OpenAI ha di fatto aperto una sorta di moda per lo sviluppo di nuove “diavolerie” all’insegna dell’Intelligenza Artificiale, oramai applicata a tutti i campi.
Gli ingegneri di Cornell hanno sfruttato proprio quell’abilità di una macchina di mettersi in relazione con quello che percepisce attorno a sé per risolvere problemi: in questo caso un tema di stretta 0attualità, in rima baciata, l’inquinamento in città.
Lo studio ha permesso loro di semplificare e rafforzare modelli di AI, appunto, che calcolano con precisione il particolato fine (PM2.5) effetti tipo la fuliggine, la polvere e i gas di scarico emessi da camion e automobili contenuti nell’inquinamento atmosferico urbano, che alla fine del loro percorso entrano dentro i polmoni di una persona: uomo, donna, bambino, animale, nessuno escluso.
Il report di Cornell è un importante spunto di riflessione per urbanisti e i funzionari sanitari del governo, che avranno in mano dati più precisi sul benessere degli abitanti delle città e dell’aria che respirano, proprio grazie a un’analisi dettagliata e accurata, pubblicata sulla rivista Transportation Research Part D. “L’infrastruttura determina il nostro ambiente di vita, la nostra esposizione“. E’ l’estrema sintesi di Olivier Gao, professore Howard Simpson di ingegneria civile e ambientale presso il College of Engineering.
“L’impatto dell’inquinamento atmosferico dovuto ai trasporti, emessi come gas di scarico dalle auto e dai camion che circolano sulle nostre strade – ammette – è molto complicato. Le nostre politiche in materia di infrastrutture, trasporti ed energia avranno un impatto sull’inquinamento atmosferico e quindi sulla salute pubblica“. I metodi precedenti per misurare l’inquinamento atmosferico erano francamente molto farraginosi, complessi e, soprattutto, un po’ ingombranti. Non alla moda, si potrebbe dire. Certamente senza Intelligenza Artificiale. Facevano affidamento solo su quantità – straordinarie – di punti dati.
Un metodo più snello e meno intensivo
“I vecchi modelli per calcolare il particolato erano computazionalmente e meccanicamente consumanti e complessi – continua Olivier Gao, un docente proprio presso il Cornell Atkinson Center for Sustainability – ma se sviluppi un modello di dati facilmente accessibile, con l’aiuto dell’intelligenza artificiale che riempie alcuni spazi vuoti, puoi avere un modello accurato su scala locale“.
Gao, insieme a Mohammad Tayarani, ha pubblicato in tal senso lo studio chiamato “Sviluppo di modelli di apprendimento automatico per la mappatura della concentrazione di particolato correlata al traffico iperlocale” con l’intento di offrire un metodo più snello e meno intensivo di dati per la creazione di modelli accurati. Un report da tenere in considerazione.
L’inquinamento atmosferico è una delle principali cause di morte prematura in tutto il mondo. A livello globale, più di 4,2 milioni di decessi annuali sono stati attribuiti proprio a questo fenomeno causato dall’uomo.