David Rolnick e i colleghi della McGill University stanno lavorando a nuove tecniche di apprendimento automatico da applicare allo studio dei cambiamenti climatici.
di Will Douglas Heaven
Nel 2019, quando era all’Università della Pennsylvania, David Rolnick ha pubblicato un importante studio che descriveva vari modi in cui l’apprendimento automatico potrebbe ridurre le emissioni di gas serra e aiutare la società ad adattarsi ai cambiamenti climatici, dalla previsione del fabbisogno energetico alla gestione delle foreste alla modellazione di sistemi meteorologici su scala planetaria.
I suoi coautori includevano il cofondatore di DeepMind Demis Hassabis e il vincitore del Turing Award Yoshua Bengio. Quell’anno, Rolnick è stato l’organizzatore principale dei primi workshop sui cambiamenti climatici in tre importanti conferenze sull’AI e organizzatore principale di un evento sull’intelligenza artificiale alla Conferenza delle Nazioni Unite sui cambiamenti climatici.
“David Rolnick è stato estremamente influente nel convocare i professionisti dell’intelligenza artificiale per lavorare sui cambiamenti climatici”, afferma Andrew Ng, cofondatore di Google Brain ed ex responsabile scientifico di Baidu. “Aiutando a plasmare una visione di come l’intelligenza artificiale potrebbe contrastare il cambiamento climatico e organizzando instancabilmente una comunità attorno ad esso, ha catalizzato una quantità significativa di attività su questo importante argomento”.
Rolnick ora guida un gruppo alla McGill University che utilizza diverse tecniche di intelligenza artificiale per affrontare i problemi legati al clima. Per esempio, i dati rilevanti per il cambiamento climatico – spesa per infrastrutture o emissioni di gas serra o semplicemente modelli meteorologici – variano enormemente da un paese all’altro. Eppure il clima deve essere compreso a livello globale.
“Nel Sud del mondo ci possono essere meno informazioni sulle infrastrutture”, afferma Rolnick. “Quindi i responsabili politici potrebbero avere meno da fare quando si tratta di prendere decisioni sui requisiti energetici o sulla gestione del rischio di inondazioni costiere”. I paesi hanno anche normative diverse su cosa viene registrato e cosa non viene registrato. La Germania raccoglie informazioni su dove si trovano i suoi pannelli solari, per esempio, ma gli Stati Uniti no, quindi i ricercatori stanno utilizzando l’apprendimento automatico per identificare i pannelli solari negli Stati Uniti dalle immagini satellitari.
L’apprendimento automatico può anche essere utilizzato per prevedere la domanda di energia in modo più accurato di quanto sia possibile con le tecniche esistenti, afferma Rolnick. Ciò consente ai fornitori di energia di gestire le proprie reti elettriche in modo più efficiente.
Inoltre, il suo gruppo sta costruendo algoritmi per l’apprendimento del trasferimento, che implica l’addestramento di un’intelligenza artificiale su una serie di esempi e quindi il trasferimento di ciò che ha appreso a nuove situazioni. Sta anche effettuando ricerche sul meta-apprendimento, un insieme di tecniche che migliorano l’intelligenza artificiale nell’apprendimento da set di dati piccoli o incompleti. Rolnick pensa che questi metodi siano particolarmente utili per modellare la biodiversità perché le fonti di dati del mondo reale sono frammentarie.
Rolnick è anche coinvolto in progetti che combinano l’apprendimento automatico con modelli climatici per simulare processi fisici e atmosferici complessi come la formazione delle nuvole. Il modo preciso in cui si formano le nuvole e quanto riflettono o assorbono la luce solare, è una delle maggiori fonti di incertezza nei modelli climatici esistenti, in parte perché la simulazione delle nuvole nei modelli climatici è complessa dal punto di vista computazionale.
Rolnick e i suoi collaboratori sono convinti che l’AI sarà uno strumento cruciale nella lotta ai cambiamenti climatici. Tuttavia, vi sono crescenti preoccupazioni sul fatto che lo stesso apprendimento automatico sia parte del problema.
Anche se riconosce che la formazione dei più grandi modelli di intelligenza artificiale di oggi consuma grandi quantità di energia, Rolnick sottolinea che ciò contribuisce a una piccola frazione delle emissioni globali e che i veri rischi climatici dell’AI hanno probabilmente più a che fare con i suoi usi in aree come il petrolio e esplorazione del gas. “Sono molto più preoccupato per le applicazioni negative dell’apprendimento automatico che per il suo consumo energetico”, conclude.
(rp)
*foto: David Rolnick.Guillaume Simoneau
