Algoritmi innovativi

Cambiamenti climatici, un aiuto dall’intelligenza artificiale
per tenere sotto controllo i fiumi

Il laboratorio di Cesare Alippi, direttore scientifico dell’IDSIA, utilizza in modo avanzato strumenti matematici come i "grafi" per pianificare le risorse idriche, soprattutto in caso di siccità prolungata, o di dissesti

di Elisa Buson

Ben cinque mozioni indipendenti, sottoscritte da una quarantina di esponenti di diversi partiti politici, sono state recentemente presentate al Parlamento Svizzero con il medesimo obiettivo: spingere il Consiglio Federale a impegnarsi in una più oculata gestione dell’acqua attraverso una strategia nazionale per i consumi. Una di queste mozioni arriva anche dal Canton Ticino che, sebbene sia da sempre considerato come una terra d’acqua, da alcuni anni sta cominciando a fare i conti con gli effetti della crisi climatica. Conti che finalmente possono tornare più facilmente grazie a strumenti matematici, i grafi, che vengono sfruttati con grande efficacia dal team di Cesare Alippi, professore ordinario alla facoltà di scienze informatiche dell’Università della Svizzera italiana (USI), nonché direttore scientifico dell’Istituto Dalle Molle di Studi sull’Intelligenza Artificiale (IDSIA).

«Siamo già stati contattati da operatori della distribuzione idrica interessati a capire le potenziali applicazioni dei grafi e dell’intelligenza artificiale nel settore», racconta Alippi. Per comprendere il motivo di tanto interesse basta scorrere i dati pubblicati dal Dipartimento del Territorio in occasione dell’ultima Giornata mondiale dell’acqua. Sebbene il Ticino sia tra i Cantoni che registrano le maggiori quantità di precipitazioni, i periodi di siccità prolungata sono sempre più frequenti: il picco si è raggiunto nel 2022, con una riduzione del 50% delle precipitazioni nel Mendrisiotto e del 30% nel resto del Cantone. Allo stesso tempo, cresce il rischio di inondazioni e dissesti idrogeologici associati a fenomeni temporaleschi intensi e si registrano meno nevicate in inverno. I cambiamenti climatici si riflettono anche sulle temperature di corsi d’acqua, laghi e acque sotterranee, che sono già sensibilmente aumentate negli ultimi decenni: il fenomeno mina la biodiversità e favorisce la proliferazione dei cianobatteri, organismi in grado di produrre tossine che possono creare qualche problema agli animali in prossimità delle rive, come del resto è accaduto nel 2020 e nel 2023.

Ingrandisci la foto Cesare Alippi Ingrandisci la foto

Per affrontare la questione a 360 gradi, la matematica dei grafi e l’intelligenza artificiale (AI) possono fornire nuovi strumenti, «sia per quanto riguarda la pianificazione della gestione delle risorse idriche in caso di siccità, sia per l’analisi della qualità delle acque, il monitoraggio degli inquinanti e della proliferazione delle alghe», spiega Alippi, forte dell’esperienza che ha già maturato nel campo. Infatti, nell’ambito del progetto europeo I-Sense, si è già occupato di monitorare la rete di distribuzione idrica della città di Barcellona, in Spagna, evidenziando le anomalie che possono indicare rotture e perdite nella rete o guasti nei sistemi di misura e allerta. Inoltre dal 2021, con il suo team all’USI, sta partecipando a un altro grande progetto internazionale denominato SWAIN (Sustainable Watershed Management Through IoT-Driven Artificial Intelligence), che coinvolge anche l’Università e il Politecnico di Vienna, il Politecnico di Istanbul, l’Università del Bosforo e l’Istituto finlandese per l’ambiente (SYKE). «Noi dell’USI, in particolare, abbiamo sviluppato metodiche di AI per la predizione della portata d’acqua e altre che serviranno a identificare la presenza di inquinanti nei bacini fluviali e che saranno testate su tre casi studio: il Danubio (con oltre 800 sensori per la rilevazione dei parametri fisici) e altri due bacini fluviali che scorrono rispettivamente in Turchia e Finlandia».

Simili strumenti potrebbero essere applicati anche in Ticino, dove alcune società di gestione delle acque hanno già iniziato a installare i sensori necessari in diverse aree del territorio. «Basterebbe elaborare i dati acquisiti per poter dare vita alle prime applicazioni pratiche, con prestazioni migliorabili in futuro mediante l’aggiunta di nuovi sensori, qualora le strategie aziendali lo permettessero», sottolinea Alippi. I dati sulla portata dell’acqua e sull’eventuale presenza di inquinanti potrebbero essere acquisiti automaticamente in tempo reale e trasmessi a un “cervellone” sotto forma di serie temporali di numeri. «Questi dati vanno innanzitutto puliti e regolarizzati attraverso algoritmi innovativi, da noi messi a punto, che ricostruiscono i dati mancanti che per qualche motivo non sono stati rilevati dai sensori fisici o trasmessi», continua l’esperto. «Queste serie di numeri, una volta rese omogenee e complete, possono essere tradotte in sequenze di grafi, ovvero strutture relazionali con nodi e archi che evidenziano come le informazioni acquisite sono correlate fra loro da dipendenze relazionali e/o funzionali».

I grafi intesi come mera rappresentazione di dati e relazioni sono uno strumento matematico e concepito nel Settecento dal matematico svizzero Eulero e ampiamente utilizzato per la descrizione di problemi dalla seconda metà del XX secolo. La vera innovazione degli ultimissimi anni riguarda la possibilità di elaborarli attraverso operazioni matematiche, per estrarre informazioni utili e sviluppare strumenti di classificazione, predizione o controllo. Il gruppo di ricerca che Alippi coordina all’USI fa ricerca di base proprio per definire i giusti spazi matematici e le operazioni necessarie per elaborare le informazioni rappresentate dai grafi. «A livello mondiale siamo tra i pochissimi gruppi che contribuisco alla ricerca di base in contesti ove i grafi evolvono nel tempo», puntualizza l’esperto. «Abbiamo anche una stretta collaborazione con i ricercatori del professor Michael Bronstein a Oxford, specializzati nell’elaborazione spaziale dei grafi, e quelli del professor Danilo Mandic all’Imperial College di Londra, esperti nell’elaborazione di segnali complessi».

Siccome i dati su cui lavorare sono tantissimi, è fondamentale il supporto dell’intelligenza artificiale e, in particolare, di reti neurali che sfruttano tecniche di deep learning specifiche per i grafi, ovvero gli AI graph neural networks e le Spatiotemporal graph neural networks. «Queste reti possono essere addestrate in meno di un giorno e, una volta operative, forniscono i risultati desiderati anche in frazioni di secondo, in funzione della complessità del problema applicativo», ricorda Alippi. «Ad esempio, grazie a queste tecnologie, un sistema di monitoraggio coordinato porterebbe a un vantaggio anche del 10-15% rispetto ai tradizionali metodi predittivi basati su modelli fisici e AI senza grafi. Questo significherebbe migliorare la pianificazione delle risorse con una maggiore accuratezza e un controllo più fine».