Quando si parla di intelligenza artificiale si fa riferimento ad un mondo variegato di tecnologie, utili a risolvere una molteplicità di problemi e accomunate da un medesimo principio: lo sviluppo di algoritmi in grado di imitare il pensiero umano e di imparare man mano che vengono forniti nuovi input.
L'esempio più noto è sicuramente ChatGPT, lo strumento sviluppato da OpenAI e lanciato nel novembre 2022. Tuttavia le piattaforme oggi disponibili sono molteplici e coprono diversi settori.
Leggi anche Dieci idee per usare ChatGPT in azienda agricola
Ma quali sono i risvolti concreti dell'impiego dell'intelligenza artificiale in agricoltura? Esistono tre grandi campi di applicazione: il primo riguarda la fornitura di assistenza tecnica, il secondo è correlato al riconoscimento delle immagini e infine c'è l'analisi dei big data. Si tratta di tre macro applicazioni che non sono realmente distinte e che in un software ottimale dovrebbero integrarsi, ma che sono utili a categorizzare i diversi approcci all'impiego dell'intelligenza artificiale in agricoltura.
Leggi anche L'intelligenza artificiale chiama, l'agricoltura risponde
Il supporto alle decisioni, un agronomo sempre a portata di mano
Farmers Business Network è una società statunitense che ha sviluppato una piattaforma a supporto degli agricoltori dove possono essere scambiate informazioni, acquistati agrofarmaci, polizze assicurative, e grazie alla quale è possibile implementare i principi dell'agricoltura di precisione. Da pochi mesi è stato lanciato Norm, un chatbot basato sull'algoritmo di ChatGPT ma allenato su fonti qualificate relative al mondo agronomico (dati proprietari, paper scientifici, documenti dell'Usda, il Dipartimento dell'Agricoltura degli Stati Uniti d'America, eccetera).
Questo chatbot dovrebbe avere come obiettivo quello di supportare gli agricoltori nella gestione dei propri campi. In linea di principio dovrebbe saper rispondere a domande molto tecniche, come ad esempio: quale concime azotato è maggiormente indicato per fertilizzare il grano duro su terreni calcarei con temperature elevate? Oppure, quanti diffusori devo mettere in vigneto per la confusione sessuale contro la tignoletta della vite? Ma anche più generiche: definisci una strategia di difesa sostenibile di un meleto in conduzione biologica.
Abbiamo provato questo strumento, come anche il francese Agri1 e il tedesco AgriGPT e il livello di dettaglio delle risposte fornite non è assolutamente (per ora) sufficiente. Si tratta tuttavia di esperimenti agli inizi, che si basano su dataset limitati e sono dunque in grado di fornire risposte generiche, ma poco utili per l'agricoltore. Ma c'è da scommetterci che, nel giro di pochi anni, avranno raggiunto un livello di specificità tale da essere impiegati comunemente. La cosa fondamentale, a questo punto, è avere buoni dati di partenza.
L'interfaccia di Norm
(Fonte foto: Tratta dalla pagina dedicata a Norm)
Un altro aspetto interessante degli LLM, Large Language Model (modello linguistico di grandi dimensioni), questo l'acronimo che identifica gli strumenti di intelligenza artificiale generativi del linguaggio, è quello di fornire una interfaccia semplice a software complessi. Un esempio? Oggi molti agricoltori trovano difficile interagire con i Dss, i Sistemi di Supporto alle Decisioni, come ad esempio quelli sviluppati per la difesa delle colture, in quanto di ostica interpretazione. In futuro l'operatore potrà avere un assistente virtuale a cui chiedere semplicemente "come sta il mio vigneto oggi?". Il sistema darà una risposta semplice ed eventualmente consiglierà quale trattamento effettuare in quale parcella. Insomma, sarà come avere un agronomo sempre a portata di mano.
Ma l'aspetto che forse intriga di più gli agricoltori e li fa sentire meno rimpiazzati da una macchina è l'assistenza allo svolgimento delle pratiche burocratiche. Tra Politica Agricola Comune (Pac), certificazioni biologiche e SQNPI, disciplinari di produzione regionali, capitolati della Grande Distribuzione Organizzata (Gdo) e altro ancora, gli agricoltori passano molto tempo dietro alla burocrazia. La odiano e la temono. L'intelligenza artificiale potrà in futuro compilare automaticamente la domanda unica, ma anche suggerire un piano colturale o rispondere a qualunque dubbio circa le migliaia di norme, deroghe ed eccezioni intorno alla Pac.
L'intelligenza artificiale a supporto dell'analisi dei dati
L'altra grande forza dell'intelligenza artificiale è quella di rendere possibile l'analisi di moli enormi di dati, di vario formato e in continua evoluzione (i cosiddetti big data) al fine di individuare correlazioni di senso. Questa capacità è già oggi sfruttata nel mondo della ricerca, ad esempio per il miglioramento genetico o lo sviluppo di nuovi agrofarmaci.
Diverse grandi multinazionali, infatti, utilizzano l'intelligenza artificiale per creare gemelli digitali di piante e patogeni al fine di farli interagire con milioni di molecole virtuali con l'obiettivo di identificare quelle che potrebbero essere interessanti ai fini della difesa. Sei in passato si spendevano anni e milioni di dollari nei laboratori a testare le molecole per individuare quelle papabili per lo sviluppo di un nuovo prodotto, oggi tutta questa fase viene viene fatta a livello virtuale, con un abbattimento enorme dei costi e una velocizzazione dei processi.
Ma anche il breeding sta giovando delle possibilità aperte dall'intelligenza artificiale. Oggi esistono sistemi automatizzati per la fenotipizzazione delle piante in grado di registrare e analizzare migliaia di caratteri. Ma l'intelligenza artificiale è usata anche per decodificare il genoma delle piante ed è stata fondamentale per mappare quello del frumento tenero, che possiede un patrimonio genetico cinque volte quello umano, composto in gran parte però da ripetizioni.
L'agricoltore ha sicuramente meno contezza di questi aspetti positivi dell'intelligenza artificiale, ma si tratta di applicazioni che sono alla base degli strumenti che userà sempre di più in campo.
Il riconoscimento delle immagini: dagli insetti ai trattori
Il corpo umano è una macchina perfetta, frutto di milioni di anni di evoluzione. I nostri occhi sono in grado di percepire la luce riflessa dagli oggetti, inviare degli impulsi elettrici al nostro cervello che li trasforma in immagini. Siamo poi in grado di distinguere oggetti e di interagire con il mondo che ci circonda. Il tutto con una velocità sorprendentemente elevata, non ancora eguagliata dalla tecnologia. L'intelligenza artificiale sta imparando a fare qualcosa di simile attraverso i cosiddetti algoritmi di riconoscimento delle immagini.
Ma quali applicazioni può avere la capacità di un software di riconoscere la disposizione degli oggetti nel mondo reale? Infinite. Un esempio riguarda le trappole smart. Sopra il pannello appiccicoso della trappola viene posta una telecamera che fotografa gli insetti catturati. L'immagine viene elaborata da un algoritmo specifico che conta il numero di catture ed è in grado di identificare la specie a cui appartengono. I dati raccolti vengono poi passati ad algoritmi di analisi dei dati che identificano curve di popolazione e strategie di difesa.
Un esempio di trappole smart
(Fonte foto: Tratta da "Insect pest monitoring with camera-equipped traps: strengths and limitations")
Un altro esempio è la guida autonoma. Se a livello tecnologico oggi un trattore è in grado di guidarsi da solo, la sua interazione con il mondo esterno è invece meno accurata. Un trattore infatti può seguire una traiettoria grazie al proprio Gps, ma se deve evitare un ostacolo imprevisto o avanzare su terreni non caratterizzati è in difficoltà. In futuro l'intelligenza artificiale permetterà di abilitare una guida davvero autonoma, in grado di identificare ostacoli o potenziali fonti di pericolo e di prendere decisioni su come gestirli.
Un'applicazione interessante dell'intelligenza artificiale al servizio del riconoscimento delle immagini riguarda il diserbo di precisione. La startup Carbon Robotics ha messo a punto una diserbatrice laser in grado di distinguere le infestanti in campo dalla coltura principale e di devitalizzarle con un raggio laser mirato. Quello che cento anni fa facevano le mondine a mano, con le gambe immerse nell'acqua, ora lo fanno un raggio laser e un software.
Il sistema di Carbon Robotics riesce a distinguere le infestanti al solo
(Fonte foto: Carbon Robotics)
È finita l'epoca degli agricoltori?
Qualcuno potrebbe immaginare un futuro distopico, in cui gli agricoltori non saranno più necessari e le macchine coltiveranno autonomamente i campi e si prenderanno cura di vacche e maiali. Per adesso si tratta solo di fantascienza, ma l'intelligenza artificiale e, in generale, la tecnologia, saranno indispensabili nei prossimi anni per gestire la rivoluzione epocale che sta attraversando il settore.
Nel giro di pochi anni in Europa il numero di azienda agricole si ridurrà drasticamente e la Superficie Agricola Utilizzata (Sau) aumenterà velocemente. Le aziende saranno meno, ma più grandi e specializzate e dovranno produrre sempre più cibo facendo i conti con gli effetti dei cambiamenti climatici, con una normativa sempre più complessa e una maggiore richiesta di sostenibilità.
Si tratta di sfide che forse l'uomo non sarebbe in grado di gestire da solo. Con la tecnologia probabilmente sì. Ma questa deve essere intesa come uno strumento a servizio dell'agricoltore, che mantiene la sua centralità in campagna, piuttosto che essere sostituito da macchine che imitano i pensieri umani.
Leggi anche Intelligenza artificiale e dintorni
