IA e nella sua regolamentazione; rafforzare le competenze in termini di standard, strumenti e buone pratiche di reporting, anche attraverso finanziamenti per ricerche sulla raccolta delle informazioni e sulle metodologie di valutazione degli impatti (standard metodologici per le valutazioni d’impatto a livello nazionale e livello internazionale) per il calcolo delle emissioni di gas serra legati agli applicativi di IA; finanziare l’istruzione superiore interdisciplinare, la ricerca e programmi di alta qualificazione che collegano l’IA e i singoli settori rilevanti per il clima, prevedendo l’inclusione di competenze socio-tecniche di analisi dati sul clima nei curricula educativi; finanziare o facilitare programmi di distacco per esperti di intelligenza artificiale; riunire ricercatori e raggruppare risorse in R&S tramite, ad esempio, finanziamenti coordinati o istituzioni consortili interfunzionali; supportare la condivisione delle conoscenze sulla progettazione e l’attuazione delle politiche tra Governi, industrie e stakeholder chiave, sostenendo le attività condivise di sviluppo dell’IA per il clima; raccogliere i dati per le sfide comuni o transfrontaliere dell’IA per il clima e concordare sugli standard dei dati a livello internazionale; coordinare lo sviluppo e l’uso di specifiche risorse fisiche e digitali per supportare lo sviluppo di soluzioni AI per il clima.
| Cosa può fare l’IA | Pericoli e rischi da evitare |
| Contribuire a diminuire i consumi (intesi come sprechi) e comprendere i costi (intesi non come costi di mercato, ma impatti sull’ambiente che è la vera risorsa preziosa). |
|
| Creare un modello di stima degli impatti |
|
| Ottimizzare le produzioni e i trasporti |
|
| Individuare soluzioni a impatto 0 per l’ottimizzazione del consumo energetico degli edifici |
|
| Supportare i sistemi di alimentazione energetica |
|
| Spingere verso l’economia circolare | |
| Creare nuovi materiali (packaging, celle solari, ecc.) |
Fonte: Elaborazione da “L’intelligenza Artificiale per lo sviluppo sostenibile”
Conclusioni
Se vogliamo agire concretamente per contrastare il cambiamento climatico abbiamo bisogno di soluzioni intelligenti. Si tratta di un problema enorme e complesso, ma il potenziale dell’intelligenza artificiale può venire incontro alle nostre esigenze.
In vista dei prossimi impegni internazionali sul clima sarebbe bene che i Governi impegnati nel prossimo G20 e Cop27 inizino a schierare ai vari tavoli anche gli esperti dell’intelligenza artificiali e i campioni dell’innovazione digitale. Potrebbero trovare dei preziosi alleati, in grado di dare una mano al raggiungimento degli obiettivi di Parigi.
Potremmo scoprire che una società più informatizzata non serve solo a migliorare l’efficienza della pubblica amministrazione, a difendere la sicurezza dei dati o a migliorare l’accesso all’e-commerce o all’intrattenimento. Contribuisce a difendere anche l’ambiente e di fatto contribuisce al mantenimento della biodiversità.
L’utilità dell’AI per il clima
Il rapporto riassume anche l’utilità applicativa dell’AI per il clima.
Distillare i dati grezzi in informazioni utilizzabili
L’IA può identificare informazioni utili all’interno di grandi quantità di dati non strutturati dati, spesso scalando annotazioni che gli umani potrebbero fornire più faticosamente. Per
esempio, l’IA può analizzare le immagini immagini satellitari per individuare la la deforestazione o identificare aree di città vulnerabili all’inondazione costiera
all’inondazione, o può filtrare grandi database di informazioni finanziarie aziendali delle aziende per trovare informazioni rilevanti per il clima.
Migliorare le previsioni
L’IA può usare i dati del passato per predire cosa accadrà in futuro, a volte incorporando anche informazioni informazioni ausiliarie. Per esempio, l’IA può
fornire previsioni a livello di minuto della generazione di energia solare per aiutare
bilanciare la rete elettrica, o previsioni sulla resa agricola
quando il tempo estremo minaccia la sicurezza alimentare.
Ottimizzare sistemi complessi
AI è brava ad ottimizzare per un obiettivo specifico dato un sistema complicato con molte variabili variabili che possono essere controllate simultaneamente.
Per esempio, l’intelligenza artificiale può essere usata per ridurre energia necessaria per riscaldare e raffreddare un edificio, o per ottimizzare i programmi di trasporto merci.
Accelerare la modellazione scientifica e scoperta
L’IA può accelerare il processo di scoperta scientifica stesso, spesso fondendo vincoli basati sulla fisica con approssimazioni apprese dai dati. Per esempio, l’IA può suggerire
promettenti materiali candidati per batterie e catalizzatori per accelerare la sperimentazione, e può simulare rapidamente porzioni di modelli climatici e meteorologici modelli climatici e meteorologici per renderli più computazionalmente trattabili
Riduzione emissioni sviluppando sistema energetico più efficiente e rinnovabile
L’AI può consentire una significativa riduzione delle emissioni nei sistemi elettrici, in un’ampia gamma di applicazioni. Per bilanciare
reti elettriche in modo efficiente, e quindi permettere l’integrazione di grandi quantità di energie rinnovabili,
è essenziale prevedere sia l’offerta e la domanda di elettricità, una funzione che l’IA può fornire.
L’IA può anche migliorare gli algoritmi per la programmazione dell’elettricità e lo stoccaggio, così come la gestione di microgrid in aree con sistemi
sistemi decentralizzati.
L’AI può migliorare le operazioni di generazione di energia rinnovabile come le turbine eoliche e i pannelli solari, e può individuare
le perdite di metano nei gas gasdotti. L’IA viene anche usata per accelerare la scoperta di nuovi
materiali rilevanti per l’energia, come come quelli usati nel fotovoltaico fotovoltaico, batterie ed elettrocarburanti.
Efficienza di edifici e città
L’IA può aumentare l’efficienza dell’uso dell’uso dell’energia negli edifici e
ambienti urbani. Nei casi in cui certi dati sull’ambiente costruito
ambiente costruito non è stato raccolti, l’AI può essere usata per
etichettare le infrastrutture nelle immagini satellitari. L’IA può dedurre l’uso di energia
dalle proprietà degli edifici, così come così come interpretare i dati dai
contatori. All’interno degli edifici intelligenti, l’IA può ottimizzare le funzioni
funzioni dell’edificio come il riscaldamento e l’illuminazione per risparmiare energia. Per
ottimizzazione su scala urbana, l’IA può essere utilizzata in sistemi di sensori morbidi e
estrazione di dati. L’IA può anche aiutare le città nella gestione dei rifiuti
a ridurre le emissioni di metano associate alle discariche e alle
acque reflue.
Trasporti
L’IA può aiutare a decarbonizzare il trasporto in molti modi. L’IA può migliorare l’uso dei trasporti, così come la domanda di modelli
per il trasporto pubblico e infrastrutture. L’IA può ottimizzare
l’instradamento e la programmazione delle merci, e può aumentare l’utilizzo
di opzioni a bassa emissione di carbonio come i i treni. Per promuovere l’adozione
dei veicoli elettrici, l’IA può ottimizzare i protocolli di ricarica e
luoghi, così come informare la progettazione di batterie e
carburanti di prossima generazione. L’IA è anche parte integrante delle tecnologie
tecnologie dei veicoli autonomi, anche se gli impatti sul clima qui sono
incerti: i veicoli personali a guida autonoma veicoli personali a guida autonoma può aumentare le emissioni
rendendo la guida più facile, mentre autobus autonomi potrebbero diminuire le emissioni mettendo in comune
passeggeri e integrandosi con il trasporto pubblico.
Industria pesante e produzione
L’IA può ridurre le emissioni associate all’industria all’industria pesante in molti modi. AI
può essere usata nel controllo adattivo e nell’ottimizzazione dei processi per
ridurre l’energia consumata dai processi industriali, così come
così come nella risposta alla domanda per programmare tali processi per
ridurre l’intensità delle emissioni.
La manutenzione predittiva con AI e i gemelli digitali possono anche aumentare
l’efficienza e in alcuni casi ridurre le perdite di gas serra come il metano.
Sempre più spesso, l’IA viene utilizzata nella nella scoperta di materiali come i
catalizzatori, che possono ridurre il esigenze energetiche di alcuni processi
processi chimici.
L’IA può anche aiutare ottimizzare i processi di riciclaggio e lo smistamento dei rifiuti per materiali ad alta intensità energetica come
l’alluminio e l’acciaio, il che può aiutare a evitare le emissioni associate con l’estrazione e la lavorazione
materiale vergine.
Migliori modelli climatici
L’AI può aiutare a sviluppare migliori modelli climatici calibrando i sensori
o deducendo proprietà come la copertura dei ghiacci da dati grezzi come immagini satellitari o lo stato di umidità del suolo, fattore che impatta molto sui cambiamenti climatici locali, ora molto difficili da prevedere. L’AI può anche fornire approssimazioni veloci
a certe simulazioni fisiche all’interno di modelli climatici e meteorologici
modelli che altrimenti sarebbe proibitivo in termini di tempo
da eseguire.
Tali simulazioni approssimative simulazioni approssimative possono essere utili sia per
migliorare i modelli complessivi e per aumentare la risoluzione spaziale
alla quale possono praticamente essere eseguite, fornendo così previsioni più
previsioni di rischio più localizzate.
Adattamento sociale
L’IA può aiutare la resilienza della società agli effetti
del cambiamento climatico.
Gli strumenti di IA possono individuare i luoghi vulnerabili
e indirizzare le infrastrutture miglioramenti delle infrastrutture dove sono
più necessari, oltre a consentire la manutenzione predittiva per evitare
guasti. I metodi dell’AI per la sanità possono migliorare i modelli di
modelli di salute pubblica e la risposta della società risposta della società alle pandemie influenzate dal clima
pandemie e altre malattie.
In caso di disastri come tempeste, inondazioni e incendi, l’IA può informare gli sforzi di soccorso migliorando le
mappe e identificando gli individui a rischio. individui.
Ecosistemi e biodiversità
L’IA può supportare la conservazione della biodiversità di fronte a un
clima che cambia.
I metodi di IA vengono sempre più incorporati nei sensori usati per
monitorare la fauna selvatica, strumenti di telerilevamento strumenti per la valutazione dell’ecosistema
cambiamento, e nei sistemi di riconoscimento
Agricoltura, terreni e foreste
L’IA può supportare sia la mitigazione che l’adattamento
in agricoltura.
L’agricoltura di precisione implica l’uso di AI in strumenti automatizzati che sono
che rispondono alla variabilità all’interno una coltura, offrendo il potenziale per
una maggiore efficienza e una riduzione delle emissioni di gas serra
associate all’agricoltura prodotti chimici e all’uso del suolo.
Dal punto di vista punto di vista dell’adattamento, gli strumenti di telerilevamento per il monitoraggio delle colture
e la previsione del rendimento possono far progredire sicurezza alimentare di fronte alla
siccità e altri fenomeni.
L’IA può facilitare pratiche responsabili responsabili nell’uso della terra e soluzioni basate sulla natura in diversi modi. I sistemi di AI vengono utilizzati insieme con le immagini satellitari nella stima delle scorte di carbonio per supportare decisioni di gestione del territorio e
per calcolare le compensazioni di carbonio.
L’AI viene anche usata per aiutare a tracciare la deforestazione e altri cambiamenti nell’uso
cambiamenti, così come nei droni per accelerare il rimboschimento. Ci
ci sono anche numerosi usi dell’IA in prevedere il rischio e la diffusione degli incendi.
Mercati e finanza
L’IA può essere utilizzata nei mercati e nella finanza
in modi allineati con l’azione per il clima.
Nei mercati del carbonio, l’IA può fornire dati come il carbonio
per informare i prezzi, così come la previsione dei prezzi e l’analisi dei fattori che
che guidano questi prezzi.
Nei mercati non carboniferi, l’IA può essere usata per analizzare e modellare il comportamento
modelli di comportamento per allineare il design del mercato
con l’impatto sul clima.
L’AI può anche informare la politica assicurativa e finanziaria quantificando i rischi associati al clima e analizzando
delle informazioni aziendali legate al clima. al clima.
Politica climatica
Molte delle suddette applicazioni dell’IA possono
essere preziose per la politica fornendo dati utili per
informare le decisioni politiche.
Tuttavia, l’IA può anche informare la politica climatica in altri modi. AI
può essere incorporata in modelli utilizzati per valutare le opzioni politiche,
e può anche essere usata nell’ inferenza causale per aiutare a valutare
efficacia delle politiche che sono state
eseguite.
