Scienze 7 Luglio 2023 Riccardo Oldani

Con il deep learning la viticoltura diventa predittiva

La capacità dell’intelligenza artificiale di analizzare enormi quantità di dati e di individuare il ripetersi di situazioni ricorrenti sta trovando applicazione anche in viticoltura. Consente di prevedere stress ambientali, infestazioni di parassiti e criticità climatiche e di suggerire agli agronomi quali contromisure adottare.

Il principale problema dell’intelligenza artificiale è che, senza un aggancio con il mondo reale, resta una tecnologia astratta. Lo dimostra un episodio accaduto nel 2017, all’interno dei laboratori che l’allora Facebook (oggi Meta) aveva allestito per studiare questa disciplina. I ricercatori avevano creato una chat tra agenti virtuali che comunicavano tra loro. Questi, a un certo punto, per una deriva del programma, avevano cominciato a utilizzare un linguaggio incomprensibile. Subito si alzarono i gridi di allarme: “L’IA ha creato una nuova lingua, è dotata di un’intelligenza propria!” Niente di tutto questo era accaduto. Semplicemente, non più ancorato alla realtà e alla necessità di un rapporto con l’uomo, il sistema aveva iniziato a percorrere una sua via che non serviva a nessuno.

Aggancio con la realtà

Al di là di questo esempio, come può allora l’intelligenza artificiale intervenire materialmente nell’aiutare agronomi e viticoltori che agiscono nel mondo fisico e devono capire come condurre al meglio un vigneto o quando sia il momento giusto per la vendemmia? La risposta è semplice. L’aggancio con il mondo reale per l’IA sono i sensori; dispositivi in grado di produrre dati che poi gli algoritmi o le reti neurali possono analizzare. Ed è proprio l’eccezionale sviluppo di nuovi sistemi per la raccolta di dati in campo ad aprire oggi le porte a una rivoluzione agronomica supportata dall’intelligenza artificiale. Cominciamo già a vederne molti esempi.

Esempi concreti

Negli ultimi anni Civiltà del bere ha seguito alcune di queste applicazioni, come quella di Oròbix, azienda bergamasca che ha messo a punto un sistema di analisi di immagini basato su tecniche di deep learning per selezionare le uve. Cantine Ferrari lo sta già utilizzando con successo (qui il link all’articolo). Ma la tecnologia è in pieno sviluppo e sta già passando a una nuova dimensione. Utilizzata finora per rendere sempre più precisa l’agricoltura e la viticoltura ora sta assumendo un ruolo sempre più predittivo.

Un caso californiano

Di questo nuovo trend ha parlato Justin Noland di Treasury Wine Estates, un grande produttore californiano, in occasione del recente Wine Industry Sales Symposium, tenutosi lo scorso maggio a Santa Rosa, sempre in California. Treasury utilizza già in modo estensivo macchine autonome per la gestione dei vigneti di proprietà, estesi su oltre 600 mila acri. Le macchine, utilizzate per effettuare i trattamenti e per monitorare la salute del vigneto, sono potenti raccoglitori di dati, necessari ad alimentari i sistemi di intelligenza artificiale e di deep learning.
L’azienda californiana usa queste informazioni e le incrocia con quelle dettagliate dei suoi terreni raccolte con i droni o fornite dai satelliti per individuare, attraverso il deep learning, i segnali di schemi ricorrenti che possono ripetersi, per esempio in occasione di problemi ambientali, stress idrico o infestazioni di parassiti. In questo modo, al primo manifestarsi di situazioni che potrebbero sottendere un problema scatta l’allarme e si possono prendere misure preventive. È quella che viene definita viticoltura predittiva, un trend che sfrutta capacità dell’intelligenza artificiale già impiegate in altri settori.

Contaminazione tra settori

I sistemi di deep learning, infatti, si sono rivelati molto efficaci, per esempio in campo sanitario, nell’analizzare migliaia e migliaia di dati diagnostici e riconoscere in casi specifici indizi di patologie che possono sfuggire all’occhio di un singolo medico. Nell’automazione industriale, l’IA analizza i dati di funzionamento delle macchine; quando individua anomalie, come una crescita dei consumi elettrici, delle vibrazioni o del rumore, è in grado di associarle a specifici problemi tecnici, come l’usura di componenti, suggerendo così la loro sostituzione. Anche in questo caso si parla di manutenzione preventiva o predittiva. Ora queste applicazioni arrivano nei vigneti, che sono realtà ben più complesse di una macchina industriale, ma dimostrano comunque di funzionare egregiamente.

Contro i cambiamenti climatici

Secondo gli esperti questa capacità di previsione si rivelerà molto utile per trovare risposte ai cambiamenti climatici e al loro impatto sulla viticoltura. Sono molti gli istituti di ricerca all’opera per sviluppare soluzioni pratiche. Come il Fraunhofer IOSB in Germania, che ha sviluppato una linea di ricerca per mettere a punto soluzioni di analisi di immagini basate sull’intelligenza artificiale con cui individuare il momento ideale per la vendemmia.
Un approccio simile è stato utilizzato da studiosi delle università di Lipsia e di Wroclaw, in Polonia, per individuare il livello di maturazione anche di grappoli differenti sulla stessa pianta (qui l’articolo che ne parla). La sua utilità risiede soprattutto nel rendere possibili trattamenti mirati pianta per pianta, riducendo così l’uso di pesticidi.

Prossimo passo, i sensori

Sono due soli esempi delle davvero infinite applicazioni possibili. Che saranno tali, però, soltanto se si procederà a sensorizzare i vigneti. Gli strumenti di analisi di intelligenza artificiale, infatti, sono ormai disponibili in forma di servizi anche a costi accessibili. Sono i dati che li devono alimentare, ora, a essere necessari per vedere davvero l’avvio della viticoltura smart.

Foto di apertura: un sensore di umidità e temperatura in un vigneto californiano. Si tratta di un prodotto wireless sviluppato da Zynect, azienda statunitense, in vendita a circa 130 dollari