Indice
Dimenticate l’aratro, la zappa e la vecchia semina “a occhio”. L’agricoltura di frontiera oggi si fa con modelli predittivi, reti neurali e un archivio sterminato di dati climatici, genetici e biochimici. La conferma? Gli ulteriori progressi dell’applicazione dell’IA in agricoltura. L’ultimo arriva dal laboratorio “X”, noto per i suoi progetti lunari, con Heritable Agriculture, startup nata in seno ad Alphabet (la galassia di Google), con l’obiettivo di fare per la genetica vegetale quello che Google ha fatto per l’informazione: renderla indicizzabile, consultabile, predittiva.
Puntando alla terra, infatti, Heritable si è prefissa un intento tanto ambizioso quanto visionario: prevedere – con l’aiuto dell’intelligenza artificiale – quali combinazioni genetiche renderanno una pianta più produttiva, più gustosa, più resistente, a seconda dell’ambiente in cui cresce.
IA in agricoltura: un nuovo nome per la Rivoluzione Verde?
L’eco è inevitabile: Norman Borlaug, il padre della Rivoluzione Verde, dedicò vent’anni a sviluppare varietà di grano resistenti e ad alta resa, salvando milioni di persone dalla fame. Oggi Heritable sostiene di poter ottenere risultati simili in una frazione del tempo. Il segreto? Un database costruito in sei anni, con oltre 14.000 campioni analizzati sul campo in Nebraska, Wisconsin e California, combinato a software capaci di “navigare” tra ambiente, genoma e fenotipo.
Non si tratta, per ora, di modificare geneticamente le colture, ma di selezionarle con una precisione mai vista. Come se l’agricoltura, invece che lavorare sulla natura, cominciasse a lavorare con la sua complessità, aiutata da un’intelligenza che non dorme, non dimentica e non ha bisogno di stagioni.
- Leggi anche: PAC 2025: cosa cambia e come prepararsi
La promessa: più resa, meno attesa
Nella selezione genetica tradizionale, migliorare una coltura richiede anni, spesso decenni. Ogni ciclo di incrocio va osservato, testato sul campo, valutato in condizioni ambientali diverse. È un processo lento e soggetto a mille variabili. Con l’intelligenza artificiale in agricoltura, questo paradigma si capovolge: invece di aspettare che la natura mostri i suoi esiti, si anticipa la risposta, simulando milioni di scenari genetici prima ancora che il seme venga piantato.
Nello specifico, Heritable utilizza modelli di machine learning allenati su vastissimi set di dati raccolti in ambienti reali, non solo in serre controllate. Questo significa che l’algoritmo non lavora in astratto, ma “impara” direttamente dalla complessità dei campi coltivati. Il modello è in grado di predire come una determinata combinazione genetica reagirà al tipo di suolo, all’umidità, all’esposizione solare, persino alla densità di impollinatori. Il risultato? Una selezione vegetale mirata, rapida, adattiva. Questo approccio ha un potenziale trasformativo soprattutto per quelle colture “minori” che, per limiti di mercato o scarsa redditività, sono rimaste escluse dal miglioramento genetico tradizionale. Legumi, ortaggi, frutti locali: con modelli predittivi su misura, anche queste varietà possono essere ottimizzate per affrontare siccità, parassiti o suoli marginali. In tal senso, si configura quale occasione storica per aumentare la biodiversità alimentare, contrastare la dipendenza da poche monoculture e rilanciare economie agricole locali spesso trascurate.
Ma il vero valore aggiunto è nella resilienza: in un mondo in cui il clima cambia più in fretta delle politiche agricole, l’IA può diventare il principale alleato per adattarsi in tempo reale. Non più strategie a lungo termine scollegate dalla realtà, ma un’agricoltura capace di reagire – ed evolvere – stagione dopo stagione.
La sfida etica: agricoltura o algoritmo?
Ogni rivoluzione, però, porta con sé nuovi interrogativi. In che misura ci si potrà affidare a modelli predittivi per orientare le scelte agricole? L’ambiente è un sistema magmatico per definizione: suolo, clima, agenti patogeni, interazioni ecologiche, tutto è interdipendente e mutevole. Anche l’algoritmo più sofisticato pertanto può sbagliare, specialmente quando viene “trasferito” in un contesto diverso da quello in cui è stato addestrato.
C’è poi la questione del controllo. I dati agricoli sono oggi una risorsa strategica, e Heritable, come molte altre startup agritech, opera in un contesto dominato da attori privati. Se i modelli predittivi, le banche dati e i software di selezione diventano strumenti esclusivi di poche grandi aziende, il rischio è di trasformare gli agricoltori da protagonisti a semplici utilizzatori passivi di soluzioni preconfezionate. Con buona pace della conoscenza agronomica, che – per secoli diffusa e comunitaria – potrebbe finire per essere rinchiusa in architetture chiuse e licenze d’uso.
Vi è poi un altro quesito: chi stabilisce cosa sia “ottimale”? L’intelligenza artificiale non ha etica né visione: ottimizza ciò che le viene chiesto di ottimizzare. Se l’obiettivo è la resa, ecco allora che la biodiversità può anche diventare un ostacolo. Analogamente, se si deve puntare alla commerciabilità, pure il sapore può passare in secondo piano. Serve allora un controllo umano consapevole, una governance capace di orientare queste tecnologie verso finalità collettive e non solo industriali.
Il rischio, altrimenti, è quello di un’agricoltura teleguidata da algoritmi ciechi alle questioni sociali, culturali, ambientali. Colture più produttive, ma meno libere. Agricoltori più efficienti, ma meno autonomi. In altri termini: un’agricoltura che sa tutto della pianta, ma ben poco di chi ne dovrebbe trarre reddito o consumarne i prodotti finali.
Coltivare il futuro, pensare il presente
Entro questo quadro ambivalente, Heritable rappresenta allora una potente metafora del nostro tempo: la natura diventa leggibile come codice, la crescita si misura in bit, e il cibo torna a essere – come nell’antichità – una questione di ingegno umano, ma mediato dalla macchina.
Che non ci si possa permettere più di pensare all’agricoltura solo come tradizione oggi è indubbio. Ma non si deve neppure cedere alla tentazione di trattarla come una questione esclusivamente computazionale. Perché il rischio è che, nel coltivare piante più intelligenti, ci si smetta di riflettere su che cosa significhi davvero gestire agronomicamente una coltura, tramandare saperi incarnati ed esercitare discernimento etico nelle scelte che orientano il futuro. Tutti aspetti che, almeno per ora, non sono previsti da nessun algoritmo.
Ilaria De Marinis
© fruitjournal.com