La più grande sfida sul pianeta per i cambiamenti climatici potrebbe trarre vantaggio dall’apprendimento automatico trovando valide soluzioni. Eccone alcune.

I cambiamenti climatici sono la più grande sfida per il pianeta. Per questo motivo la ricerca di soluzioni è inarrestabile, compreso il tentativo di utilizzare tecnologie come l’intelligenza artificiale (AI), come abbiamo visto in questo articolo.

Con la possibilità di sostenere la causa, alcuni dei più grandi esperti di intelligenza artificiale e machine learning hanno recentemente pubblicato un documento intitolato “Affrontare il cambiamento climatico con l’apprendimento automatico“. Il documento, che è stato discusso a Giugno 2019 durante una conferenza, è stato una “chiamata alle armi” per riunire i ricercatori attorno a questo tema.

“È sorprendente il numero di problemi a cui l’apprendimento automatico può contribuire significativamente“, ha affermato Rolnick, uno degli organizzatori.

Il documento offre 13 aree in cui è possibile implementare l’apprendimento automatico per i cambiamenti climatici, comprese:

• la produzione di energia;
• la rimozione di CO 2;
• l’educazione;
• la geoingegneria solare;
• la finanza. 

Le possibilità includono edifici più efficienti dal punto di vista energetico, creazione di nuovi materiali a basse emissioni di carbonio, un migliore monitoraggio della deforestazione e trasporti più ecologici. Tuttavia, nonostante il grande potenziale, siamo solo agli inizi del percorso e l’intelligenza artificiale non può risolvere tutto. Può però portare nuove soluzioni al problema.

Come ha ben spiegato il National Geographic, sono diversi i modi in cui il machine learning può aiutare a combattere i cambiamenti climatici. Vediamone alcuni.

Machine learning per i cambiamenti climatici

L’ambiente e le nuove tecnologie sono ambiti in cui l’informatica si sta manifestando in questi ultimi anni. Sono settori di punta in cui c’è una domanda molto alta d’innovazione, tecnologia e ricerca che l’informatica può sicuramente affrontare. 

L’informatica climatica coinvolge una serie di argomenti: dal miglioramento della previsione di eventi estremi come gli uragani, alla ricostruzione delle condizioni climatiche del passato usando dati raccolti dal ghiaccio, o ancora l’utilizzo di modelli su larga scala per prevedere il tempo e gli impatti socio-economici del clima.

Oggi una gran parte delle sperimentazioni si concentra sugli effetti di un ambiente che cambia. 

Per renderli più realistici i ricercatori del Montreal Institute for Learning Algorithms (MILA), Microsoft e ConscientAI Lab stanno lavorando su GAN, uno strumento basato sul machine learning che simula i danni provocati dall’innalzamento del livello del mare e tempeste più intense sulle abitazioni.

GAN, dato un indirizzo, genera una proiezione dell’immagine che probabilmente si verificherà, basandosi su un modello climatico di fenomeni meteorologici estremi.

“Il nostro obiettivo non è quello di convincere le persone che il cambiamento climatico è reale, è quello di convincere le persone che è necessario fare di più”, ha dichiarato Victor Schmidt, che collabora al progetto del MILA.

I piani futuri includono il rilascio di un’app per mostrare alle persone come potrebbero diventare i loro quartieri e le loro case in futuro a seguito dei cambiamenti climatici. 

Misurare da dove viene il carbonio

Carbon Tracker è uno strumento realizzato per raggiungere l’obiettivo delle Nazioni Unite di impedire la costruzione di nuove centrali a carbone entro il 2020. Monitorando le emissioni delle centrali di carbone attraverso le immagini satellitari, Carbon Tracker può utilizzare i dati raccolti per convincere l’industria finanziaria che questo non è un sistema redditizio.

Una sovvenzione da parte di Google sta ampliando gli sforzi compiuti dalle immagini satellitari per tracciare anche le emissioni delle centrali a gas e capire da dove provenga l’inquinamento atmosferico. Il vantaggio di questo sistema è la possibilità di essere utilizzato in tutto il mondo, anche in luoghi privi di controllo. 

L’intelligenza artificiale può automatizzare l’analisi delle immagini delle centrali elettriche per ottenere aggiornamenti regolari sulle emissioni. Introduce anche nuovi modi per misurare l’impatto di un impianto, riducendo il numero di infrastrutture nelle vicinanze e l’uso di elettricità. 

Carbon Tracker analizzerà le emissioni da 4.000 a 5.000 centrali elettriche, ottenendo molte più informazioni di quelle attualmente disponibili e rendendole pubbliche. In futuro, se passasse una tassa su queste emissioni, il rilevamento remoto di Carbon Tracker potrebbe contribuire a stabilire un prezzo per le emissioni e individuare i responsabili.

In conclusione

Il cambiamento climatico è un problema molto grande e la sua complessità è ampliata da molti attori coinvolti e da entità governative di tutto il mondo che non sono sempre aperte al cambiamento. 

È una corsa, quella dei climatologi, contro il tempo e contro i limiti delle capacità di elaborazione dei computer, mai abbastanza potenti per simulare tutto quello che gli scienziati vorrebbero. Abbiamo già visto per esempio in questo articolo, quanti siano gli sforzi per ottenere data center sostenibili, a basso consumo energetico e sistemi efficienti.

Più rapidamente potremmo trarre dei benefici dall’utilizzo l’intelligenza artificiale e l’apprendimento automatico, maggiore sarà la nostra probabilità di successo per rallentare il danno causato da i cambiamenti climatici.