di Simone Cosimi

Gli uccelli sbattono sempre le ali quando volano? No, non sempre. Anzi. E quel loro planare placidi – accade spesso di osservare i gabbiani dai traghetti – è uno dei grandi segreti della loro vita nel cielo. Riescono infatti a sfruttare le correnti termali ascensionali di aria calda per sostenersi semplicemente aprendo le ali. Rimanendo così in volo per molte ore impiegando una quantità minima di energia, strategia fondamentale in particolare per le specie migratorie. Come facciano nel dettaglio a navigare con tale precisione, individuando le casuali e turbolente correnti d’aria, non è ancora molto chiaro. Ma non serve poi averne contezza al 100% per studiare a fondo quella strategia e sperare di poterla impiegare anche nel campo dell’aviazione. In quel circolo virtuoso che segna da sempre la storia dell’uomo, la mimesi da ciò che la natura gli insegna.

A quanto pare ci si sta, in parte, già riuscendo. Lo testimonia uno studio appena pubblicato su Nature e firmato da un gruppo di lavoro dell’università della California-San Diego insieme al Salk Institute for biological studies e al Centro internazionale di fisica teorica Abdus Salam di Trieste. In sostanza i ricercatori sono stati in grado di sfruttare una soluzione di machine learning per insegnare a un algoritmo a controllare un aereo, anzi un aliante, proprio mimando le formidabili scelte di un volatile: individuando e sfruttando le cosiddette termali. Se è vero che non è la prima volta che l’intelligenza artificiale è stata indagata a questo scopo - Microsoft aveva per esempio pubblicato qualcosa di simile anni fa - sembrerebbe tuttavia la prima volta che sono stati utilizzati i dati estratti da voli reali per “nutrire” e migliorare le prestazioni sul campo dell’AI.

Falchi e aquile potrebbero dunque avere meno segreti, nei prossimi anni. Gli scienziati hanno usato i meccanismi di apprendimento per rinforzo per allenare degli alianti a volare da soli raggiungendo altitudini di 700 metri. E aprendo così un nuovo fronte di sviluppo anche per i cosiddetti “uav”, gli “unmanned aerial vehicles”, cioè droni e aeromobili a pilotaggio autonomo. “Questo paper costituisce un passo importante per l’intelligenza artificiale” ha spiegato Terry Sejnowski, docente del Salk Institute for biological studies nonché direttore del Laboratorio di neurobiologia computazionale e del Centro Crick-Jacobs per la biologia computazionale e teoretica. I sistemi di intelligenza artificiale sottoposti al training hanno imparato “a salire autonomamente in costante cambiamento di termiche come un uccello – ha aggiunto Sejnowski – sono rimasto sorpreso come sia stato necessario un apprendimento relativamente breve per ottenere prestazioni notevoli”.

L’apprendimento per rinforzo, una branca del machine learning ispirata alla psicologia comportamentale, è un metodo automatico che ruota intorno a sistemi in grado di capire e adattarsi alle mutazioni dell’ambiente in cui sono immersi tramite la somministrazione di una “ricompensa” (il rinforzo, appunto) che valuterà il livello e la qualità delle prestazioni conducendo a un miglioramento progressivo della performance. Secondo Massimo Vergassola, docente al dipartimento di Fisica dell’università di San Diego, e a Gautam Reddy, PhD che ha collaborato allo studio, questa metodologia offre un contesto appropriato per identificare le effettive strategie di volo inquadrandole come una sequenza di decisioni prese in risposta alle complicate sfide ambientali.

Ma cosa hanno provato concretamente i ricercatori? Nella pratica, dopo la fase di laboratorio, hanno equipaggiato due alianti con apertura alare di due metri con un dispositivo per il controllo del volo. Un sistema che ha consentito la navigazione (parzialmente) autonoma grazie a una serie di scelte basate sulla valutazione di angolo di volo e beccheggio, cioè l’inclinazione del muso verso l’alto o verso il basso. Le manovre messe in atto sono state stabilite esclusivamente dai dati ricavati da giorni di simulazioni al computer ed esperimenti su campo, in particolare sulle stime delle accelerazioni delle correnti ascensionali, specie di quelle turbolente che si estendono dalla superficie alla base delle nuvole, sulla temperatura e sulla velocità del vento. Le precedenti simulazioni al computer hanno consentito ai ricercatori di identificare i metodi più efficaci sfruttati dagli uccelli per decidere una rotta in volo e appunto  “saltare” di termica in termica. Possibilmente rimanendo al centro di quella corrente per ricevere la spinta maggiore verso l’alto.

Il risultato, che in fondo punta anche a capire qualcosa di più sulle stesse strategie degli uccelli per verificare se possano davvero imparare a navigare “in termica”, è stato quello di riuscire a ricostruire i modelli di comportamento animale. Ai quali, come si è visto un po’ misteriosamente, è sufficiente una limitata mole di informazioni per rimanere in aria senza posarsi per giorni o settimane. Proprio come fanno le fregate maggiori, uccelli marini che rimangono in volo per due mesi nel corso delle loro migrazioni transoceaniche.

Abbiamo realizzato delle simulazioni numeriche dello strato limite dell’atmosfera che, come nella realtà, presenta una sequenza irregolare di correnti termiche ascendenti e discendenti in uno sfondo di forti fluttuazioni di velocità – ha spiegato Antonio Celani dell’Ictp – successivamente abbiamo implementato il nostro algoritmo di apprendimento per individuare quale combinazione di parametri (o più specificamente, quale combinazione di informazioni locali disponibili) fosse necessaria per ottenere il risultato migliore in termini di efficienza di volo. Sorprendentemente, per ottenere strategie eccellenti, sono stati necessari solo due tipi di informazione: l’accelerazione verticale della corrente e il momento meccanico, cioè l’attitudine della forza del vento a imprimere una rotazione all’uccello”. Così, dopo centinaia di prove, premiando le rotte corrette e penalizzando quelle sbagliate, gli “uccelli virtuali” del gruppo di lavoro hanno imparato a fare da soli, costruendo questa catena di termine con un tasso di successo elevato. Dunque, per tornare al punto di partenza, mimando gli atteggiamenti dei volatili che è stato poi , e continuerà ad esserlo, su piccoli alianti.

Lo studio si è infatti basato anche su circa 240 brevi voli nei cieli di Poway, in California, durati in media tre minuti e pilotati equamente a mano e poi dall’AI. Secondo gli esperti i risultati aprono la strada a un cambiamento profondo nel futuro dei mezzi aerei senza motore (ma anche per quelli a motore, considerando il risparmio energetico potenziale) ma al contempo suggeriscono come l’intelligenza artificiale possa essere estremamente utile anche dal punto di vista dell’analisi del mondo naturale. Le termali sono infatti solo alcuni dei segreti sfruttati dagli uccelli per spendere meno energia e aumentare la propria autonomia di volo. Altre, per esempio, sono le correnti d’aria che si generano sulle creste delle montagne o le collisioni di masse d’aria nelle cosiddette zone di convergenza intertropicali o equatoriali, come spiagge o deserti. Altri fronti da indagare prima di poter consegnare la cloche all’intelligenza artificiale.