UNIBA 2030: Intelligenza Artificiale e Sostenibilità è il progetto di Terza Missione e Public Engagement dell’Università degli Studi di Bari Aldo Moro realizzato in collaborazione con Stroncature. Diretto da Cataldo Musto, coinvolge i Dipartimenti di Informatica, Giurisprudenza, Ricerca e Innovazione Umanistica e il Dipartimento Jonico.
Il progetto approfondisce il contributo dell’intelligenza artificiale alla gestione delle risorse e al monitoraggio ambientale, insieme alle condizioni necessarie per sviluppare sistemi digitali efficienti, comprensibili e responsabili. La sostenibilità viene esaminata attraverso le applicazioni della tecnologia, i suoi consumi energetici e le conseguenze sociali e giuridiche del suo impiego.
A partire dall’analisi della produzione scientifica dei Dipartimenti, Stroncature ha elaborato il piano strategico e quello editoriale del progetto. Cura la realizzazione e la diffusione di articoli divulgativi, webinar, video e podcast, con la revisione dei testi da parte degli autori, per rendere i risultati della ricerca accessibili a cittadini, imprese e amministrazioni.
Rendere spiegabile il clustering fuzzy
La spiegabilità di un algoritmo richiede di chiarire che cosa rappresentino i risultati che produce. Nel Fuzzy C-Means, un metodo utilizzato per individuare gruppi all’interno di un insieme di dati, ogni elemento può essere associato a più gruppi attraverso diversi gradi di appartenenza. Il significato di questi valori è al centro della ricerca di Corrado Mencar e Ciro Castiello, del Dipartimento di Informatica dell’Università di Bari. Lo studio propone un’interpretazione probabilistica, dimostrata entro un modello costruito su ipotesi esplicite: a quelle condizioni, i valori possono essere letti come probabilità di appartenenza a un gruppo dopo aver osservato il dato. L’articolo ricostruisce questo passaggio e affronta una questione rilevante per chi utilizza strumenti di analisi: comprendere quali informazioni contengano i risultati di un algoritmo e quali assunzioni ne giustifichino l’interpretazione, anche quando il procedimento di calcolo è noto.
Quando l’irrigazione diventa intelligente
Regolare l’irrigazione in base alle condizioni effettive delle colture permette di intervenire in modo più preciso sulla distribuzione dell’acqua. La ricerca di Tommaso Adamo, Danilo Caivano, Lucio Colizzi, Giovanni Dimauro ed Emanuela Guerriero descrive un sistema che collega sensori connessi, modelli decisionali e dispositivi di controllo dell’impianto. Le misure raccolte vengono confrontate con soglie definite per le colture, così da stabilire quali linee abbiano bisogno d’acqua e quando attivarle. L’agricoltore può seguire il funzionamento attraverso un’applicazione mobile e una rappresentazione digitale dell’impianto, osservando consumi e interventi. Nelle prove in serra, la soluzione ha consentito un risparmio d’acqua del 30% rispetto all’impianto tradizionale utilizzato per il confronto. L’articolo illustra come la raccolta dei dati possa tradursi in decisioni operative, mantenendo la supervisione umana e adattando l’irrigazione alle differenze presenti nelle aree coltivate.
Quando risparmiare acqua non basta per essere sostenibili
Il recupero delle acque reflue può ridurre la pressione sulle risorse idriche, ma richiede trattamenti che consumano energia e materiali. La ricerca di Giulia Casarano, Francesco Sardella e Pasquale Giungato esamina questo rapporto attraverso il caso di un birrificio pugliese. Lo studio confronta due modalità di approvvigionamento per usi non potabili: acqua di falda trattata con osmosi inversa e acqua recuperata dai reflui già depurati. Nella categoria d’impatto relativa all’uso della risorsa idrica, il recupero registra una riduzione del 99,7% rispetto alla prima soluzione; in diverse altre categorie presenta invece impatti più elevati. L’articolo spiega come la valutazione del ciclo di vita permetta di interpretare questi risultati, considerando anche la produzione e la sostituzione delle membrane utilizzate nel trattamento. Il caso mostra quali elementi debbano essere esaminati per valutare una scelta industriale e individuare gli interventi capaci di migliorarne il profilo ambientale.
Seminari & Presentazioni
Misurare l’impronta di carbonio del software
La valutazione di un sistema di intelligenza artificiale comprende anche le risorse necessarie per svilupparlo e utilizzarlo. Nel webinar, Allegra De Filippo, dell’Università di Bologna, Cataldo Musto e Giuseppe Spillo, del Dipartimento di Informatica dell’Università di Bari, affrontano questo problema attraverso i sistemi di raccomandazione che suggeriscono film, musica, libri e altri contenuti. Il confronto esamina come stimare i consumi energetici e le emissioni associate agli algoritmi e come valutarli insieme alla precisione e alla varietà dei suggerimenti. Le ricerche presentate considerano due possibilità di intervento: ridurre i dati impiegati nell’addestramento e interrompere l’apprendimento quando i miglioramenti ottenuti diventano insufficienti rispetto alle emissioni aggiuntive. Gli effetti sulle prestazioni variano secondo il modello e l’applicazione. La registrazione permette di comprendere quali misure e quali confronti siano necessari per includere la sostenibilità nelle scelte di progettazione del software.
Le attività del progetto si inseriscono nelle iniziative di Public Engagement finanziate dal «Bando per Finanziamento di Iniziative di Public Engagement», a valere sul progetto «Sistema Universitario Pugliese», finanziato nell’ambito della misura «Patti Territoriali dell’Alta Formazione per le Imprese» (CUP F61B23000370006).