Dall’X Lab di Alphabet, struttura “semisegreta” nata dall’unione di Google X Lab e Google X, è uscito Mineral (il nome è un omaggio al ruolo che i minerali svolgono nel sostenere la vita sulla Terra), un ambizioso progetto finalizzato a sfruttare le potenzialità del “machine learning” per cambiare ciò che coltiviamo e il modo in cui lo coltiviamo, ritenuta dallo staff di X Lab l’unica possibilità che abbiamo per soddisfare la crescente domanda planetaria di cibo.
LO SVILUPPO DELL’AGRICOLTURA COMPUTAZIONALE
Un progetto di frontiera, dunque, per il quale è stato coniato il termine di “agricoltura computazionale”, in cui agricoltori, allevatori, agronomi e scienziati si appoggeranno a nuovi tipi di hardware, software e sensori per raccogliere e analizzare le informazioni sulla complessità del mondo vegetale e arrivare così alla costruzione di un sistema alimentare più sostenibile, resiliente e produttivo.
CONTRO I RISCHI DELLA STANDARDIZZAZIONE
«Finora l’approccio mondiale nell’affrontare questa sfida – si legge nel sito di X Lab – è stato standardizzare le specie coltivate e i metodi di coltivazione. L’agricoltura moderna si concentra nella coltivazione di un ristretto numero di colture note per la loro resa elevata, tant’è vero che attualmente riso, grano e mais procurano quasi la metà delle calorie derivate dalle piante nel mondo. Standardizziamo anche il modo in cui gestiamo i campi, secondo tecniche che sono le stesse impiegate su un ettaro o su centinaia di ettari facendo uso di prodotti chimici come antiparassitari, diserbanti, anticrittogamici e fertilizzanti. Ma un sistema agricolo ottimizzato per la produttività e la semplicità contiene dei rischi».
UN PROTOTIPO ALIMENTATO AD ENERGIA SOLARE, PROVVISTO DI SENSORI E TELECAMERE
Per arrivare alla messa a punto di Mineral il team dedicato ha effettuato una serie di interviste ad agricoltori, aziende, player del settore: dai coltivatori di soia in Argentina a quelli kiwi in nuova Zelanda.
«Anche se molti agricoltori usano già strumenti digitali come sensori, database e GPS , i loro dati sono spesso isolati o non riescono a rappresentare a pieno la complessità dell’agricoltura», fa presente l’équipe di Mineral che ha così iniziato a sviluppare nuovi software e prototipi.
TESTATO NEI CAMPI DI FRAGOLE IN CALIFORNIA E IN QUELI DI SOIA IN ILLINOIS
Si è arrivati in tal modo ad un curioso robot per l’ispezione delle colture chiamato “Plant buggy”, che, alimentato da pannelli solari e adattabile a colture riverse, è in grado di aggirarsi autonomamente per i campi e monitorare, grazie GPS, telecamere e sensori di cui è dotato, le condizioni di ogni singola piantina.
Sguinzagliato fra i campi di fragole in California e quelli di soia in Illinois, l’efficiente robot ha raccolto immagini di alta qualità di ogni pianta contando e classificando ogni bacca e ogni chicco. Ad oggi, il team ha analizzato i cicli di vita di una serie di colture come meloni, frutti di bosco, lattuga, semi oleosi, avena e orzo, dal germoglio al raccolto.
CAPIRE COME CRESCONO LE PIANTE E INTERAGISCONO CON L’AMBIENTE
«Combinando i dati raccolti dal campo, come l’altezza della pianta, l’estensione del fogliame e le dimensioni dei frutti, con fattori ambientali come la salute del suolo e il clima, il sistema di apprendimento automatico di Mineral può aiutare i coltivatori a capire e prevedere come le diverse varietà di piante cresceranno e quale sarà la loro interazione con l’ambiente circostante. In altre parole, un prezioso aiuto per gli agricoltori che possono così decidere di trattare singole piante invece di interi campi, riducendo sia i costi sia l’impatto ambientale, nonché formulare previsioni sulla resa del raccolto, fondamentali per gli investimenti e per capire quanto e come renderà un determinato appezzamento».
Oggi il progetto Mineral è in corso in diverse regioni di Argentina, Canada, Stati Uniti e Sud Africa e, anche se ci vorrà del tempo per una effettiva messa in campo, resta comunque confermato l’importante contributo che potrebbe fornire per un’agricoltura sostenibile.
© riproduzione riservata
