L’intelligenza artificiale può contribuire a raggiungere l’obiettivo di ‘food security’, vale a dire la situazione in cui ‘tutte le persone, in ogni momento, hanno accesso fisico ed economico a cibo sufficiente, sicuro e nutriente che soddisfi i loro bisogni alimentari e le loro preferenze alimentari per una vita attiva e sana’ (FAO, 1996). Una breve rassegna scientifica a seguire.
1) Fame e ‘food insecurity’, premessa
I concetti di fame e ‘food insecurity’ vengono spesso utilizzati come sinonimi. Più esattamente:
– la fame è un’esperienza fisica spiacevole e/o dolorosa provocata dall’incapacità di assumere abbastanza energia (kcal) e nutrienti attraverso il cibo
– l’inaccessibilità ripetuta a cibo nutriente e sicuro, oltre a ostacolare lo sviluppo e causare malattie, esprime il rischio di insicurezza alimentare.
I livelli di gravità di questi fenomeni sono stimati attraverso la Food Insecurity Experience Scale (FIES) sviluppata da FAO (si veda la Figura 1). Un individuo che resta senza cibo per un giorno o più e rimane senza cibo è considerato altamente insicuro dal punto di vista alimentare. (1)
2) ‘Food security’, obiettivo mancato
La ‘food security’ viene raggiunta ‘quando tutte le persone hanno accesso fisico ed economico ad alimenti sufficientemente sicuri e nutrienti che soddisfino i loro bisogni dietetici e le loro preferenze alimentari per una vita attiva e sana, indipendentemente dalle loro circostanze’ (1996 World Food Summit).
L’obiettivo di ‘food security’ definito al secondo posto tra i Sustainable Development Goals in Agenda ONU 2030 (#SDG2, Zero Hunger) è tuttavia destinato a fallire.
L’insicurezza alimentare registra infatti una crescita costante, a livello planetario. Già nel 2021, l’11,7% delle persone sul pianeta soffriva di estrema insicurezza alimentare, e la situazione va peggiorando. L’ultimo rapporto SOFI (State of Food Security and Nutrition in the World 2023), come si è visto, stima per difetto che almeno 691-783 milioni di persone abbiano sofferto la fame nel 2022. (2) Questo fenomeno viene attribuito alle guerre e all’iniqua distribuzione delle risorse tra gli Stati e al loro interno, oltreché alla scarsa resilienza della maggior parte dei sistemi alimentari e alla crescita della popolazione.
3) Prospettive d’impiego dell’intelligenza artificiale
L’intelligenza artificiale (Artificial Intelligence, AI) applica concetti scientifici, ragionamento matematico, statistica e probabilità, assieme ai campi scientifici tradizionali, per simulare le funzioni cognitive umane utilizzando i computer. I suoi sottosistemi – reti neurali artificiali (Artificial Neural Networks, ANN), robotica, sistemi esperti, visione artificiale, elaborazione del linguaggio naturale e apprendimento automatico (Machine Learning, ML) potrebbero contribuire in misura significativa al rafforzamento dei quattro pilastri della sicurezza alimentare: disponibilità, utilizzo, stabilità e accessibilità.
Le applicazioni dell’AI in agricoltura vengono indicate come potenzialmente utili ad aumentare la produzione di cibo. (3) I suoi sottoinsiemi sono già stati utilizzati per adottare decisioni che riguardano vari processi ecosistemici lungo tutta la catena alimentare (4,5). Progressi significativi risultano essere già stati registrati nella produzione agricola, la raccolta e la commercializzazione. L’AI può inoltre venire abbinata alle tecnologie IoT (Internet of Things), nei sistemi agroalimentari, per ottimizzare la gestione di condizioni avverse nonché quella degli sprechi e i rifiuti alimentari (6,7).
4) Sfide principali
L’utilizzo dell’intelligenza artificiale nei Paesi a basso e medio reddito (Low and Middle Income Countries, LMIC) è influenzato da vari aspetti. Fattori economici, sociali, culturali, etici e religiosi (8,9). Le sfide principali riguardano:
a) oneri economici e finanziari (investimenti iniziali significativo per hardware, software e sensori; indisponibilità di qualsiasi programma di finanziamento governativo locale o internazionale)
b) infrastrutture (disponibilità limitata di elettricità, carenza di connessioni Internet sicure e ad alta velocità)
c) esperti sul campo (mancanza di formazione avanzata, indisponibilità di esperti nel campo dell’agricoltura e dell’AI per le perdite e gli sprechi alimentari)
d) disponibilità dei dati (mancanza di dati centralizzati, scarsità di dati e indisponibilità di dati storici su parametri chiave quali condizioni del suolo, crescita delle colture, epidemie di malattie, condizioni meteorologiche, etc.)
e) personalizzazione (esigenza di adattare i modelli di intelligenza artificiale alle variazioni regionali, la diversità e le condizioni delle colture)
f) quadro normativo (l’incertezza delle regole ostacola lo sviluppo di tecnologie complesse e in continua evoluzione. Con vulnerabilità sui temi di proprietà, privacy, violazione del copyright e scambio di dati)
g) accesso al mercato (trasporti inadeguati, strutture di stoccaggio inadeguate, mancanza di conoscenze di marketing, mancanza di strutture di e-commerce nelle aree rurali e soprattutto mancanza di networking tra i piccoli operatori)
h) collaborazione interdisciplinare (la burocrazia nelle strutture organizzative può ostacolare le collaborazioni, che tendono a mancare tra professionisti di scienza dei dati, economia, agronomia, ingegneria, politica, scienze sociali e intelligenza artificiale).
5) Raccomandazioni/sforzi a livello internazionale e UE
L’attualità e gravità dei problemi di sicurezza alimentare a livello globale suggerisce un maggiore impegno, da parte delle nazioni con economie più sviluppate. Con l’obiettivo di migliorare l’efficienza delle filiere agroalimentari, la riduzione di perdite e sprechi alimentari, l’accesso ai mezzi di produzione e l’equa redistribuzione di reddito e cibo. Anche attraverso l’adozione dell’intelligenza artificiale. (10)
Papa Francesco aveva approvato un rinnovato impegno da parte della FAO, IBM, Microsoft e della Pontificia Accademia per la Vita, per sviluppare forme inclusive e di AI volte a favorire la sicurezza alimentare e nutrizionale. (11) La Commissione europea a sua volta sta intensificando il sostegno a start-up e SMEs (Small and Medium Enterprises), onde sviluppare tecnologie di AI affidabili, resilienti e forti. (12) Incoraggiando altresì gli Stati membri a sviluppare tecnologie digitali a servizio dell’agricoltura. (10)
6) AI, IoT e blockchain
La tecnologia blockchain merita altresì considerazione per la gestione integrata di dati affidabili in tempo reale, a supporto dell’intelligenza artificiale e dell’IoT. In particolare quando i dati vengano raccolti da varie risorse, in agricoltura (i.e. sensori sotterranei, stazioni meteorologiche, droni, sistemi di irrigazione, piattaforme correlate) e nell’intero corso della filiera (interazioni tra operatori, e tra questi e le autorità di controllo). (8)
Un’applicazione d’interesse è in corso di sviluppo nell’ambito del progetto co-finanziato di ricerca ‘Wasteless’, in Horizon Europe. Laddove la nostra Wiise benefit sta mettendo a punto una tecnologia blockchain volta a raccogliere dati su ‘food loss and waste’ nelle singole filiere agroalimentari europee, ‘from farm to fork’. Con il duplice obiettivo di favorire l’adozione di buone prassi per migliorare le prestazioni di economia circolare e offrire dati statistici rilevanti. (13)
Srikanth Vuppala e Dario Dongo
Note
(1) FAO. Hunger and Food Insecurity. https://www.fao.org/hunger/en/
(2) FAO, IFAD, UNICEF, W. and W. The State of Food Security and Nutrition in the World 2022. Repurposing Food and Agricultural Policies to Make Healthy Diets More Affordable. Rome, FAO. 2022
(3) Kutyauripo, I.; Rushambwa, M.; Chiwazi, L. Artificial Intelligence Applications in the Agrifood Sectors. J. Agric. Food Res. 2023, 11, 100502, doi:10.1016/j.jafr.2023.100502
(4) Pandey, D.K.; Mishra, R. Towards Sustainable Agriculture: Harnessing AI for Global Food Security. Artif. Intell. Agric. 2024, 12, 72–84, doi:10.1016/j.aiia.2024.04.003
(5) Sarku, R.; Clemen, U.A.; Clemen, T. The Application of Artificial Intelligence Models for Food Security: A Review. Agric.2023, 13, doi:10.3390/agriculture13102037
(6) Bilal, M.; Rubab, F.; Hussain, M.; Shah, S.A.R. Agriculture Revolutionized by Artificial Intelligence: Harvesting the Future. 2024, 11, doi:10.3390/iocag2023-15875
(7) Chamara, R.M.S.R.; Senevirathne, S.M.P.; Samarasinghe, S.A.I.L.N.; Premasiri, M.W.R.C. Sri Lanka Journal of Food and Agriculture (SLJFA). Role of Artificial Intelligence in Achieving Global Food Security : A Promising Technology for Future. 2020, 6, 43–70
(8) Ahmad, A.; Liew, A.X.W.; Venturini, F.; Kalogeras, A.; Candiani, A.; Di Benedetto, G.; Ajibola, S.; Cartujo, P.; Romero, P.; Lykoudi, A.; et al. AI Can Empower Agriculture for Global Food Security: Challenges and Prospects in Developing Nations. Front. Artif. Intell. 2024, 7, 1–18, doi:10.3389/frai.2024.1328530
(9) WHIG, P. Leveraging AI for Sustainable Agriculture: Opportunities and Challenges. Trans. Latest Trends Artif. Intell. Vol 4, No 4 Trans. Latest Trends Artif. Intell. 2023
(10) How, M.L.; Chan, Y.J.; Cheah, S.M. Predictive Insights for Improving the Resilience of Global Food Security Using Artificial Intelligence. Sustain. 2020, 12, doi:10.3390/SU12156272
(11) FAO. Artificial Intelligence Best-Practices in Agriculture Can Help Bridge the Digital Divide While Tackling Food Insecurity https://www.fao.org/newsroom/detail/Artificial-Intelligence-best-practices-in-agriculture-can-help-bridge-the-digital-divide-while-tackling-food-insecurity/en
(12) Directorate-General for Communication. More Support for Artificial Intelligence Start-Ups to Boost Innovation https://commission.europa.eu/news/more-support-artificial-intelligence-start-ups-boost-innovation-2024-01-24_en
(13) WASTELESS. Waste Quantification Solutions to Limit Environmental Stress. https://wastelesseu.com/
Srikanth Vuppala
Ricercatore, Ph.D. in ingegneria ambientale, project manager in Wiise Srl benefit
Dario Dongo, avvocato e giornalista, PhD in diritto alimentare internazionale, fondatore di WIISE (FARE - GIFT – Food Times) ed Égalité.
