Contattaci

Fisica

L’intelligenza artificiale ha problemi con il mondo reale

Gli ultimi sistemi d’intelligenza artificiale diventano campioni a un gioco nel giro di poche ore partendo da zero. Ma i ricercatori stanno cercando di applicare questi sistemi anche a problemi della vita reale, che tuttavia per ora le macchine non riescono ad affrontare in modo efficace a causa della loro complessità

Pubblicato

il

Fino a poco tempo fa, le macchine il grado di sconfiggere i campioni erano almeno abbastanza rispettose da iniziare imparando dall’esperienza umana.
Nel 1997, per battere Garry Kasparov a scacchi, gli ingegneri dell’IBM hanno usato secoli di saggezza degli scacchi nel loro computer Deep Blue. Nel 2016, AlphaGo di Google DeepMind ha battuto il campione Lee Sedol nell’antico gioco da tavolo Go dopo aver esaminato milioni di posizioni di decine di migliaia di partite umane.

Ma ora i ricercatori di intelligenza artificiale stanno ripensando il modo in cui i loro bot integrano la totalità della conoscenza umana. La tendenza attuale è: non disturbarti.

Nell’ottobre 2017, il gruppo di DeepMind ha pubblicato i dettagli di un nuovo sistema per giocare a Go, AlphaGo Zero, che non ha studiato affatto partite umane. Invece, ha iniziato con le regole del gioco e ha giocato contro se stesso. Le prime mosse sono state completamente casuali. Dopo ogni partita, ha acquisito nuove conoscenze su che cosa lo aveva portato a una vittoria e che cosa no. Alla fine di questi allenamenti, AlphaGo Zero si è scontrato con la versione superumana di AlphaGo che aveva sconfitto Lee Sedol. E ha vinto 100 partite a zero.

Il gruppo ora ha creato un altro giocatore esperto della famiglia di AlphaGo, chiamato semplicemente AlphaZero. In un articolo pubblicato su” Science”, i ricercatori di DeepMind hanno rivelato che, dopo aver ricominciato da zero, AlphaZero addestrato ha superato in prestazioni AlphaGo Zero, in altre parole, ha battuto il bot che ha battuto il bot che ha battuto i migliori giocatori di Go nel mondo. (L’articolo è stato pubblicato per la prima volta sul sito di preprint scientifico arxiv.org nel dicembre 2017.) E quando gli sono state fornite le regole per gli scacchi o lo shogi, variante giapponese degli scacchi, AlphaZero ha imparato rapidamente a sconfiggere

anche gli algoritmi di alto livello nati su misura per quei giochi. Gli esperti si sono meravigliati dello stile aggressivo e inconsueto del programma. “Mi sono sempre chiesto come sarebbe stato se una specie superiore fosse arrivatasulla Terra e ci avesse mostrato come gioca a scacchi”, ha detto il grande maestro danese Peter Heine Nielsen a un intervistatore della BBC. “Adesso lo so.”

L’anno scorso hanno visto la luce anche bot di autoapprendimento ultraterreno in ambientazioni molto diverse come il poker no-limit e Dota 2, un popolare videogioco on line multiplayer in cui eroi a tema fantasylottano per il controllo di un mondo alieno.

Ovviamente, le aziende che investono denaro in questi e altri sistemi simili hanno ambizioni più grandi che dominare i tornei di videogiochi. I gruppi di ricerca come DeepMind sperano di applicare metodi simili a problemi del mondo reale, come la costruzione di superconduttori a temperatura ambiente, o la comprensione degli origami necessari per ripiegare le proteine in potenti molecole farmacologiche. E, naturalmente, molti addetti ai lavori sperano di realizzare un’intelligenza artificiale generale, un obiettivo mal definito ma accattivante in cui una macchina potrebbe pensare come una persona, con la versatilità sufficiente per affrontare molti diversi tipi di problemi.

Tuttavia, nonostante gli investimenti su questi sistemi, non è ancora chiaro fino a che punto le tecniche attuali possano andare oltre il tavolo da gioco. “Non sono sicuro che le idee di AlphaZero si possano generalizzare facilmente”, ha detto Pedro Domingos, informatico dell’Università di Washington. “I giochi sono una cosa assai insolita.”

Obiettivi perfetti per un mondo imperfetto
Una caratteristica condivisa da molti giochi, scacchi e Go inclusi, è che i giocatori possono vedere tutti i pezzi su entrambi i versanti in ogni momento. Ogni giocatore ha sempre quella che viene definita “informazione perfetta” sullo stato del gioco. Per quanto diabolicamente complesso diventi il gioco, tutto ciò che occorre fare è pensare in avanti rispetto alla situazione corrente.

Tante situazioni reali non sono così. Immaginiamo di chiedere a un computer di diagnosticare una malattia o condurre una trattativa d’affari. “La maggior parte delle interazioni strategiche del mondo reale coinvolgono informazioni nascoste”, ha detto Noam Brown, studente di dottorato in informatica alla Carnegie Mellon University. “Ho la sensazione che ciò è stato trascurato dalla maggior parte della comunità dell’intelligenza artificiale”.

Il poker, in cui Brown è specializzato, pone una sfida diversa. Non si possono vedere le carte dell’avversario. Ma anche qui le macchine che imparano giocando contro se stesse stanno ora raggiungendo livelli sovrumani. Nel gennaio 2017, un programma chiamato Libratus creato da Brown e dal suo consulente, Tuomas Sandholm, ha battuto quattro giocatori professionisti di poker al Texas Hold ‘em testa a testa, no-limit, finendo 1,7 milioni di dollari davanti ai suoi avversari alla fine di una gara di 20 giorni.

Un gioco ancora più scoraggiante che coinvolge informazioni imperfette è StarCraft II, un altro videogioco on line multiplayer con un vasto seguito. I giocatori scelgono una squadra, costruiscono un esercito e combattono una guerra in un paesaggio di fantascienza. Ma quel paesaggio è avvolto da una nebbia di guerra che consente solo ai giocatori di vedere le aree in cui hanno soldati o edifici. Anche la decisione di andare in ricognizione tra le linee nemiche è piena di incertezze.

Questo è un gioco che l’intelligenza artificiale non può ancora affrontare. Gli ostacoli al successo includono il numero di mosse in una partita, che spesso arrivano a migliaia, e la velocità con cui devono essere fatte. Ogni giocatore – essere umano o macchina – deve preoccuparsi di una vasta serie di possibili futuri con ogni click.

Per ora, un testa a testa con i migliori esseri umani in questa arena è fuori dalla portata dell’intelligenza artificiale. Ma è un obiettivo. Nell’agosto 2017, DeepMind ha stretto una accordo con Blizzard Entertainment, l’azienda che ha realizzato StarCraft II, per fornire gli strumenti che, secondo loro, aiuteranno ad aprire il gioco ai ricercatori di intelligenza artificiale.

Nonostante le sfide, StarCraft II si riduce a un obiettivo che può essere enunciato in modo semplice: elimina il tuo nemico. È qualcosa che condivide con scacchi, Go, poker, Dota 2 e praticamente ogni altro gioco. Nelle partite, si può vincere.

Dal punto di vista dell’algoritmo, i problemi devono avere una “funzione obiettivo”, cioè un obiettivo da perseguire. Quando AlphaZero ha giocato a scacchi, non è stato così difficile. Una sconfitta contava come meno uno, un pareggio zero e una vittoria più uno. La funzione obiettivo di AlphaZero era di massimizzare il suo punteggio. La funzione obiettivo di un bot per il poker è altrettanto semplice: vincere un sacco di soldi.

intelligenza artificiale

(Credit: iSock/PhonlamaiPhoto)

 

Le situazioni della vita reale non sono così semplici. Per esempio, un’automobile che guida da sola ha bisogno di una funzione obiettivo più sfumata, qualcosa di simile al tipo di frase che useremmo per esprimere un desiderio al genio della lampada. Per esempio: portare tempestivamente il passeggero alla giusta destinazione, rispettare tutte le leggi e valutare adeguatamente il valore della vita umana in situazioni pericolose e incerte. Il modo in cui i ricercatori realizzano la funzione obiettivo, ha affermato Domingos, “è una delle cose che distingue un grande ricercatore di apprendimento automatico dalla media”.

Consideriamo Tay, un chatbot di Twitter rilasciato da Microsoft il 23 marzo 2016. L’obiettivo di Tay era coinvolgere le persone, e così è stato. “Quello che sfortunatamente Tay ha scoperto – ha detto Domingos, – era che il modo migliore per massimizzare il coinvolgimento era pubblicare insulti razzisti.” È stato messo off-line dopo nemmeno un giorno.

Il nostro peggior nemico
Alcune cose non cambiano. I metodi usati dai bot di gioco dominanti oggi usano strategie inventate decenni fa. “È quasi un tuffo nel passato, solo con più calcoli”, ha detto David Duvenaud, informatico dell’Università di Toronto.

Le strategie spesso si basano sull’apprendimento per rinforzo, una tecnica basata sul non intervento. Invece di eseguire un algoritmo con istruzioni dettagliate, gli ingegneri lasciano che la macchina esplori un ambiente, in modo che impari a raggiungere gli obiettivi per prove ed errori. Prima del rilascio di AlphaGo e dei suoi eredi, il gruppo di DeepMind ha ottenuto il suo primo grande risultato da prima pagina nel 2013, quando ha usato l’apprendimento per rinforzo per creare un bot che ha imparato a giocare sette giochi Atari 2600, tre dei quali a livello esperto.

Questi progressi sono continuati. Il 5 febbraio scorso, DeepMind ha presentato IMPALA, un sistema di intelligenza artificiale in grado di apprendere 57 giochi Atari 2600, più altri 30 livelli costruiti da DeepMind in tre dimensioni. In questi, il giocatore girovaga attraverso diversi ambienti, raggiungendo obiettivi come sbloccare porte o raccogliere funghi. IMPALA sembra trasferire conoscenza tra i compiti, il che significa che il tempo trascorso a giocare a un gioco aiuta anche a migliorare le prestazioni negli altri.

Ma nella più ampia categoria di apprendimento per rinforzo, giochi da tavolo e giochi multiplayer permettono un approccio ancora più specifico. Qui, l’esplorazione può assumere la forma di gioco solitario, o selfplay, in cui un algoritmo acquisisce la supremazia strategica combattendo ripetutamente con la copia di se stesso.

Questa idea risale a decenni fa. Negli anni cinquanta, l’ingegnere dell’IBM Arthur Samuel creò un programma per giocare a dama che imparava in parte facendo scontrare un lato alfa contro un lato beta. E negli anni novanta, Gerald Tesauro, anch’egli di IBM, costruì un programma di backgammon che metteva l’algoritmo contro se stesso. Il programma raggiunse livelli di esperti umani, escogitando via via strategie non ortodosse ma efficaci.

Partita dopo partita, l’algoritmo di un sistema self-play affronta un avversario dello stesso livello. Ciò significa che i cambiamenti nella strategia portano a risultati diversi, fornendo un feedback immediato all’algoritmo. “Ogni volta che impari qualcosa, ogni volta che scopri una piccola cosa, il tuo avversario la usa immediatamente contro di te”, ha detto Ilya Sutskever, direttore della ricerca di OpenAI, organizzazione no profit, che ha co-fondato con Elon Musk, dedicata allo sviluppo e alla condivisione della tecnologia dell’intelligenza artificiale con l’obiettivo di arrivare ad applicazioni sicure. Nell’agosto 2017, l’organizzazione ha rilasciato un bot Dota 2 che controlla il personaggio Shadow Fiend, una sorta di demone-negromante che ha battuto i migliori giocatori del mondo nelle battaglie uno contro uno. Un altro progetto OpenAI mette l’uno contro l’altro esseri umani simulati in un incontro di sumo, dove finiscono per auto-apprendere come attaccare e fare finte. Durante il self-play, “non puoi mai stare fermo, devi sempre migliorare”, ha detto Sutskever.

Ma la vecchia idea del self-play è solo un ingrediente dei bot dominanti di oggi, che hanno anche bisogno di un modo per tradurre le loro esperienze di gioco in una comprensione più profonda. Chess, Go e videogiochi come Dota 2 hanno molte più permutazioni di quanti siano gli atomi nell’universo. Anche nel corso di molte vite trascorse a combattere la propria ombra in arene virtuali, una macchina non può affrontare tutti gli scenari, prendere nota in una tabella e consultare quella tabella quando si trova di nuovo la stessa situazione.

intelligenza artificiale

Credit: iSock/PhonlamaiPhoto)

 

Per rimanere a galla in questo mare di possibilità, “è necessario generalizzare, catturare l’essenza”, ha detto Pieter Abbeel, informatico dell’Università della California a Berkeley. Deep Blue di IBM ha fatto questo con la sua formula di scacchi intrinseca. Dotato della capacità di valutare l’efficacia di posizioni sulla scacchiera che non aveva mai visto prima, poteva adottare mosse e strategie per incrementare le sue possibilità di vittoria. Negli ultimi anni, tuttavia, una nuova tecnica ha permesso di oltrepassare del tutto la formula. “Ora, all’improvviso, la ‘rete profonda’ cattura tutto questo”, ha detto Abbeel.

Le reti neurali profonde, o deep neural networks, che hanno accresciuto la loro popolarità negli ultimi anni, sono costruite con strati di “neuroni” artificiali che si sovrappongono come in un pancake. Quando i neuroni in un livello si attivano, inviano segnali allo strato successivo, che li invia allo strato successivo e così via.

Modificando il modo in cui gli strati si connettono, queste reti diventano molto abili nel trasformare gli input in output correlati, anche se la connessione sembra astratta. Date loro una frase in inglese, e potrebbero addestrarsi a tradurla in turco. Date loro foto di un rifugio per animali e potrebbero identificare quali contengono gatti. Oppure mostrate loro una scacchiera e potrebbero intuire le loro probabilità di vittoria. In genere, però, è necessario prima dare a queste reti una serie di esempi contrassegnati su cui esercitarsi.

Ecco perché self-play e reti neurali profonde si integrano così bene. Il self-play sforna continuamente raccolte di partite, dando alle reti neurali profonde la serie teoricamente illimitata dei dati di cui hanno bisogno per insegnare a se stesse. A loro volta, le reti neurali profonde offrono un modo per interiorizzare esperienze e schemi incontrati nel self-play.

Ma c’è un problema. Per produrre dati utili, i sistemi self-play hanno bisogno di un luogo realistico in cui giocare.

“Tutti questi giochi, tutti questi risultati, sono emersi in ambienti in cui è possibile simulare perfettamente il mondo”, ha dichiarato Chelsea Finn, studentessa di dottorato di Berkeley che usa l’intelligenza artificiale per controllare bracci robotizzati e interpretare i dati dai sensori. Altri domini non sono così facili da simulare.

Le automobili a guida autonoma, per esempio, hanno difficoltà a gestire il maltempo o i ciclisti. Oppure potrebbero non elaborare le bizzarre possibilità che si presentano nei dati reali, come un uccello che per caso vola direttamente verso la videocamera dell’auto. Per i bracci robotici, ha detto Finn, le simulazioni iniziali forniscono la fisica di base, permettendo al braccio almeno di imparare in che modo apprendere. Ma non riescono a catturare i dettagli che riguardano il contatto con le superfici, il che significa che compiti come avvitare un tappo di bottiglia o condurre una complessa procedura chirurgica richiedono anche un’esperienza del mondo reale.

Per problemi difficili da simulare, quindi, il self-play non è così utile. “C’è un’enorme differenza tra un vero modello perfetto dell’ambiente e uno valutato e appreso, soprattutto quando questa realtà è complessa”, ha scritto Yoshua Bengio, pioniere del deep learning all’Università di Montreal, in una email. Ma ciò lascia ancora ai ricercatori della intelligenza artificiale alcune strade per andare avanti.

La vita oltre i giochi
È difficile individuare l’alba della supremazia dell’intelligenza artificiale nei giochi. Si potrebbe scegliere la sconfitta di Kasparov negli scacchi, o la disfatta di Lee Sedol per mano virtuale di AlphaGo. Un’altra opzione popolare sarebbe il momento in cui il leggendario campione di Jeopardy!(quiz televisivo statunitense, in cui i concorrenti si sfidano sulla cultura generale sulla base di indizi) Ken Jennings è stato sconfitto da Watson dell’IBM nel 2011. Watson poteva analizzare gli indizi del gioco e gestire i giochi di parole. L’incontro, durato due giorni, non era equilibrato. “Io per primo do il benvenuto ai nostri nuovi padroni computerizzati”, ha scritto Jennings sotto la sua risposta finale.

Watson sembrava dotato del tipo di abilità che gli esseri umani usano in una serie di problemi del mondo reale. Poteva prendere un suggerimento in inglese, frugare tra i documenti pertinenti alla velocità della luce, trovare i frammenti di informazioni attinenti e fornire una singola migliore risposta. Ma sette anni dopo, il mondo reale continua a presentare sfide ostinatamente ardue per l’intelligenza artificiale. Un rapporto pubblicato a settembre dalla rivista sanitaria “Stat” ha rilevato che la ricerca e la progettazione di trattamenti personalizzati per il cancro, cercati da Watson for Oncology, erede di Watson, si stanno dimostrando difficili.

“Le domande in Jeopardy! sono più facili, nel senso che non hanno bisogno di molto senso comune”, ha scritto Bengio, che ha collaborato con il gruppo di Watson, quando gli è stato chiesto di confrontare i due casi dal punto di vista dell’intelligenza artificiale. “Capire un articolo di medicina è molto più difficile. Sono necessarie ancora molte ricerche di base”.

“Per quanto speciali siano i giochi, ci sono ancora problemi del mondo reale che sono simili. I ricercatori di DeepMind hanno rifiutato di essere intervistati per questo articolo, citando il fatto che il loro lavoro con AlphaZero è attualmente sottoposto a revisione tra pari. Ma il gruppo ha suggerito che le sue tecniche potrebbero presto aiutare i ricercatori in campo biomedico che vorrebbero comprendere il ripiegamento delle proteine.

Per fare questo, hanno bisogno di capire come i vari amminoacidi che formano una proteina si ripiegano in una piccola macchina tridimensionale con una funzione che dipende dalla sua forma. Ciò è complicato quanto lo sono gli scacchi: i chimici conoscono abbastanza bene le regole per calcolare scenari specifici, ma ci sono ancora così tante configurazioni possibili, che cercare tra di esse è un compito senza speranza. Ma che cosa succederebbe se il ripiegamento delle proteine potesse essere configurato come un gioco? In realtà, è già stato fatto. Dal 2008, centinaia di migliaia di giocatori umani si sono cimentati con Foldit, un gioco on line in cui gli utenti ricevono un punteggio in base alla stabilità e alla fattibilità delle strutture proteiche che ripiegano. Una macchina potrebbe allenarsi in modo simile, forse cercando di battere il suo precedente punteggio migliore con l’apprendimento generale per rinforzo.

Anche apprendimento per rinforzo e self-play potrebbero aiutare ad addestrare sistemi di dialogo, suggerisce Sutskever. Ciò darebbe ai bot che hanno intenzione di parlare agli esseri umani la possibilità di addestrarsi parlando a se stessi. E considerando che l’hardware specializzato per l’intelligenza artificiale sta diventando più veloce e più disponibile, gli ingegneri avranno un incentivo a mettere sempre più problemi in forma di giochi. “Penso che in futuro il self-play e altri modi di consumare una grande quantità di potenza di calcolo diventeranno sempre più importanti”, ha affermato Sutskever.

Ma se l’obiettivo finale è che le macchine possano fare ciò che fanno gli esseri umani, anche per un campione di gioco da tavolo generalista autodidatta come AlphaZero si apre una strada. “Secondo me, è necessario vedere che cosa è realmente un grande divario tra le attività reali del pensiero, l’esplorazione creativa delle idee e quello che attualmente vediamo nell’IA”, ha detto Josh Tenenbaum, scienziato cognitivo del Massachusetts Institute of Technology. “Quel tipo di intelligenza è lì, ma rimane per lo più nella mente dei grandi ricercatori di intelligenza artificiale”.

“Molti altri ricercatori, consapevoli del clamore che circonda il loro campo, mettono a disposizione le proprie competenze. “Farei attenzione a non sopravvalutare il significato di giocare a questi giochi, per l’intelligenza artificiale o per i lavori in generale. Gli esseri umani non sono molto bravi nei giochi”, ha detto François Chollet, che si occupa di ricerca nel campo del deep-learning per Google.

“Ma occorre tenere presente che strumenti molto semplici e specializzati possono effettivamente ottenere molto”, ha affermato.

(L’originale di questo articolo è stato pubblicato il 21 febbraio 2018 e aggiornato il 6 dicembre da QuantaMagazine.org





Licenza Creative Commons



Detective presso Computer Crime Research Center. Investigazioni Roma. Ingegneria Elettronica e delle Telecomunicazioni Seminario Analisi del Crimine Violento Università di Roma

Continua a leggere
Clicca per commentare

Leave a Reply

Per commentare puoi anche connetterti tramite:



Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Fisica

Nella storia dell’essere umano non c’è mai stata così tanta CO₂ nell’atmosfera

Lo scorso weekend la presenza di gas serra ha toccato un nuovo preoccupante livello record di 415,26 parti per milione: non era mai stato così alto da quando l’uomo è sulla Terra

Pubblicato

il

Gli appelli di Greta Thunberg, la 16enne paladina del clima che ha convinto centinaia di migliaia di studenti in tutto il mondo a protestare contro i cambiamenti climatici e chiede ai governi di impegnarsi molto di più sul fronte ambientale, per ora sembrano essere caduti nel vuoto. Eppure sempre più dati testimoniano la necessità di prendere sul serio l’attivista: questo weekend, i ricercatori dello Scripps Institute for Oceanography di San Diego hanno fatto sapere che la presenza di CO₂ nell’atmosfera ha raggiunto il livello record di 415 parti per milione. Il dato, certificato dall’Osservatorio Mauna Lau delle Hawaii, è il più alto da quando l’uomo è comparso sulla Terra.

Il numero è allarmante. “Non è il più alto solo della storia documentata, o non solo dall’invenzione dell’agricoltura 10mila anni fa: è il più alto dai tempi precedenti ai primi esemplari moderni di essere umano, milioni di anni fa. Non sappiamo nulla di un pianeta come questo”, ha twittato il meteorologo Eric Holthaus.

Gli ha fatto eco la climatologa della Texas Tech University, Katherine Hayhoe. “Come scienziata, quello che mi preoccupa di più non è che abbiamo superato l’ennesima soglia, ma ciò che questo aumento significa nella realtà. Stiamo continuando con un esperimento senza precedenti sul nostro pianeta, che è l’unica casa che abbiamo”.

Un aumento costante

Gli scienziati hanno iniziato a monitorare la presenza di CO₂ nell’atmosfera negli anni Sessanta. Da allora, il livello di emissioni – che era pari a 315 ppm – è sempre aumentato, proporzionalmente allo sviluppo industriale, fino ad arrivare a quota 400 ppm nel 2016. Oggi siamo a 415,26 parti per milione, il che significa che negli ultimi tre anni la presenza di CO₂ è cresciuta in media di 5 parti per milione, soprattutto a causa delle scelte dei governi e dell’utilizzo dei combustibili fossili.

Secondo gli scienziati, è impossibile prevedere cosa comporterà questo livello di CO₂ nei prossimi anni. Si possono solo fare delle ipotesi. Una di queste è che la Terra torni a essere com’era durante il Pliocene, un’epoca geologica che ebbe inizio 5 milioni di anni fa e terminò 2 milioni di anni fa e fu caratterizzata da livelli di Co2 superiori a 400 ppm. Allora la temperatura media era tre gradi più alta di quella odierna, gli oceani erano più alti di 15 metri e non c’erano ghiacciai. Il Polo Sud, per esempio, era ricoperto da foreste.





Licenza Creative Commons



Crediti :

Wired

Continua a leggere

Fisica

SpaceX lancia i primi 60 satelliti per l’internet dello spazio, ma Musk è pessimista

SpaceX sulla rampa di lancio per spedire in orbita i primi nodi della rete spaziale, ma il fondatore di Tesla Elon Musk teme un insuccesso, mentre accelera la corsa con i concorrenti. Ecco come seguire il lancio

Pubblicato

il

Falcon 9 in fase di decollo (Foto: SpaceX/Flickr)

Continua la corsa alla conquista dell’internet spaziale con un lancio di 60 satelliti da parte di SpaceX, la società aerospaziale di Elon Musk, con l’obiettivo di avviare i test della rete web satellitare Starlink. Il lancio dei 60 satelliti caricati nella stiva del razzo Falcon 9 è previsto nella finestra di tempo tra le ore 2.30 e le 4 (fuso orario di Greenwich) del 16 maggio 2019.

L’annuncio è stato dato dal patron di Tesla, Elon Musk, su Twitter, con due foto suggestive del vano di carico del Falcon9 pieno dei satelliti, che verranno rilasciati in orbita a formare la prima parte della rete internet dello spazio.

SpaceX non vuole rimanere indietro dopo che i concorrenti dOne Web, a febbraio, sono riusciti a mettere in orbita 6 satelliti funzionanti. Né vuole essere superata nella corsa allo spazio da Amazon e dai suoi 3.236 satelliti Kuiper

Elon Musk però non è convinto della riuscita del primo lancio. “Molto probabilmente andrà tutto storto nella prima missione”, ha scritto nelle risposte al suo tweet. La rete composta da soli 60 satelliti fungerà da test ma non avrà una ricaduta immediata pet gli untenti. “Saranno necessari altri 6 lanci da 60 satelliti per avere una minima copertura di segnale”, ha spiegato Musk, “e altri 12 per una moderata”.

Finora SpaceX ha inviato in orbita solamente due satelliti di test, denominati TinTin A e TinTin B. I 60 satelliti prossimi al lancio sono un’evoluzione di quei modelli ma non sono ancora la versione definitiva. Sono prototipi sacrificabili per testare l’efficacia del progetto, che si comporrà, nei piani di SpaceX, di circa 12mila satelliti.

Il decollo avverrà dalla stazione aeronautica di Cape Canaveral in Florida e potrà essere seguito dalla diretta live trasmessa sul canale YouTube di SpaceX .





Licenza Creative Commons



Crediti :

Wired

Continua a leggere

Fisica

Caro Libero, ti spieghiamo la differenza tra meteo e clima

Secondo il quotidiano un maggio così freddo basterebbe a smentire il riscaldamento globale in atto, che la scienza sta denunciando ormai da anni. Ancora una volta è stata fatta confusione tra meteo e clima

Pubblicato

il

Riscaldamento del pianeta? Ma se fa freddo”. Così titola e si risponde il quotidiano Libero, nella sua prima pagina di lunedì 6 maggio 2019. L’ennesima leggerezza giornalistica dovuta alla confusione tra due concetti molto diversi tra loro, quello di clima e quello di meteo. A detta dell’autore dell’articolo, infatti, quest’inizio di maggio così freddo e piovoso, con nevicate anche a bassa quota, in tutta la nostra penisola, smentirebbe il riscaldamento globale in atto che la scienza e Greta Thunberg, la sedicenne svedese diventata una celebrità nella lotta al cambiamento climatico (ma che il giornale non perde occasione di chiamare Gretina), stanno denunciando ormai da anni.

libero surriscaldamento globale

Ma bastano davvero temperature rigide e piogge torrenziali per sbugiardare i cambiamenti climatici? No, anzi. Si tratta solamente dell’ennesimo errore da parte di un giornale, che ha confuso fenomeni meteorologici anomali di qualche giorno con il clima e quindi il cambiamento climatico, che si misura invece su lunghe scale temporali. Ricordiamo, infatti, che poco tempo fa anche il Messaggero di Roma aveva fatto uno scivolone simile, titolando un articolo del 5 gennaio scorso con “Il freddo di questi giorni allontana i timori sul riscaldamento globale”. Come vi avevamo raccontato, il giornale aveva successivamente rimediato al “malinteso”, riferendo che era saltato un “non” che aveva cambiato tutto il senso della frase.

Ricordiamo che la lettura degli eventi meteo estremi potrebbe essere proprio l’opposto a quanto sostenuto dal giornale: sarebbero infatti proprio i cambiamenti climatici a generale e rendere più frequenti le ondate di gelo e di calore. E di documenti scientifici che lo dimostrano ce ne sono a palate. Per citarne alcuni, i dati dell’Istituto di science dell’atmosfera e del clima (Isac) del Cnr di Bologna hanno evidenziato come il 2018 è stato l’anno più caldo degli ultimi due secoli nel nostro Paese, confermando la tendenza all’aumento delle temperature medie del pianeta. “Il 2018 è stato l’anno più caldo dal 1800 ad oggi per l’Italia”, ci aveva raccontato il climatologo Michele Brunetti“Con una anomalia di 1,58°C sopra la media del periodo di riferimento dal 1971 al 2000, ha superato il precedente record del 2015 (1,44°C sopra la media)”.

Secondo uno studio della University of Hawaii, pubblicato su Nature Climate Change, le ondate di caldo sono destinate ad aumentare: come sottolineano i ricercatori, nei prossimi anni, le emissioni di gas serracontinueranno a crescere e il 75% della popolazione mondiale potrebbe essere esposto entro il 2100 a ondate di calore mortali. E se le cose non cambieranno, stando al Climate Action Tracker, sempre nel 2100 la temperatura sarà di 3,4°C più alta rispetto a quella attuale, con conseguenze catastrofiche.

Ricordiamo, inoltre, che dall’inizio del 2019 sono già stati registrati 33 record di caldo, ma nessuno di freddo. Lo aveva raccontato al New Scientist il climatologo Maximiliano Herrera, a commento dell’ondata di gelo eccezionale (temperature di -40 gradi) che aveva investito l’America del Nord a gennaio scorso. Secondo lo scienziato, per poter dire che un clima sia stabile, il numero di record di temperature calde e fredde dovrebbe essere uguale. Ma stando alle ultime analisi, nel 2018 ben 430 stazioni in tutto il mondo hanno registrato temperature massime e solamente 40 hanno riportato i minimi storici. Un confronto che è il chiaro ed ennesimo segno del fatto che il nostro pianeta stia diventando sempre più caldo.

 





Licenza Creative Commons



Crediti :

Wired

Continua a leggere

Chi Siamo

Newsletter

Dicono di noi

DAL MONDO DELLA RICERCA

  • Le Scienze
  • Nature (EN)
  • Immunologia

Comunicato stampa - I gruppi umani Gravettiani, probabilmente scomparsi a ridosso dell’Ultimo Massim [...]

Comunicato stampa - Un test per scoprire la presenza di latte importato in un prodotto derivante da [...]

Comunicato stampa - Grazie alla sinergia di diversi Istituti del Cnr con ricercatori di Lens e Unive [...]

Nature, Published online: 17 May 2019; doi:10.1038/d41586-019-01606-8New eligibility requirements fo [...]

Nature, Published online: 17 May 2019; doi:10.1038/d41586-019-01539-2Antibody patterns shift as peop [...]

Nature, Published online: 17 May 2019; doi:10.1038/d41586-019-01572-1Neuroscientist Blaine Roberts e [...]

Una molecola che si trova nei vasi sanguigni e interagisce con il sistema immunitario contribuisce a [...]

Comunicato stampa - Uno studio internazionale pubblicato su The Lancet mette in discussione la sicur [...]

Saranno le immunodeficienze il banco di prova prescelto dai ricercatori dell'Istituto San Raffa [...]

Sismografo Live

Sismi Italia tempo reale

Terremoti Importanti

Aggiornato Dom 19 Mag 16:43:08 (GMT+0200)

NASA TV

SPACE X

Facebook

I più letti