• Paolo Benanti

Addomesticare il caos: le AI e l'evoluzione dei sistemi caotici


Siamo in grado di prevedere, fino a una settimana in anticipo, quando gli uccelli migreranno: un nuovo modello di previsione che utilizza anni di dati sulla migrazione degli uccelli e i radar meteorologici ci consente questa previsione. Prevedere l'imprevedibile, proteggere gli uccelli migratori da pericoli o un importante passo per imparare a controllare i fenomeni complessi?

Cosa fa migrare gli uccelli quando lo fanno? Questa è una delle domande più longeve della biologia, posta fin dall'età di Aristotele. Ormai, gli scienziati sanno che la migrazione è influenzata da una serie di fattori, sia interni ai volatili che esterni, dal tempo alla luce del giorno fino all'orologio biologico del loro corpo. Ma il modo in cui questi fattori cooperano insieme per poter prevedere quando una determinata specie di uccelli inizierà il proprio volo è ancora in gran parte un mistero.

Un nuovo tipo di modello potrebbe, se non risolvere il mistero, fornire agli scienziati uno strumento per prevedere con precisione la migrazione.

"Abbiamo sviluppato un sistema di previsione di migrazione degli uccelli per gli interi Stati Uniti continentali, ed è accurato fornendo previsioni esatte con diversi giorni di anticipo", dice Benjamin Van Doren, un dottorando all'Università di Oxford, che ha guidato la ricerca. "Questo ci permette di prevedere in modo abbastanza preciso il numero di uccelli che migrano di notte in primavera".

Van Doren e il suo team di Oxford insieme alla Cornell University hanno addestrato un algoritmo di machine learning alimentandolo con i dati di diversi decenni di migrazioni primaverili e con i dati dei radar Doppler del National Weather Service. Il risultato è stato insegnare alla macchina a riconoscere varie condizioni atmosferiche associate alla migrazione. Uno degli spetti più forti è stato rilevare come il clima più caldo fa aumentare la disponibilità di foglie e insetti, cibo per molte specie di uccelli migratori. Anche altri fattori, come il vento, si sono rilevati come molto importanti. Un uccello che parte in condizioni di vento eccessivo potrebbe essere spazzato via, potenzialmente in un territorio pericoloso come l'oceano aperto. Durante la migrazione di punta a maggio, circa 420 milioni di uccelli viaggiano di notte; il modello può prevedere la loro partenza fino a sette giorni prima. I risultati di questa ricerca sono stati pubblicati sulla rivista Science.

La previsione della migrazione degli uccelli potrebbe essere estremamente utile ai fini della conservazione della biodiversità, afferma Van Doren. Gli uccelli non tendono a migrare in un flusso costante, spiega, ma piuttosto in onde o impulsi massicci. Se queste ondate fossero conosciute in anticipo, le persone potrebbero adottare misure per aiutare a impedire agli uccelli migratori di farsi male. Ciò potrebbe includere spegnere le luci negli edifici inclini a collisione di volatili o spegnere le turbine eoliche mentre gli uccelli passano.

"Se riusciamo a identificare il piccolo numero di notti in cui si verificano questi enormi impulsi, possiamo fare in modo che le persone agiscano", dice Van Doren.

Mappe di previsione della migrazione notturna per gli Stati Uniti. I colori più caldi indicano che il modello prevede un numero maggiore di uccelli migratori. (Benjamin Van Doren)

La previsione potrebbe anche essere utile per gli interessi militari o commerciali dell'aviazione per aiutare a evitare gli attacchi degli uccelli. È anche, beh, fico, e Van Doren spera che possa aiutare a coinvolgere il pubblico nella situazione degli uccelli e della natura in generale.

I prossimi passi per Van Doren e il suo team saranno adattare le previsioni di migrazione a diversi stakeholder - previsioni di migrazione per aerei militari a bassa quota, per esempio, o per i proprietari di edifici che cercano di evitare le collisioni. Ciò comporterà insegnare al modello a fornire più specificità in termini di altitudine. Il team sta anche valutando l'aggiunta di ulteriori e diversi potenziali fattori di migrazione ai dati, per renderlo più accurato.

Essere in grado di vedere gli uccelli che si muovono negli Stati Uniti a tali livelli è "una cosa piuttosto potente", afferma Pete Marra, direttore dello Smithsonian Migratory Bird Center.

Dal momento che il modello aiuta gli scienziati a capire come il tempo influenza i modelli di migrazione, ha il potenziale per aiutarli a prevedere l'impatto dei cambiamenti climatici sulla fauna selvatica, dice Marra.

"Prima di poter capire come prevedere come gli animali cambieranno in risposta al cambiamento climatico, dobbiamo capire come gli animali rispondono alle condizioni meteorologiche in generale", dice. "Quindi questo è un primo passo davvero importante."

I radar di sorveglianza meteorologica non misurano solo le precipitazioni (gialli e rossi) ma anche un enorme volume di uccelli migratori che prendono il volo al tramonto (segnature circolari di blu e verdi). (Kyle G. Horton)

Oggi il pubblico può vedere le mappe di migrazione degli uccelli in azione sul sito Web Cornell's Birdcast. Il sito mostra sia previsioni anticipate di tre giorni che movimenti di uccelli in tempo reale negli Stati Uniti, aggiornati ogni sei ore.

Anche se Van Doren ora vive nel Regno Unito, è stato a New York questa settimana, aiutando a monitorare il Tribute in Light dell'11 settembre, il memoriale annuale in cui due abbaglianti colonne di luce sostituiscono le Torri Gemelle distrutte. Le colonne sono così potenti che possono essere viste da diversi stati circostanti, e questa luminosità può rappresentare un problema per gli uccelli migratori, che possono diventare disorientati e allontanati dalla loro rotta. L'amministrazione di New York City ha escogitato una soluzione, portando volontari addestrati a monitorare la densità degli uccelli che volano attraverso i fasci di luce. Se le densità diventano troppo alte, gli organizzatori del tributo al 9/11 spegneranno le luci abbastanza a lungo da permettere agli uccelli di disperdersi.

Fortunatamente, dice Van Doren, la manifestazione di quest'anno si è svolta in una bassa notte di migrazione, quindi gli organizzatori non hanno dovuto interrompere molto. Spera che il suo lavoro aiuterà altre persone e organizzazioni a diventare altrettanto consapevoli degli uccelli.

"Gli uccelli connettono davvero le persone e collegano i continenti", afferma Van Doren. "La conservazione degli uccelli migratori è davvero uno sforzo che richiede la collaborazione di persone in tutto il mondo".

Orizzonti e prospettive In una serie di risultati riportati nelle riviste Physical Review Letters and Chaos, gli scienziati hanno utilizzato l'apprendimento automatico - la stessa tecnica computazionale dietro i recenti successi nell'intelligenza artificiale - per prevedere l'evoluzione futura dei sistemi caotici fino a stati sorprendentemente distanti. L'approccio viene lodato perché ha un'ampia possibilità di applicazione.

In questo campo i risultati più interessanti provengono dal teorico veterano del caos Edward Ott e da quattro collaboratori dell'Università del Maryland. Impiegando un algoritmo di apprendimento automatico chiamato reservoir computing sono riusciti ad "apprendere" le dinamiche di un sistema caotico archetipo chiamato equazione di Kuramoto-Sivashinsky. La soluzione in evoluzione di questa equazione si comporta come un fronte di fiamma, tremolante mentre avanza attraverso un mezzo combustibile. L'equazione descrive anche le onde di deriva nei plasmi e altri fenomeni e serve come banco di prova per lo studio della turbolenza e del caos spaziotemporale.

L'algoritmo di machine learning, dopo essersi allenato sui dati forniti dall'equazione di Kuramoto-Sivashinsky, può prevedere come il sistema continuerebbe a evolvere fino a otto "tempi di Lyapunov" nel futuro, cioè otto volte più avanti rispetto al passato con i metodi consentiti. Il tempo di Lyapunov rappresenta quanto tempo impiega due stati quasi identici di un sistema caotico a divergere in modo esponenziale. In quanto tale, in genere il tempo di Lyapunov imposta l'orizzonte di prevedibilità di cui disponiamo.

L'algoritmo non sa nulla dell'equazione di Kuramoto-Sivashinsky stessa; vede solo i dati registrati sulla soluzione in evoluzione dell'equazione. Questo rende l'approccio machine-learning potente; in molti casi, le equazioni che descrivono un sistema caotico non sono note, paralizzando gli sforzi dei dinamisti per modellizzarli e prevederli. I risultati ottenuti spingono a una implicita presunzione: non si ha bisogno di equazioni, bastano i solo dati.

Oltre alle previsioni del tempo, gli esperti dicono che la tecnica di machine learning potrebbe aiutare a monitorare le aritmie cardiache per i segni di imminenti attacchi cardiaci e il monitoraggio dei modelli di attivazione neuronale nel cervello per i segni di picchi neuronali. Più speculativamente, potrebbe anche aiutare a prevedere le onde anomale, che mettono in pericolo le navi e forse anche i terremoti.

Una delle speranze più forti è quella di avere strumenti che rivelino utili per avvisare in anticipo le tempeste solari, come quella che è esplosa su una superficie di 90.000 chilometri quadrati sul sole nel 1859. Quella esplosione magnetica ha creato aurora boreale visibile in tutta la Terra e ha fatto esplodere alcuni sistemi telegrafici, ha generato abbastanza tensione per consentire alle altre linee elettriche di funzionare con la loro alimentazione spenta. Se una simile tempesta solare colpisse inaspettatamente il pianeta oggi, gli esperti dicono che danneggerebbe gravemente l'infrastruttura elettronica della Terra portando la nostra civilizzazione in dietro di due secoli con conseguenze probabilmente apocalittiche. L'idea è che se sapessimo che la tempesta solare sta arrivando, potremmo semplicemente spegnere tutte le nostre apparecchiature elettroniche e riaccenderle poi passato l'impulso elettromagnetico.

Parliamo di migrazioni di uccelli ma dietro c'è in ballo il poter domare sistemi caotici acquisendo un sempre maggiore potere tecnologico e strategico come illustrato nell'immagine qui sotto.

#Etica #algoritmo #governance #Caos

116 visualizzazioni