Capire meglio l’ambiente grazie all’IA

Gli smartphone in tasca, le videocamere per strada, i droni in volo e i satelliti nello spazio: siamo circondati da sensori che raccolgono senza sosta un’enorme quantità di dati su di noi e sull’ambiente. Sebbene spesso considerate uno strumento di controllo, queste informazioni ci offrono anche importanti opportunità per fare ricerca. 

«Utilizziamo i dati rilevati dai sensori per il nostro lavoro», spiega Devis Tuia, responsabile dell’Environmental Computational Science and Earth Observation Laboratory (ECEO) dell’EPFL. «Ma niente paura: le nostre analisi sono del tutto trasparenti e servono a salvaguardare l’ambiente. Incrociamo i dati sull’osservazione terrestre con metodi basati sull’IA come il machine learning per rilevare lo stato delle barriere coralline, la diffusione di specie animali nelle nostre montagne o i cambiamenti nelle foreste pluviali».

A rischio di estinzione

I Tropici ospitano alcuni dei più importanti ecosistemi forestali della Terra; oggi però sono gravemente minacciati dalla crisi climatica e da attività umane come l’espansione dell’agricoltura e dell’industria mineraria. Le stime dicono che il pianeta perde ogni anno circa cinque milioni di ettari di foreste, una superficie più grande della Svizzera. Ciò comporta il rilascio di enormi quantità di CO2 dannoso per il clima. A questo si aggiunge un impatto devastante sulla biodiversità per effetto del quale centinaia di specie rischiano di estinguersi. 

Poiché la deforestazione è accelerata da fattori differenti a seconda della regione, non esiste una soluzione efficace a livello globale. Un modello IA, al cui sviluppo ha partecipato anche il team di Tuia, usa sequenze temporali di immagini satellitari per stimare cosa accadrà dopo la deforestazione tropicale. Il modello basato sull’IA ha creato una mappa con le principali differenze nella perdita di foreste in Sud America, nel Sud-Est asiatico e nell’Africa subsahariana. La mappa serve da base per sviluppare misure adeguate a livello regionale. 

I polmoni verdi dei continenti non sono gli unici in pericolo. A rischio sono anche le «foreste pluviali degli oceani», ossia le barriere coralline, le più grandi strutture create da organismi viventi su questo pianeta con una superficie totale di 600 000 chilometri quadrati. Anche in questo caso la crisi climatica e lo sfruttamento umano degli ecosistemi mettono a rischio interi habitat e la loro fauna. E anche qui lo sviluppo di soluzioni adeguate non può prescindere dalle peculiarità regionali. 

Il team di Tuia ha perciò sviluppato DeepReefMap, un software open source basato sul deep learning – un ramo del machine learning in cui reti neurali artificiali ispirate dal funzionamento del cervello umano imparano da grandi quantità di dati. DeepReefMap utilizza per esempio i video subacquei registrati dai sommozzatori con una telecamera GoPro per mappare, osservare e creare modelli 3D delle barriere coralline. Si tratta di una soluzione di monitoraggio economicamente vantaggiosa e su vasta scala studiata per sostenere l’impegno delle regioni in via di sviluppo e sostenere strategie efficaci di protezione della natura.

Monitoraggio dei coralli

«Abbiamo testato DeepReefMap nel Mar Rosso collaborando con scienziati e decisori locali», racconta Tuia. «Siamo così riusciti a fornire una sorta di pacchetto completo per la protezione della natura che va oltre l’approccio basato sull’IA». A questo seguiranno progetti in altri Paesi e regioni con altre barriere coralline per rendere l’uso dell’IA il più agile e adattabile possibile. Questa tecnologia potrebbe così trovare impiego in tutto il mondo. Il fabbisogno di metodi di questo tipo basati sull’IA è grande quanto le lacune sulle nostre conoscenze in materia di biodiversità globale. Per colmarle dobbiamo usare materiale da diverse fonti come immagini, audio, testi e forse anche il DNA. L’essere umano da solo non è però in grado di analizzarle e si scontra con i propri limiti. L’IA, invece, può organizzare, catalogare, cercare e processare gigantesche quantità di dati di ogni tipo; è cioè capace di analizzarle in modo mirato. 

Questo però è possibile solo grazie a collaborazioni che vanno oltre i classici confini disciplinari. Occorre quindi riunire esperti da settori diversi come l’ecologia e la protezione della natura, ma anche la scienza dei dati e il machine learning, proprio come nei progetti di Tuia, che spiega: «Nessuna disciplina è in grado di fornire da sola tutte le risposte. Insieme però possiamo mettere in atto cambiamenti reali». 

Un tema, questo, che gli sta molto a cuore, legato anche all’interesse che da sempre nutre per il bene della natura e che lo ha spinto a studiare geografia e scienze ambientali. La passione per l’informatica è arrivata in un secondo tempo: «Ora sono felice di lavorare in un campo nel quale le mie due grandi passioni si intersecano e dare un piccolo contributo al futuro del pianeta». Tuia coglie frammenti di vita privata dei mammiferi alpini per capire quando vanno a caccia le volpi in montagna, quali percorsi di preciso fanno i lupi e cosa fanno i cervi quando pensano di non essere osservati. Ma l’aspetto ancora più importante è capire se esiste un nesso causale tra il cambio di abitudini degli animali e i pesanti effetti della crisi climatica e della attività umane sui loro habitat montani. 

Anche in questo caso i metodi tradizionali spesso falliscono. È difficile per l’uomo fare osservazioni dirette in maniera sistematica poiché potrebbero disturbare gli animali influenzandone i comportamenti. I sensori applicati sugli animali permettono di trarre informazioni di base su larga scala sul comportamento della fauna, ma non tengono conto dei dettagli relativi a singoli individui e delle loro interazioni con l’ambiente circostante. Le fototrappole, invece, vengono installate in un punto fisso e si attivano quando un animale ci passa vicino. Catturano comportamenti e interazioni unici e sono poco invasive. Nei progetti a lungo termine in particolare, i dati raccolti sono spesso così tanti che i ricercatori non riescono a trarne valutazioni significative.

Riconoscimento delle specie

È qui che entra in gioco il set di dati MammAlps sviluppato dal team di Tuia con altri partner dell’EPFL. Nel Parco Nazionale Svizzero, coinvolto anch’esso nel progetto, sono state dapprima installate nove videotrappole che hanno filmato da varie angolazioni specie come volpi, lupi e caprioli, registrandone anche i versi. I risultati sono stati più di otto ore di ricco materiale video nel quale si susseguivano uniche osservazioni di animali. 

I ricercatori hanno visionato e analizzato il materiale. Hanno contato gli animali e identificato le specie, ma anche classificato una serie di comportamenti come il camminare, il mangiare e l’annusare. Il set di dati sarà ulteriormente ampliato per includere anche specie più rare. Una prima versione open source è già disponibile per allenare i modelli di IA che impareranno a riconoscere in automatico le specie animali e i loro comportamenti utilizzando poi il materiale a supporto della ricerca degli ecologi. MammAlps è una risorsa importante e innovativa considerata come un nuovo benchmark nell’osservazione della fauna selvatica. 

«Vorrei creare una comunità di menti brillanti – studenti, ricercatori e professionisti – che sviluppi e utilizzi tecnologie importanti per la natura», dice Tuia. «Voglio fornire evidenze basate su dati concreti sugli effetti dei cambiamenti climatici e di altri cambiamenti causati dall’uomo sulla Terra. Solo così potremo adottare come comunità le decisioni giuste per le prossime generazioni di tutti gli esseri viventi».