Energia e machine learning, obiettivo zero emissioni

Il machine learning potrebbe aiutarci a raggiungere l’obiettivo entro il 2050.

Quando acquisti tramite i link sul nostro sito, potremmo guadagnare una commissione di affiliazione.Ecco come funziona

Nel corso degli ultimi anni si è posto sempre di più l’accento sugli effetti provocati dallacrisi climaticache, con il tempo, stanno diventando sempre più evidenti. Basti pensare all’ondata di calore e siccità che ha colpito l’Italia quest’anno, a cui sono seguite forti alluvioni, come avvenuto nelleMarche, con le conseguenze che ben conosciamo.

La crisi climatica interessa tutte le parti del globo e sta causando ondate di calore, siccità, incendi, inondazioni e altri eventi catastrofici, lasciando milioni di persone in stato di necessità. I governi, quindi, dovrebbero agire rapidamente elimitare il riscaldamento globalea 1,5 °C rispetto al livello preindustriale. Per centrare l’obiettivo, entro il2050si dovranno raggiungere emissioni nette di anidride carbonica pari a zero.

InEuropa, un ulteriore incentivo a passare rapidamente a soluzioni energetiche sostenibili è rappresentato dalla questione dell’indipendenza energetica. Alcuni paesi Europei (Italia e Germania) soprattutto, dipendevano pesantemente dalgas russo, e oggi sono subentrati altri fornitori. Il tema è stato centrale anche nell’ultimacampagna elettoralein Italia, e resta il fatto che il Vecchio Continente non è energeticamente indipendente. Pochi Paesi al mondo lo sono, d’altra parte.

Tenendo conto di questi obiettivi, sono necessarie nuove e più avanzate tecnologie che ci consentano di creare, immagazzinare e distribuire energia rinnovabile, monitorare le emissioni di carbonio e gas serra, frenare la deforestazione e ridurre i rifiuti. Per affrontare tali sfide potremmo aver bisogno delmachine learning.

Ad esempio, il machine learning può essere utilizzato perprevedere l’offerta e la domandadi energia per una distribuzione efficiente, riducendo così al minimo gli sprechi ed evitando le interruzioni.

recentemente, Google ha messo in vendita il servizio di previsione di produzione dell’energia eolica

Inoltre, possiamo impiegare le tecniche di apprendimento automatico per migliorare e predire la produzione di energia ottenuta da fonti rinnovabili come fatto daDeepMindnel 2019. Tanto che recentemente,Googlehamesso in venditail servizio di previsione di produzione dell’energia eolica, sviluppato dall’azienda, tramiteGoogleCloud. DeepMind nel corso di quest’anno ha anche sviluppato unsistemaper controllare al meglio il plasma in unreattore a fusione nucleare.

Poiché la disponibilità di energia da fonti rinnovabili come l’eolico o il solare è variabile e intermittente, sono necessariebatterieper immagazzinare l’energia in eccesso e fornirla alle reti elettriche quando la disponibilità è bassa (o la domanda è alta). L’uso delle batterie, tuttavia, si scontra con la loro produzione, che spesso è complessa o persino dannosa per l’ambiente. Per esempio, per fare le batterie serve ilcobalto, un elemento particolarmente scarso, la cui estrazione presenta alcune criticità.

Get the best Black Friday deals direct to your inbox, plus news, reviews, and more.

Sign up to be the first to know about unmissable Black Friday deals on top tech, plus get all your favorite TechRadar content.

Dunque, oltre alla previsione della domanda e dell’offerta di energia, l’apprendimento automatico potrebbe cambiare le carte in tavola anche in questo ambito. Infatti, l’utilizzo del machine learning potrebbe aiutare a svilupparenuovi elettrocatalizzatorie nuovi materiali, evitando l’estrazione di risorse rare ed inquinanti.

l’utilizzo del machine learning potrebbe aiutare a sviluppare nuovi materiali, evitando l’estrazione di risorse rare ed inquinanti.

In ogni caso, come sottolinea ilrapportodi Climate Change AI, un’organizzazione no-profit fondata nel 2019 che riunisce rappresentanti dell’industria e del mondo accademico, il machine learning non è da intendere come la soluzione immediata ed estremamente efficace a tutti i nostri problemi. Infatti, alcune delle sue applicazioni, come l’esplorazione e l’estrazione di combustibili fossili, possonopeggiorare la crisi climatica. Inoltre, anche per addestrare ed eseguire questeintelligenze artificialiabbiamo bisogno di tanta energia, che quindi rappresenta un’ulteriore fonte di consumi.

In sostanza,usare le tecniche di machine learningper ridurre gli effetti del cambiamento climatico è certamente una valida opzione, manon basta. Anche (esoprattutto) noi dobbiamo dare il nostro contributo.

Come possiamo contribuire alla diminuzione dei consumi?

Innanzitutto, con i piccoli gesti quotidiani, come staccare iltelefonodal caricabatterie quando la ricarica è completa e il dispositivo non è in uso, evitando di ricaricarlo durante la notte; non lasciare accese le luci nelle stanze dove non c’è nessuno, ed in ogni caso preferire sempre l’illuminazione tramite lampadine LED, come lePhilips Hue; evitare di usare la luminosità massima sui dispositivi elettronici se si è in ambienti chiusi; evitare il più possibile l’uso della macchina e preferire i mezzi di trasporto pubblico ecc.…

In secondo luogo, se aveste intenzione di acquistare un nuovo prodotto, magari, potreste dare un’occhiata alle nostre recensioni e guide all’acquisto disponibili con un occhio critico al prezzo, ai consumi e alle prestazioni del dispositivo che devono essere bilanciati a seconda delle vostre necessità.

Luigi Famiglietti è Editor presso Techradar Italia dal 2020. Da sempre appassionato di scienza e tecnologia, ha deciso di raccontare la continua evoluzione di questo mondo e le sue diverse sfaccettature.

Ha anche lavorato in un progetto applicativo mirato all’individuazione e valutazione di tecniche in grado di migliorare la somministrazione, l’assorbimento e il potenziale immunogenico di vaccini genetici a base di DNA.

Ama viaggiare, suonare il pianoforte e la fotografia. Inoltre, gli piace trascorrere parte del suo tempo libero a giocare con gli amici al pc.

Google svela accidentalmente Jarvis AI, l’assistente che farà le ricerche per te

Apple testa Siri con ChatGPT: più smart grazie alla consapevolezza dello schermo

Pixel Phone, nuove risposte automatiche alle chiamate grazie all’AI Gemini di Google