Le ultime tendenze dell'IA generativa per affrontare la crisi climatica

Nell'accordo di Parigi sul clima del 2015, le nazioni globali si sono impegnate a raggiungere zero emissioni nette di carbonio entro il 2050. A soli 26 anni da quella data, la corsa alla transizione verso tecnologie pulite non è mai stata così urgente. Gli effetti del cambiamento climatico si fanno già sentire con incendi boschivi più frequenti, caldo estremo, inondazioni e carenza di raccolti. Il passaggio a un'economia a zero emissioni dovrà essere tanto radicale quanto la rivoluzione industriale. Se quella rivoluzione si è svolta gradualmente nell'arco di 180 anni, questa dovrà avvenire in soli 26 anni. Fortunatamente, gli innovatori di oggi hanno accesso a tecnologie avanzate e all'intelligenza artificiale (IA) per accelerare la transizione verso le zero emissioni.

In AWS, le startup utilizzano l'IA generativa per affrontare questa sfida. All'inizio di quest'anno, abbiamo condiviso come la prima ondata di startup di climate tech stia utilizzando l'IA generativa per gestire in modo più efficiente le proprie operazioni, implementandola per reperire rapidamente informazioni importanti contenute in documenti lunghi e complessi. Ora, tali startup utilizzano l'IA generativa per accelerare lo sviluppo dei prodotti, risparmiare denaro per i propri clienti e dimostrare cosa è possibile fare su una scala precedentemente inimmaginabile.

Tendenze emergenti dell'IA generativa nel settore del climate tech

1. Sviluppo di modelli di fondazione (FM) basati su dati del mondo reale, tra cui il mondo naturale, le condizioni meteorologiche, la scienza dei materiali e altri.
2. Utilizzo dell'IA generativa per scoprire e progettare nuove scienze, incluso lo sviluppo di materiali sostenibili, la mappatura genetica e altro ancora.
   
3. Ottimizzazione delle operazioni aziendali per risparmiare tempo e denaro attraverso miglioramenti nella categorizzazione, nell'inserimento dei documenti e nell'automazione.
   
4. Creazione di dati sintetici per addestrare modelli di machine learning (ML) quando i dati non sono immediatamente disponibili.
   
5. Utilizzo di Small Language Models (SLM), modelli di dimensioni ridotte specializzati, la cui capacità è concentrata su un'attività di destinazione specifica per ottimizzare i carichi di lavoro dell'IA generativa per la sostenibilità ambientale e i costi.
   

Come Insilico utilizza l'IA generativa per scoprire e progettare materiali sostenibili

Insilico Medicine è un'azienda biotecnologica globale in ambito clinico basata sull'IA generativa che inizialmente si è concentrata sull'accelerazione della scoperta di farmaci. Da allora ha ampliato la sua piattaforma per scoprire e progettare materiali e prodotti agrochimici sostenibili. Insilico ha inizialmente creato Pharma AI, che utilizza l'IA generativa per identificare obiettivi e generare e ottimizzare rapidamente le molecole, così da sviluppare e far avanzare la propria pipeline di programmi fino agli studi clinici in tempi record. Insilico offre anche la piattaforma Pharma.ai in qualità di prodotti SaaS ospitati su AWS. In media, nell'industria farmaceutica, il passaggio dall'identificazione dell'obiettivo alla selezione dei candidati clinici comporta la sintesi e il test di migliaia di composti e richiede più di 4,5 anni. L'approccio con l'IA generativa di Insilico consente un'ottimizzazione multiparametrica precisa, riducendo in genere il numero medio di molecole sintetizzate per programma a meno di 100 dall'identificazione del risultato alla nomina preclinica dei candidati, e in soli 12-18 mesi. Oltre a rendere il processo più veloce e conveniente, è circa 10 volte meno dispendioso rispetto all'approccio tradizionale. Insieme ad Amazon, Insilico Medicine ha anche creato quello che ritiene essere il più grande set di dati di dinamica molecolare al mondo, generato utilizzando il calcolo ad alte prestazioni (HPC) su AWS con Amazon EC2, Amazon FSx, Amazon S3 ed Elastic Fabric Adapter (EFA). Un set di dati unico che può essere sfruttato in diversi modi per migliorare l'accuratezza e la velocità della scoperta e dello sviluppo di farmaci basati su molecole di dimensioni ridotte.

Insilico sta ora applicando la sua piattaforma di IA generativa per scoprire e progettare materiali sostenibili. La loro piattaforma utilizza Amazon SageMaker per addestrare rapidamente nuovi modelli di fondazione e generare strutture molecolari ottimizzate. SageMaker consente l'elaborazione parallela di attività computazionali complesse, ridimensiona in modo uniforme le risorse per la valutazione dei modelli e fornisce a Insilico l'accesso su richiesta a GPU e CPU all'avanguardia. Per iniziare a utilizzare materiali sostenibili, Insilico ha collaborato con una grande azienda globale di tecnologia agricola per creare erbicidi più ecologici, sicuri ed efficaci. Gli erbicidi sono importanti per proteggere le colture e consentire agli agricoltori di coltivare cibo a prezzi accessibili, ma possono danneggiare l'ambiente circostante. Lavorando a stretto contatto, hanno sfruttato la tecnologia e l'esperienza di Insilico nella chimica generativa delle molecole di dimensioni ridotte alimentata dall'IA generativa, per progettare e ottimizzare potenziali erbicidi attivi in modo più rapido e ottimale per l'ambiente e la salute umana.

Insilico non si ferma qui. Recentemente ha annunciato il lancio del Generative AI for Environmental Sustainability Consortium, con la missione di sviluppare tecnologie di IA generativa open source all'avanguardia per la sostenibilità ambientale. È una piattaforma open source che consente a scienziati e laboratori accademici di fornire modelli e dati per far progredire i campi della 1) acquisizione del carbonio, 2) stoccaggio dell'idrogeno, 3) agrochimica e 4) oli di base e lubrificanti. Gli scienziati possono inviare modelli per la revisione. La piattaforma offre un sistema di analisi comparativa in modo che gli scienziati possano capire quali sono i modelli migliori per quali scopi. 

NET2GRID utilizza l'IA generativa per aiutare le società di servizi pubblici ad accelerare la transizione energetica

La complessità della rete elettrica sta crescendo rapidamente man mano che i fornitori di energia passano a fonti rinnovabili intermittenti come il solare e l'eolico, la cui produzione di elettricità varia a seconda delle ore del giorno. Questa variabilità, unita alle condizioni meteorologiche estreme dovute ai cambiamenti climatici, crea una domanda di elettricità estrema e picchi di prezzo. Se non gestiti bene, tali sbalzi possono portare all'instabilità della rete. Uno studio del Wall Street Journal indica che l'incidenza di blackout prolungati è raddoppiata dal 2013. Inoltre, il World Energy Outlook 2022 dell'AIE ha rilevato che i prezzi dell'energia sono aumentati del 30% nell'ultimo decennio, inducendo i clienti a cercare modi per ridurre la bolletta energetica. 

La piattaforma EnergyAI di NET2GRID utilizza l'IA generativa per consentire alle società di servizi di fornire ai propri clienti informazioni e raccomandazioni sull'utilizzo dell'energia volte a ridurre i costi, bilanciare la rete ed evitare interruzioni. EnergyAI Assistant aiuta i clienti delle società di servizi a comprendere facilmente il loro consumo di energia, a ridurre i costi e a migliorare l'efficienza. Il sistema è basato su modelli linguistici di grandi dimensioni (LLM) che sfruttano le API di analisi per fornire ai clienti di tali società approfondimenti e consigli personalizzati sul consumo energetico. Offre a famiglie e aziende analisi e previsioni energetiche avanzate che in precedenza erano proibitivamente costose e disponibili solo per gli esperti del settore. Il sistema è in grado di identificare il consumo energetico di apparecchi specifici e quello storico, in modo che i clienti sappiano dove è possibile risparmiare. Fornisce inoltre una previsione sofisticata del consumo energetico futuro e dei prezzi dell'elettricità, in modo che gli utenti possano evitare picchi di prezzo e ridurre i costi. 

NET2GRID utilizza Amazon Sagemaker per l'ottimizzazione e l'implementazione di LLM scalabili basati su Llama 7B. Usano AWS Inferentia2, il chip di inferenza di machine learning personalizzato ad alte prestazioni di AWS, per un'implementazione di modelli di intelligenza artificiale economica e ottimizzata dal punto di vista energetico. Infine, utilizzano le funzioni AWS Lambda per eseguire codice che risponde a trigger o eventi specifici, assicurando che l'assistente rimanga reattivo ed efficiente senza la necessità di una gestione continua dei server. 

L'implementazione di EnergyAI Assistant offre vantaggi sia per i fornitori di energia che per i loro clienti. L'assistente migliora in modo significativo l'esperienza del cliente fornendo risposte rapide e personalizzate alle domande relative all'energia. Disponibile 24 ore su 24, questo livello di assistenza può contribuire a migliorare la soddisfazione dei clienti e a ridurre il consumo di energia. Questo a sua volta aiuta le società di servizi a gestire la rete ed evitare costose interruzioni. La tecnologia aiuta inoltre i fornitori di energia a ridurre i costi di servizio fino al 25% attraverso un'assistenza clienti di primo livello. Inoltre, le informazioni generate dall'assistente possono ridurre i costi delle analisi di mercato e dei sondaggi fino al 20%, con conseguenti risparmi significativi. 

Connect Earth aiuta i clienti delle banche a prendere decisioni di acquisto basate sul clima utilizzando l'IA generativa

Mentre il mondo corre verso l'azzeramento delle emissioni nette di gas serra, la rendicontazione dei gas serra è ora obbligatoria in 40 Paesi, tra cui il Regno Unito, molti Stati membri dell'UE, Australia, Giappone e Stati Uniti. Secondo CDP, un'organizzazione no profit che gestisce sistemi di divulgazione globali, più di 23.000 aziende, che rappresentano due terzi della capitalizzazione di mercato globale, segnalano loro i dati sulle emissioni. Più di 10.000 aziende hanno annunciato pubblicamente obiettivi di riduzione dei gas serra, tra cui Amazon e gli oltre 500 firmatari del Climate Pledge per arrivare a zero emissioni nette entro il 2040, di cui Amazon è co-fondatrice. Per consentire questi sforzi, Connect Earth fornisce una suite di strumenti API basati sull'intelligenza artificiale che aiutano gli istituti di servizi finanziari e i clienti a calcolare e ridurre le emissioni di gas serra. 

Connect Earth utilizza l'IA generativa su AWS per integrare in modo omogeneo la valutazione dell'impatto ambientale nelle operazioni bancarie quotidiane. Analizzando una serie completa di dati, tra cui descrizioni delle transazioni, categorie fornite dalla banca, date, valute e informazioni regionali, il sistema non solo classifica le transazioni con precisione, ma le associa anche alle corrispondenti emissioni di carbonio stimate. Questo approccio consente ai clienti delle banche una chiara comprensione delle emissioni di carbonio personali e aziendali, consentendo loro di prendere decisioni di acquisto rispettose dell'ambiente e adottare misure attive per ridurre la propria impronta di carbonio.

Connect Earth integra l'IA generativa su AWS in tre modi. Innanzitutto, essa viene utilizzata per classificare ed etichettare le transazioni per stimare l'impronta di carbonio, un processo precedentemente manuale. Connect Earth esegue il fine-tuning di DistilBERTper la classificazione delle sequenze, una versione ridotta di BERT che ha il 40% in meno di parametri, opera il 60% più velocemente e preserva oltre il 95% delle prestazioni di BERT. In secondo luogo, quando i dati non sono accessibili o le normative ne limitano l'utilizzo, vengono generati dati sintetici per addestrarne i modelli, utilizzando modelli linguistici di piccole dimensioni (SLM) come Mistral 8x7B tramite AWS Bedrock. Infine, Connect Earth sta esplorando SLM open source, come Llama 7B per estrarre dati da input non strutturati allo scopo di inserirli nel suo modello, fornendo così risultati impressionanti con una frazione delle risorse computazionali di un modello linguistico di grandi dimensioni (LLM). Adottando algoritmi e SLM ad alta efficienza energetica, Connect Earth sta riducendo i costi e seguendo le best practice di AWS per ottimizzare i carichi di lavoro di machine learning per la sostenibilità. Lo stack di Connect Earth è implementato su AWS serverless computing: le API sono basate su AWS Lambda e i modelli sono implementati su Inferenza serverless Amazon SageMaker. Questa infrastruttura scalabile consente a Connect Earth di elaborare milioni di transazioni al giorno.

Attraverso questa pipeline di IA generativa, l'azienda stima di raddoppiare il numero di transazioni per le quali fornisce dati sul carbonio e presto consentirà il calcolo delle emissioni per origini dati non strutturate, come le fatture. Anche i clienti delle banche ricevono ulteriori vantaggi: in precedenza, i contabili classificavano manualmente le spese per determinare le stime delle emissioni di carbonio, impiegando 10-20 ore per azienda all'anno. Ora questo processo è stato eliminato, con conseguente risparmio di tempo e denaro per i clienti bancari. 

Inizia subito a creare, con AWS e l'IA generativa 

AWS si impegna ad aiutare le startup ad accelerare la lotta contro la crisi climatica sfruttando l'IA generativa. Attraverso la suite di strumenti AWS, le startup possono sviluppare rapidamente soluzioni per consentire la scoperta di materiali più sostenibili, ridurre i tempi di scoperta scientifica, accelerare le operazioni e ridurre i costi o persino generare dati sintetici. Insieme, saremo in prima linea nella lotta al cambiamento climatico.

Scopri come AWS può aiutare la tua startup a sfruttare il potere di trasformazione dell'IA generativa, approfondendo la conoscenza di Amazon Bedrock e del programma Startup AWS.