Nel 2015, i rappresentanti di oltre 196 paesi si sono incontrati a Le Bourget, in Francia, per firmare l’Accordo di Parigi. Il trattato legalmente vincolante limita il riscaldamento globale a un aumento ben al di sotto dei 2 gradi Celsius rispetto ai livelli preindustriali, preferibilmente limitando il riscaldamento a 1,5 gradi. Sebbene l’accordo di Parigi non specifichi come i sottoscritti dovrebbero raggiungere questo obiettivo, alcuni paesi si sono impegnati a ridurre a zero le proprie emissioni nette per il clima entro il 2050.
Affinché questi e altri passaggi abbiano successo, è fondamentale disporre di dati affidabili. Mentre la capacità di valutare l’impronta di carbonio delle aziende sarà fondamentale per i paesi che cercano di conformarsi alle misure, solo una frazione delle aziende attualmente rivela le proprie emissioni di gas serra. Ma i ricercatori di Bloomberg Quant Research e Amazon Web Services affermano di aver addestrato con successo un modello di apprendimento automatico per stimare le emissioni delle aziende che non rivelano le proprie emissioni.
I ricercatori affermano che gli investitori potrebbero utilizzare questo modello per allineare i propri investimenti con le misure normative internazionali e raggiungere obiettivi di net-zero. Alcune regioni, tra cui l’Unione Europea, richiedono agli investitori di applicare un “principio di precauzione” che penalizzi le aziende che non divulgano informazioni sovrastimando le loro emissioni.
“Solo il 2,27% delle aziende che compilano i bilanci sta rivelando le proprie emissioni [di gas serra] in base ai nostri set di dati ambientali, sociali e di governance (ESG)”, hanno scritto i coautori in un articolo. “Per apportare un cambiamento significativo, dobbiamo misurare chi sta contribuendo [gas serra] nell’atmosfera e monitorare le loro richieste di decarbonizzazione”.
Addestrare il modello
Il lavoro precedente ha tentato di stimare le emissioni di carbonio delle aziende utilizzando una combinazione di approcci statistici convenzionali e apprendimento automatico. Ma secondo i ricercatori, questi approcci si basavano su ipotesi che non sempre sono vere nella realtà, come l’idea che le aziende dello stesso settore emettano all’incirca lo stesso livello di emissioni.
Per addestrare il loro modello, i ricercatori hanno identificato più di 1.000 caratteristiche e 24.052 righe di emissioni divulgate da set di dati contenenti dati finanziari aziendali (come bilanci e conti economici), sedi aziendali e record ESG. I record ESG avevano oltre 500 metriche da sole, che coprivano aree come le emissioni di carbonio e l’uso di risorse ed energia; diritti umani, diversità e inclusione; e criteri basati sulla struttura di gestione, la retribuzione dei dirigenti e le relazioni con i dipendenti.
In un esperimento progettato per valutare l’accuratezza del modello, i ricercatori affermano che il modello ha stimato da vicino le emissioni delle aziende in settori tra cui sanità, tecnologia, finanza, materiali, immobili, servizi pubblici, energia, comunicazioni e altro ancora. Nel lavoro futuro, il team prevede di aggiungere più funzionalità dai set di dati in aree come la politica aziendale, la catena di approvvigionamento e i dati di fabbrica.
“Formando un modello di apprendimento automatico sulle… emissioni divulgate, siamo in grado di stimare le emissioni di altre aziende a livello globale che non rivelano le loro emissioni”, hanno scritto i ricercatori. “In questo documento, dimostriamo che il nostro modello fornisce stime accurate delle… emissioni aziendali”.
Mentre gli studi suggeriscono che alcune forme di apprendimento automatico contribuiscono in modo significativo alle emissioni di gas serra, la tecnologia è stata proposta anche come strumento per combattere il cambiamento climatico. Ad esempio, un progetto IBM fornisce consigli sulla coltivazione agricola da “gemelli” di fattorie digitali che simulano le condizioni meteorologiche e del suolo future delle colture del mondo reale. Altri ricercatori stanno utilizzando immagini generate dall’intelligenza artificiale per aiutare a visualizzare i cambiamenti climatici e organizzazioni non profit come WattTime stanno lavorando per ridurre l’impronta di carbonio delle famiglie automatizzando quando veicoli elettrici, termostati ed elettrodomestici sono attivi in base a dove è disponibile l’energia rinnovabile.
Yann LeCun, capo scienziato dell’intelligenza artificiale di Facebook, e il cofondatore di Google Brain Andrew Ng, tra gli altri, hanno sostenuto che mitigare i cambiamenti climatici e promuovere l’efficienza energetica sono sfide degne per i ricercatori di intelligenza artificiale.
