In che modo le startup climate tech utilizzano l'IA generativa per affrontare la crisi climatica

L'intelligenza artificiale (IA) generativa può sembrare una magia o essere vista come un aiutante intelligente, che genera testo, immagini, video e musica originali. Ha attirato l'attenzione del mondo grazie alle incredibili funzionalità di chat e alla capacità di creare immagini accattivanti. Tuttavia, le sue possibilità vanno ben oltre la collaborazione creativa o le funzionalità di chatbot. In AWS, stiamo osservando come l'IA generativa stia cambiando radicalmente il modo in cui persone e aziende impiegano la tecnologia per affrontare alcune delle sfide più ardue a livello mondiale.

Affrontare la crisi climatica è uno degli impegni più pressanti che abbiamo. L'obiettivo globale è raggiungere le zero emissioni nette di carbonio entro il 2050 per limitare l'incremento della temperatura globale a 2 gradi centigradi e prevenire così gli effetti irreversibili del cambiamento climatico. La rapidità di azione è cruciale: sebbene l'IA generativa sia una disciplina ancora in fase di sviluppo, si sta già affermando come uno strumento vitale per stimolare la velocità di ideazione e implementazione di strategie contro il cambiamento climatico.

Siamo entusiasti di presentare alcune startup climate tech in prima linea nella corsa per fermare la crisi climatica. Queste aziende impiegano l'IA generativa per combattere il cambiamento climatico, riducendo le emissioni di gas serra e consentendo al mondo di passare a un'economia a zero emissioni di carbonio.

BrainBox AI: accelerazione del processo di decarbonizzazione degli edifici grazie all'IA generativa

Secondo l'Agenzia internazionale dell'energia (IEA), gli edifici rappresentano il 30% del consumo energetico globale e il 26% delle emissioni globali legate all'energia. Ridurre il consumo energetico degli edifici è fondamentale per azzerare le emissioni globali nette.

BrainBox AI ha sviluppato un'IA autonoma per decarbonizzare e ottimizzare gli edifici commerciali. Inoltre, consente ai clienti di risparmiare sulle bollette energetiche. La soluzione cloud sviluppata su AWS si interfaccia autonomamente con gli impianti di climatizzazione (riscaldamento, ventilazione e aria condizionata) degli edifici, inviando in tempo reale comandi di controllo ottimizzati per minimizzare le emissioni e il consumo energetico, il tutto senza necessità di intervento umano.

Ad esempio, BrainBox AI ha aiutato i proprietari di edifici a ridurre fino al 25% i costi energetici per la climatizzazione e a ridurre fino al 40% le relative emissioni di gas serra prevedendo la temperatura in un negozio al dettaglio sulla base di dati storici e set di dati esterni, come le condizioni meteorologiche e i piani tariffari energetici.

Con l'aggiunta di nuovi edifici al proprio sistema, BrainBox AI sfrutta l'IA generativa per accelerare il processo di onboarding di ciascun edificio. In precedenza, l'identificazione di nuove attrezzature in un edificio, come pompe o unità di trattamento dell'aria, richiedeva agli ingegneri di consultare i complessi manuali tecnici dei produttori per reperire informazioni quali la potenza nominale delle pompe o la pressione esercitata, per poi trasformare questi dati in un formato comprensibile ai sistemi informatici.

Utilizzando Amazon Bedrock, BrainBox AI estrae i dati e genera automaticamente i file di configurazione. Questi file vengono quindi completati e rivisti dai tecnici. Tale processo è noto come "power tagging" e, grazie ad Amazon Bedrock, BrainBox AI stima di aver ridotto di oltre il 90% il tempo richiesto da questa operazione. Di conseguenza, BrainBox AI è in grado di effettuare l'onboarding di un maggior numero di clienti in tempi più rapidi, in modo da avere un impatto maggiore e più veloce sulla crisi climatica.

Pendulum: decarbonizzazione della catena di distribuzione grazie all'IA generativa

Pendulum sfrutta la potenza dell'IA per affrontare uno dei problemi più urgenti al mondo: consentire alle organizzazioni di creare di più con meno risorse. La tecnologia dell'azienda offre soluzioni sostenibili per problemi complessi in settori quali la catena di distribuzione commerciale, la salute globale e la sicurezza nazionale.

L'ottimizzazione delle catene di distribuzione è fondamentale per ridurre le emissioni di carbonio. Accenture stima che le catene di distribuzione generino il 60% di tutte le emissioni di carbonio a livello globale. Secondo l'Agenzia statunitense per la protezione dell'ambiente, le catene di distribuzione possono rappresentare oltre il 90% delle emissioni di gas serra di un'azienda. Se si osserva il funzionamento (o il malfunzionamento) attuale delle catene di distribuzione, è possibile notare alcuni dettagli sorprendenti sull'entità dello spreco di risorse e capitali. Ad esempio, si stima che ogni anno si perdono circa 562 miliardi di dollari a causa di eccedenze di magazzino, con l'eliminazione del 17% dei prodotti alimentari e dell'8% dei prodotti confezionati per i consumatori e il settore retail.

Le soluzioni basate sull'IA di Pendulum consentono alle organizzazioni di gestire in modo intelligente le proprie operazioni e ridurre gli sprechi di prodotto, la perdita di entrate e le emissioni di gas serra in eccesso. Basato su AWS, il software Pendulum è in grado di prevedere la domanda, pianificare l'offerta e geolocalizzare le spedizioni. Consente alle aziende di acquistare con maggiore precisione le risorse necessarie, producendo con esattezza la quantità di beni richiesta dai clienti.

L'accesso ai dati aziendali è fondamentale per la piattaforma Pendulum. Tuttavia, i dati vengono spesso mantenuti in sistemi isolati e documenti non strutturati come PDF e file di testo normale. Il software Pendulum è progettato per sfruttare le origini dati più rilevanti per il processo decisionale operativo. In tale ottica, l'implementazione dell'IA generativa consente di sfruttare rapidamente informazioni importanti contenute in documenti lunghi e complessi in modo da poter accelerare il time-to-value per i clienti.

Un esempio emblematico del suo utilizzo efficace si trova nell'agricoltura di precisione. Il team di Pendulum adotta una strategia human-in-the-loop per ottimizzare un modello linguistico di grandi dimensioni (LLM) su AWS Trainium attraverso Amazon SageMaker. Questo processo trasforma i dati da formati non strutturati in informazioni interpretabili dai computer, che successivamente possono essere impiegate dai macchinari agricoli dei clienti per stabilire le quantità precise di pesticidi, acqua e altri prodotti necessari. Tale approccio riduce il rischio di sovradosaggio o di ordinazioni eccessive da parte dei clienti, consentendo loro di economizzare e diminuire sia la propria impronta di carbonio sia l'impatto ambientale. Inoltre, consente ai clienti di rispettare le esigenze degli impianti, le normative locali e altri criteri importanti.

Pendulum stima che questa soluzione abbia ridotto dell'83% il tempo necessario per decodificare questi documenti e ora è sufficiente rivedere i dati per il controllo della qualità. Questo a sua volta riduce i costi e accelera l'implementazione del loro software su larga scala.

VIA impiega l'IA generativa per semplificare la comprensione dell'efficienza energetica da parte di chi gestisce gli edifici

Per ridurre le emissioni di gas serra, è fondamentale che enti e imprese monitorino i consumi energetici in maniera dettagliata e localizzata. Ad esempio, per abbattere le emissioni derivanti dall'uso di veicoli elettrici (EV) nella propria flotta, un'azienda deve essere in grado di discernere se, in una specifica area e momento, la ricarica di tali veicoli avvenga attraverso energia da fonti rinnovabili o da combustibili fossili. Analogamente, per gli edifici che mirano all'efficienza energetica, è cruciale avere a disposizione informazioni dettagliate e specifiche sull'intero portafoglio di proprietà immobiliari dell'organizzazione. La trasparenza totale dei dati renderebbe semplice questo compito. Tuttavia, l'accessibilità ai dati a livello individuale è spesso ostacolata da questioni legate alla privacy e alla sicurezza. Molte persone sono restie a condividere informazioni quali l'orario, la data e il luogo di carico e scarico dei loro veicoli, ostacolando in tal modo una gestione energetica efficace e la riduzione delle emissioni.

Via Science, Inc. (VIA) offre alle organizzazioni la possibilità di ridurre la propria impronta di carbonio agendo come un collettivo, pur mantenendo la privacy e la sicurezza dei dati individuali. L'azienda impiega tecnologie di prova a conoscenza zero, convalidate e testate dal Dipartimento dell'energia degli Stati Uniti, per la gestione dei dati sulla sostenibilità. Questo approccio permette a enti e imprese di monitorare i propri dati e di perseguire obiettivi di sostenibilità anche quando la condivisione di dati dettagliati è impedita da limitazioni legali o questioni di privacy.

Inizialmente, VIA ha sviluppato una soluzione per la United States Air Force, affrontando i rigidi requisiti di privacy che spesso impediscono ai team incaricati della gestione degli edifici e dell'energia di accedere ai dati essenziali di cui necessitano. La soluzione software decentralizzata di VIA consente agli aviatori e agli appaltatori autorizzati di utilizzare modelli di IA generativa senza condividere dati: nessun dato privato viene utilizzato per addestrare il modello o inviato al modello nel prompt. Ad esempio, se un utente richiede di "visualizzare tutti gli edifici della base aerea XYZ con sistemi di climatizzazione sotto il 60%," l'LLM propone una soluzione che non richiede accesso diretto ai dati, generando invece una query SQL che l'utente può eseguire localmente per recuperare le informazioni necessarie dal proprio database. Contestualmente, viene fornito anche il codice front-end per la visualizzazione dei dati. Questi elementi di codice sono quindi inviati all'utente, permettendo allo strumento SLAM AI di elaborare e mostrare i dati in modo autonomo e sicuro sul dispositivo dell'utente.

Per risparmiare ulteriormente energia e ridurre i costi di elaborazione, VIA utilizza LLM open source compatti che funzionano su CPU. Inoltre, vengono valutati continuamente nuovi modelli per rimanere al passo con la rapida evoluzione delle prestazioni degli LLM. Avvalendosi di Amazon Elastic Kubernetes Service (EKS), VIA può sostituire facilmente a caldo i modelli, integrando quelli più efficienti non appena diventano disponibili.

Quali sono le prospettive per l'IA generativa e la climate tech

BrainBox AI, Pendulum e VIA utilizzano l'IA generativa su AWS in modi entusiasmanti per affrontare la crisi climatica. Sfruttano la capacità dell'IA generativa di estrarre elementi chiave da dati non strutturati e generare nuovi contenuti. Ciò consente a queste aziende di servire più rapidamente un maggior numero di clienti e di ridurre le emissioni di gas serra. Inoltre, queste aziende e i loro clienti possono ottenere una riduzione dei costi.

Prevediamo che le startup climate tech scopriranno metodi innovativi per impiegare l'IA generativa su AWS nel contrasto alla crisi climatica. Di seguito presentiamo alcuni esempi degli utilizzi dell'IA generativa in altri campi che riteniamo possano essere applicati al settore climate tech.

L'aumento dei dati utilizzando l'IA generativa per generare dati sintetici per l'addestramento predittivo dei modelli

L'lA generativa ha la capacità di produrre dati sintetici, ossia informazioni create artificialmente anziché derivate da osservazioni reali. Questa tecnologia trova applicazioni preziose in ambiti come la modellazione del sottosuolo per applicazioni geotermiche o per la cattura e il sequestro del carbonio, dove ottenere dati dettagliati sulle formazioni rocciose sotterranee può essere particolarmente difficile. Le startup nel campo dei trasporti a basso impatto di carbonio potrebbero avvalersi dell'IA generativa per simulare vari scenari al fine di testare nuovi veicoli. Questo approccio risulta vantaggioso anche per il settore hard-tech della climate tech. Ad esempio, la generazione di immagini sintetiche di attrezzature (come compressori e turbine) affetti da corrosione o cavitazione, può migliorare l'addestramento di modelli di machine learning (ML) per la visione computazionale destinati alla manutenzione predittiva. Quest'ultima gioca un ruolo fondamentale nel ridurre costi e tempi di fermo delle operazioni.

Utilizzo dell'IA generativa per migliorare l'efficienza produttiva nel climate tech

Utilizzando modelli addestrati su dati storici, inclusi i log di utilizzo e manutenzione delle macchine, l'IA generativa può identificare modelli e collegamenti tra vari fattori, come temperatura, vibrazioni e ore di funzionamento. Ciò può consentire al sistema di prevedere la probabilità di guasto delle apparecchiature e di comunicare in modo proattivo tali schemi al personale preposto, come ingegneri della qualità, tecnici di manutenzione e operatori. Comunicando in modo proattivo la necessità di manutenzione, i tempi di fermo saranno ridotti, contenendo al minimo le interruzioni della produzione.

Progettazione e sintesi di nuove sequenze proteiche per agricoltura e produzione alimentare sostenibili con l'IA generativa

L'IA generativa può prevedere strutture proteiche ripiegate, essenziali per le funzioni specifiche all'interno della cellula. Questo apre la strada ai ricercatori per la creazione guidata di proteine funzionali e varie molecole. Inoltre, l'IA generativa offre la possibilità agli scienziati di determinare con esattezza la configurazione di sequenze proteiche note, facilitando l'identificazione di target molecolari e biologici.

Probabilmente esistono molti altri modi in cui le startup climate tech possono utilizzare l'IA generativa per contrastare il riscaldamento globale. Ci auguriamo che questo post sul blog possa stimolare idee ed essere di ispirazione per spingere i fondatori nel settore climate tech a utilizzare l'IA generativa in modi nuovi ed entusiasmanti.

I carichi di lavoro dell’IA generativa possono consumare grandi quantità di energia e risorse cloud, pertanto valutare l'impatto ambientale di tali operazioni diventa cruciale. Assumerci la responsabilità collettiva per un impiego eco-sostenibile di queste tecnologie è fondamentale. Amazon si impegna a raggiungere l'azzeramento delle emissioni nette di carbonio entro il 2040. Nell’ambito di questo impegno, Amazon punta a convertire le proprie operazioni, inclusi i data center AWS, all'uso esclusivo di energia rinnovabile entro il 2025. Ciò ha portato Amazon a diventare il maggiore acquirente aziendale di energia rinnovabile al mondo negli ultimi quattro anni. AWS mette a disposizione delle linee guida per supportare le aziende nell'ottimizzazione dei carichi di lavoro dell’IA generativa verso una maggiore sostenibilità ambientale. È altresì vitale che tali aziende valutino l'impatto dell'uso dell'IA generativa e il suo contributo verso gli obiettivi di sostenibilità complessivi dell'organizzazione.