Sotto la superficie terrestre si trovano diverse risorse minerarie indispensabili per la trasformazione dell’Europa in un’economia digitalizzata e neutrale dal punto di vista climatico. Tra queste, i metalli rari necessari per la produzione di batterie (litio, cobalto), turbine eoliche (terre rare) e display elettronici (indio).
Attualmente, tuttavia, l’estrazione e la fusione sono concentrate in pochi Paesi extra-UE come Cina, Australia e Sudafrica. Questa struttura di approvvigionamento rafforza la dipendenza geostrategica dell’Europa e crea molteplici rischi in termini di andamento dei prezzi, sicurezza dell’approvvigionamento ed effetti ambientali.
È per questo motivo che la Commissione europea ha elaborato ed ufficialmente presentato lo scorso 16 marzo 2023, una proposta di Regolamento più conosciuto con la denominazione di “European Critical Raw Materials Act” ed una correlata Comunicazione, nei quali tra l’altro vengono fissati anche degli obiettivi di estrazione mineraria minima “domestica” di tali materiali.
Sebbene di recente siano state effettuate scoperte isolate su larga scala in Europa, come in Svezia e Norvegia, non esiste però ancora una strategia di esplorazione sistematica.
Una via d’uscita potrebbe essere offerta dalle cosiddette esplorazioni “greenfield”, ossia l’esplorazione di terreni precedentemente inesplorati. Tuttavia, l’elevata incertezza dei risultati e i costi considerevoli dei metodi di esplorazione convenzionali rappresentano un chiaro ostacolo all’incentivazione di tali strategie.
Vantaggi dell’intelligenza artificiale nell’industria mineraria
L’uso dell’intelligenza artificiale nell’esplorazione delle risorse può aumentare significativamente l’efficienza dei costi e la velocità di ricerca, questo è quello che due ricercatori del Centres for European Policy Network (CEP), André Rene Wolf e Anselm Küsters affermano in un originale contributo di analisi dedicato proprio a questa opportunità.
Alcune imprese e start-up non europee, quali MiraGeoscience, KoBoldMetals, EarthAI e Minerva Intelligence, hanno già costruito database che riuniscono informazioni sulla crosta terrestre provenienti da rapporti geologici, campioni di terreno, immagini satellitari e ricerche accademiche. Ciò consente di utilizzare l’intelligenza artificiale per identificare le caratteristiche dei luoghi in cui sono stati trovati i metalli in passato.
Il software basato sull’intelligenza artificiale può anche essere utilizzato per regolare i piani di rilevamento aereo su base giornaliera, in modo da trovare più rapidamente luoghi promettenti per la perforazione. Secondo i primi test sul campo, l’intelligenza artificiale aumenta il tasso di successo di circa 25 volte.
Dal punto di vista di un investitore, la decisione di esplorare nuovi giacimenti di risorse è soggetta ad un calcolo di rendimento a lungo termine. Gli indicatori generati dall’IA possono quindi contribuire a ridurre le incertezze o a rendere più trasparenti i rischi esistenti. Tuttavia, a causa dell’impossibilità di privatizzare completamente il guadagno di informazioni derivante dall’esplorazione e degli elevati costi fissi nella fornitura di servizi di IA, sono necessarie una adeguata spinta politica e condizioni quadro coordinate per lo sviluppo di mercati di servizi corrispondenti anche in Europa.
Materie prime critiche: quali sono e le strategie Ue per rifornirsene
Sfide per l’applicazione europea
Il raggruppamento dei dati intorno a giacimenti già noti pone delle sfide per i software guidati dall’intelligenza artificiale nel settore minerario, in quanto sono necessari esempi positivi per addestrare gli algoritmi. Inoltre, i dati geologici sono spesso molto frammentari, sia dal punto di vista spaziale che temporale. Questa disomogeneità, insieme alla qualità incoerente dei dati e al raggruppamento degli esempi positivi, può portare i sistemi di IA a rilevare falsi segnali o a fare previsioni errate, con conseguenze drammatiche sull’impatto ambientale.
Per questo motivo, nella creazione di un tale mercato risulterebbe importante garantire che i sistemi base siano addestrati su dati di alta qualità e che gli effetti di interdipendenza siano monitorati anche da parte di essere umani (“humans in the loop”), analogamente agli attuali piani dell’UE per la normativa sull’IA riguardante i sistemi ad alto rischio. Anche se è possibile generare dati di addestramento sufficientemente dettagliati e di alta qualità per l’Europa e condividerli, ad esempio attraverso il programma Copernicus, saranno necessarie ulteriori ricerche sugli algoritmi più robusti ed un’attenta validazione delle previsioni.
Poiché una volta individuati i “metalli target” diviene poi necessario estrarli fisicamente ed uno strumento di esplorazione guidato dall’intelligenza artificiale deve anche ridurre al minimo il derivante impatto ambientale. Nell’interesse della sostenibilità, gli algoritmi dovrebbero quindi saper valutare pure le informazioni sugli effetti ambientali attesi dallo sfruttamento commerciale. Usando anche indicatori “difendibilità” sociale di tali progetti nonché la loro accettabilità etica, già elementi raccolti ad esempio con dei sondaggi, che possono essere integrati nella serie di dati come parametri esterni generali di cui tener conto.
AI nella legge sulle materie prime critiche?
La proposta UE di legge sulle materie prime critiche prevede regole informative piuttosto precise nel settore dell’esplorazione delle materie prime, del monitoraggio dei rischi legati alle materie prime e dell’attuazione di stress test per le catene di approvvigionamento. I dati necessari a tal fine sono complessi e stratificati. In tutte queste aree, l‘IA quindi, anche se allo stato attuale non ancora espressamente menzionato nel testo, potrà svolgerà un ruolo sempre più importante in futuro, al fine di prevedere in modo più affidabile i potenziali depositi e i rischi legati alle materie prime.
L’UE dovrebbe innanzitutto garantire che i dati geospaziali affidabili e dettagliati siano sufficientemente disponibili al pubblico. Inizialmente dovrebbe sostenere le start-up di IA finanziariamente ed attraverso concorsi di innovazione. Norme e regole di trasparenza per l’uso dell’IA nel settore minerario possono ridurre l’incertezza giuridica e creare fiducia. Sarebbero utili anche offerte di istruzione e formazione mirate all’interfaccia tra IA e geo-scienze, dato che l’Europa perde regolarmente una parte considerevole delle proprie competenze in materia di IA a favore degli Stati Uniti. Infine, è ipotizzabile l’utilizzo dell’IA nelle procedure pubbliche di approvazione per la concessione di licenze di esplorazione e di estrazione mineraria, al fine di abbreviarle e ridurre i costi amministrativi.
Per rafforzare la sicurezza di approvvigionamento dell’Europa nel settore delle materie prime critiche, la sola esplorazione basata sull’IA non risulterebbe comunque sufficiente.
Per un uso ecologico e competitivo delle risorse individuate, sono necessarie diverse altre leve in materia di economia circolare, migliori processi amministrativi ed una nuova “diplomazia internazionale” delle risorse. Anche in questo caso però, l’intelligenza artificiale può essere utile, ad esempio per identificare e classificare le risorse di materie prime inattive presenti nei prodotti di consumo.
La nuova legislazione UE sulle materie prime critiche dovrà compiere un primo importante passo verso un approvvigionamento di materie prime in Europa di tipo resiliente e questo potrebbe includere anche l’utilizzo del potenziale dell’IA, quasi che fosse una “bacchetta da rabdomante digitale”.
