Cos’è l’intelligenza artificiale? Quali sono le sue componenti fondamentali? Quali applicazioni di IA sono già una realtà in agricoltura e quali saranno realtà nel futuro prossimo? Proviamo a rispondere a tutti questi interrogativi.
Che la chiamiamo IA, per prediligere le lingue latine, o AI, alla anglosassone, l’intelligenza artificiale è tra noi e permea ormai pressoché tutte le attività produttive, oltre alla nostra quotidianità. Questo non da oggi, in realtà, ma la crescita iperbolica delle “espressioni” della IA e parallelamente dell’interesse (anche e soprattutto mediatico) nei loro confronti si è verificata negli ultimi due – tre anni.
In tutto questo, l’agricoltura? Come scrive qui Vincent Martin, direttore dell’Ufficio Innovazione Fao, “nella grande corsa alle soluzioni di IA in agricoltura, nessuno vuole restare indietro”. Ciò che l’intelligenza artificiale può fare e già sta facendo in questo settore è affascinante ed entusiasmante. Ma le sfide sono numerose e qualche nodo da sciogliere c’è.
Prima di fare qualche riflessione sul ruolo della IA in agricoltura, mettiamo un po’ di ordine sull’argomento “intelligenza artificiale”.
Si parla di intelligenza artificiale – e soprattutto la si studia – dagli anni Cinquanta del secolo scorso, quando i ricercatori iniziarono a esplorare la possibilità di replicare i processi mentali umani attraverso sistemi computazionali.
Nel 2012 la situazione ha subito una prima radicale trasformazione, grazie alla concomitanza di diversi elementi determinanti, quali:
L’introduzione dell’intelligenza artificiale generativa nel 2022 ha rappresentato l’ulteriore punto di svolta epocale, con l’affermazione di modelli linguistici di grandi dimensioni, esemplificati da sistemi come ChatGPT – nei quali la generazione di testi sulla base di “prompt” digitati dall’utente è solo una delle infinite funzionalità – ha ridefinito e tremendamente ampliato i confini applicativi della IA, sempre che di confini si possa parlare.
L’esplosione di tool di intelligenza artificiale generativa disponibili per chiunque, che ha caratterizzato gli ultimi anni, pone alcune questioni cruciali pertinenti l’etica, la tutela della proprietà intellettuale, la cultura, la formazione, l’occupazione e, non da ultimo, la velocità con cui la società riesce ad adattarsi a queste innovazioni dirompenti, nonché i potenziali divari che potrebbero emergere nella diffusione di queste tecnologie.
L’AI Act, il regolamento europeo sull’intelligenza artificiale entrato in vigore il 1º agosto 2024. rappresenta la prima normativa al mondo che disciplina l’uso della IA in modo sistematico. Di fatto, esso mira a rendere l’Europa il continente emblema di una “IA responsabile”, rafforzandone lo sviluppo ma garantendo al contempo la sicurezza e il rispetto dei diritti umani fondamentali.
L’AI Act stabilisce quattro categorie di rischio per i sistemi di intelligenza artificiale, a seconda del loro potenziale impatto sui cittadini e dichiara fuori legge alcune applicazioni di IA che minacciano i diritti umani fondamentali, tra cui i sistemi di riconoscimento biometrico in tempo reale in spazi pubblici e quelli di manipolazione comportamentale. Settori ad alto rischio sono quello medico e quello dei trasporti, per citarne alcuni, mentre l’agricoltura viene considerata a rischio medio.
Il Regolamento prevede la nomina di autorità competenti da parte degli Stati membri e la creazione di un comitato europeo per l’intelligenza artificiale, con ruolo di supervisione.
Sono tre i componenti fondamentali dell’intelligenza artificiale.
<span data-mce-type="bookmark" style="display: inline-block; width: 0px; overflow: hidden; line-height: 0;" class="mce_SELRES_start"></span><span data-mce-type="bookmark" style="display: inline-block; width: 0px; overflow: hidden; line-height: 0;" class="mce_SELRES_start"></span>
Tre definizioni spesso utilizzate. A cosa si riferiscono? In che rapporti sono tra di loro?
Machine learning, deep learning e computer vision sono sottocampi specializzati dell’intelligenza artificiale.
Il machine learning è la costruzione di modelli basati su un insieme più o meno ampio di dati grazie all’apprendimento automatico.
Il deep learning invece è una branca del machine learning basata sulle reti neurali, sistemi di apprendimento automatico a più livelli che elaborano numeri incredibili di interconnessioni e si ispirano al funzionamento del cervello umano. Si tratta della tecnologia su cui si basano Chat-GPT, Google Gemini e simili. Tra le applicazioni pratiche del deep learning in agricoltura vi sono i Dss, Sistemi di Supporto alle Decisioni.
Il computer vision è la tecnologia attraverso cui un computer viene addestrato a riconoscere e interpretare immagini. Tale tecnologia combina tecniche di machine learning e deep learning per analizzare immagini e video, riconoscere oggetti, volti, testi, e comprendere scene complesse. In agricoltura, per esempio, il computer vision viene utilizzato per diagnosticare fitopatie o fisiopatie sulla scorta di immagini di sintomi.
Il machine learning è un metodo per realizzare la IA, il deep learning è una tecnica avanzata di machine learning e la computer vision è un’applicazione specifica che spesso utilizza tutte queste tecnologie.
Dopo tutto lo “spiegone” introduttivo, dobbiamo pur tornare al nostro interrogativo primario ovvero: quali sono le principali applicazioni della IA in agricoltura, già esistenti e in arrivo nel futuro prossimo?
Oltre ad ascoltare la già citata puntata del podcast Fatti di terra, quale miglior modo per scoprirlo se non chiederlo alla IA stessa? Ecco cosa ci ha risposto ChatGPT.
“Le principali applicazioni dell’intelligenza artificiale in agricoltura sono già in fase di sperimentazione o implementazione.
Tra queste vi è l’utilizzo di droni con tecnologie IA per monitorare le colture e individuare eventuali problemi come malattie o carenze idriche. Inoltre, la IA è impiegata per ottimizzare l’utilizzo dei fertilizzanti e dei pesticidi, riducendo gli sprechi e migliorando la produttività. Altre applicazioni in agricoltura includono sistemi di raccolta dati in tempo reale per analizzare le condizioni del terreno e delle colture, sistemi di irrigazione automatica basati su sensori e algoritmi di machine learning per garantire un uso efficiente delle risorse idriche, e robot autonomi per seminare, coltivare e raccogliere i prodotti agricoli. Nel futuro prossimo, si prevede un aumento delle applicazioni della IA in agricoltura, tra cui sistemi di controllo delle erbe infestanti mediante robotica e intelligenza artificiale, previsione delle rese agricole basate su modelli predittivi e sistemi di gestione integrata delle malattie delle piante”.
Stiamo parlando di agricoltura e quindi dobbiamo sempre restare coi piedi per terra. Come?
Maturando la consapevolezza di alcune criticità legate all’uso della IA in agricoltura.
Vincent Martin, nel già citato articolo, ne elenca diverse. Molte di esse sono discusse anche nel nostro podcast. Ma riteniamo importante riportare tre passaggi dell’articolo.
Il primo riguarda un accesso non omogeneo alla IA a livello globale: “I paesi ad alto reddito dispongono in genere di dati più solidi e quindi di modelli di IA più efficaci, ma anche delle competenze necessarie per utilizzare la tecnologia laddove può avere un impatto positivo maggiore. La missione della FAO è aiutare i paesi del Sud del mondo a colmare queste lacune e indirizzare l’uso dell’IA per rendere i nostri sistemi agroalimentari più sostenibili, resilienti e inclusivi. Se faremo un buon lavoro, potremo nutrire il mondo. Se non lo faremo, creeremo un mondo in cui staremo peggio”.
Il secondo sottolinea il tema della dipendenza dell’agricoltura dalla tecnologia: “Gli agricoltori che si affidano a strumenti di IA per la pianificazione delle loro attività produttive sono esposti a vulnerabilità se questi sistemi subiscono interruzioni o guasti tecnici. Questa dipendenza sottolinea l’importanza di sviluppare sistemi resilienti e ridondanti per proteggersi da tempi di inattività imprevisti”.
Il terzo, infine, riporta il tema disparità di genere: “È fondamentale riconoscere che le competenze digitali sono ancora afflitte da un divario di genere. Non dobbiamo mai dimenticare la necessità di uno sforzo concertato per promuovere ambienti di apprendimento sensibili alle questioni di genere e l’istruzione STEM (scienza, tecnologia, ingegneria e matematica) per le donne e le ragazze. Affrontando queste disparità e sostenendo le donne e le ragazze nell’acquisizione di competenze digitali avanzate, è possibile realizzare il potenziale di soluzioni di IA più inclusive, eque e innovative”.
Vuoi saperne di più sul tema dell’intelligenza artificiale in agricoltura? Ecco una selezione di pubblicazioni scientifiche apparse nel 2024
Buona consultazione!
Le nostre soluzioni integrate per l’agricoltura sostenibile.
*Campi obbligatori
Usare i prodotti fitosanitari con precauzione. Prima dell’uso leggere sempre l’etichetta e le informazioni sul prodotto.
