Apparentemente non c'è punto di incontro tra il mondo dell'Intelligenza artificiale e quello agroalimentare. Eppure il Governo federale statunitense ha deciso di stanziare ben 20 milioni di dollari per dare un'accelerata proprio all'applicazione dell'Ia all'agricoltura.
Il progetto prevede una cooperazione tra tre agenzie pubbliche (Usda, Nifa e Nsf) e svariate università sparse sul territorio che andranno a sviluppare conoscenze e metodi per applicare le ultime tecnologie digitali al mondo del cibo. L'obiettivo è quello di migliorare la sostenibilità delle produzioni agroalimentari, ma anche produrre un cibo più sano e sicuro.
Per capire meglio come l'Ia può essere messa al servizio dell'agricoltura facciamo qualche esempio. Oggi per registrare una nuova sostanza attiva servono anni: c'è prima una lunga fase di screening delle molecole che possono avere un effetto interessante dal punto di vista agronomico, vengono poi eseguiti dei test in laboratorio e infine in campo.
Il processo costa milioni di dollari e mediamente dieci anni di tempo. L'Intelligenza artificiale può accorciare drasticamente costi e tempi di sviluppo. Esistono modelli che simulano l'interazione tra una molecola e un organismo patogeno e poi tra la molecola e l'ambiente. Questo permette una scrematura iniziale molto veloce delle molecole che non hanno alcuna chance di arrivare sul mercato e permette alle aziende di concentrarsi solo su quelle più promettenti.
L'Intelligenza artificiale è anche in grado di migliorare l'operatività degli allevamenti. Software intelligenti sono in grado di riconoscere ad esempio i maiali all'interno di allevamenti con migliaia di esemplari e di monitorarne il comportamento e i parametri vitali in maniera automatica per individuare fattori di stress o di malattia. Questo permette una gestione di precisione della mandria, con ricadute economiche positive e un aumento del benessere animale.
Ma l'Intelligenza artificiale può assistere l'agricoltore anche nella scelta della semente più performante per quel dato appezzamento oppure fare previsioni di scenario su come evolverà il clima.
Il concetto di Intelligenza artificiale va a braccetto con quello di big data, quella mole enorme ed eterogenea di dati che vengono prodotti e talvolta registrati all'interno delle aziende. Dati meteo, immagini delle telecamere di sorveglianza, bolle di consegna, orari dei lavoratori, stock a magazzino e centinaia di altre fonti di dati racchiudono un'immensa ricchezza, ma solo se si ha un sistema, intelligente, in grado di mettere in relazione dati di natura diversa, in grande volume e in continua produzione.
Un altro campo di applicazione dell'Ia è quello della robotica. Gli Usa stanno vivendo un momento di carenza di manodopera dovuto da un lato alla chiusura dei confini con il Messico e dall'altro dall'epidemia di coronavirus. Questa mancanza di lavoratori ha spinto fortemente l'industria a sviluppare sistemi robotici, ad esempio per la raccolta di frutta e ortaggi. Ma per insegnare ad una macchina a distinguere una mela sulla pianta e a raccoglierla in maniera delicata, senza rovinarla, riponendola in una cassetta serve un'intelligenza davvero evoluta.
Il progetto prevede una cooperazione tra tre agenzie pubbliche (Usda, Nifa e Nsf) e svariate università sparse sul territorio che andranno a sviluppare conoscenze e metodi per applicare le ultime tecnologie digitali al mondo del cibo. L'obiettivo è quello di migliorare la sostenibilità delle produzioni agroalimentari, ma anche produrre un cibo più sano e sicuro.
Per capire meglio come l'Ia può essere messa al servizio dell'agricoltura facciamo qualche esempio. Oggi per registrare una nuova sostanza attiva servono anni: c'è prima una lunga fase di screening delle molecole che possono avere un effetto interessante dal punto di vista agronomico, vengono poi eseguiti dei test in laboratorio e infine in campo.
Il processo costa milioni di dollari e mediamente dieci anni di tempo. L'Intelligenza artificiale può accorciare drasticamente costi e tempi di sviluppo. Esistono modelli che simulano l'interazione tra una molecola e un organismo patogeno e poi tra la molecola e l'ambiente. Questo permette una scrematura iniziale molto veloce delle molecole che non hanno alcuna chance di arrivare sul mercato e permette alle aziende di concentrarsi solo su quelle più promettenti.
L'Intelligenza artificiale è anche in grado di migliorare l'operatività degli allevamenti. Software intelligenti sono in grado di riconoscere ad esempio i maiali all'interno di allevamenti con migliaia di esemplari e di monitorarne il comportamento e i parametri vitali in maniera automatica per individuare fattori di stress o di malattia. Questo permette una gestione di precisione della mandria, con ricadute economiche positive e un aumento del benessere animale.
Ma l'Intelligenza artificiale può assistere l'agricoltore anche nella scelta della semente più performante per quel dato appezzamento oppure fare previsioni di scenario su come evolverà il clima.
Il concetto di Intelligenza artificiale va a braccetto con quello di big data, quella mole enorme ed eterogenea di dati che vengono prodotti e talvolta registrati all'interno delle aziende. Dati meteo, immagini delle telecamere di sorveglianza, bolle di consegna, orari dei lavoratori, stock a magazzino e centinaia di altre fonti di dati racchiudono un'immensa ricchezza, ma solo se si ha un sistema, intelligente, in grado di mettere in relazione dati di natura diversa, in grande volume e in continua produzione.
Un altro campo di applicazione dell'Ia è quello della robotica. Gli Usa stanno vivendo un momento di carenza di manodopera dovuto da un lato alla chiusura dei confini con il Messico e dall'altro dall'epidemia di coronavirus. Questa mancanza di lavoratori ha spinto fortemente l'industria a sviluppare sistemi robotici, ad esempio per la raccolta di frutta e ortaggi. Ma per insegnare ad una macchina a distinguere una mela sulla pianta e a raccoglierla in maniera delicata, senza rovinarla, riponendola in una cassetta serve un'intelligenza davvero evoluta.
