La vegetazione dopo il ritiro dei ghiacciai: prima piante pioniere, poi competitive
L’Università Statale di Milano ha guidato uno studio internazionale - condotto su 46 ghiacciai in fase di ritiro in tutto il mondo - sullo sviluppo della vegetazione dopo il ritiro del ghiacciaio: passata una prima fase in cui solo poche piante pioniere crescono su un suolo povero e instabile, a distanza di 50 anni nuove specie avanzano per sostituire le pioniere. Il lavoro, pubblicato su Nature Plants, rappresenta un modello per comprendere l’evoluzione dei nuovi ecosistemi.
In tutto il mondo, i ghiacciai si stanno ritirando rapidamente. Le aree che si liberano dopo il loro ritiro sono rapidamente colonizzate da una moltitudine di organismi. Tra
questi, le piante sono sicuramente gli organismi più visibili. Dopo la colonizzazione di queste aree, le comunità di piante cambiano nel tempo, in un processo chiamato successione ecologica. Quali meccanismi determinano queste successioni? Negli anni, sono stati proposti due meccanismi: nuove specie possono arrivare senza escludere quelle che erano già presenti (aggiunta), oppure le nuove arrivate possono sostituire le specie già presenti (sostituzione).
Intelligenza Artificiale: verso un futuro più “umano” e sostenibile
Creare dei microprocessori in grado di replicare i sistemi di apprendimento biologico, così da rendere l’Intelligenza Artificiale più flessibile, efficiente e sostenibile anche dal punto di vista ambientale. È questa la sfida lanciata da un gruppo internazionale di ricercatori - coordinato dal Neuromorphic AI Lab (NUAI Lab) della UTSA (University of Texas at San Antonio) - di cui fa parte anche Vincenzo Lomonaco, tra i massimi esperti italiani di Continual Learning, ricercatore presso il Dipartimento di Informatica dell’Università di Pisa e tra gli autori dell’articolo “Design principles for lifelong learning AI accelerators”, da poco uscito sulla prestigiosa rivista scientifica Nature Electronics.
“La fallibilità dell’Intelligenza Artificiale è ancora troppo alta e questo perché l’AI, così come la conosciamo oggi, si basa su sistemi di apprendimento automatico troppo rigidi, che la rendono incapace di affrontare condizioni nuove, non precedentemente incontrate durante il processo di addestramento – spiega Vincenzo Lomonaco – Di fatto, le facciamo apprendere una grande quantità di informazioni tutte insieme, ma ogni volta che emerge una novità su un determinato tema dobbiamo aggiornare il sistema da zero. Tutto ciò, oltre ad essere poco efficiente, ha anche dei costi altissimi, sia in termini economici che ambientali, visto l’elevato consumo di energia e le conseguenti emissioni di CO2 di questi processi”.