L'AI nella vigna - Vinitor sapiens Storie di uomini, vigne e bottiglie

Una nuova rubrica per raccontare, in modo diverso, il mondo del vino, con Federico Unnia

Con questo articolo ha inizio una nuova rubrica dedicata al mondo del vino. Non si daranno pagelle o suggerimenti di abbinamenti. Niente di tutto questo. Si racconteranno storie di uomini, manager o imprenditori, di vigne, poderi e di bottiglie. Un racconto gentile, se possibile ironico, volto a dar risalto a l'umanità, genio e vicende che stanno dietro il mondo dei calici. Un'avventura che cattura progetti e sacrifici spesso sconosciuti.

Il tempo cambia, drammaticamente. E con esso l'agricoltura soffre per carenze d'acqua, temperature elevate e continua ricerca di altitudini migliori per coltivare la vigna. In questa battaglia che si preannuncia assai complessa e di non certa riuscita, la tecnologia digitale potrebbe risultare una potente alleata. Se ne è parlato molto al recente Vinitaly, soprattutto tra gli stand degli espositori. Tanto al nord quanto al sud la sfida è aperta.

Occhi puntati sull'acqua. Risorsa preziosa da conservare e gestire con oculatezza e?AI.

"L'AI, o più esattamente il machine learning, sono funzioni aggiuntive di specifiche analisi associate a una piattaforma che già produce metriche (KPI) native, necessarie per l'ottimizzazione dei processi produttivi, la gestione strategica del business e l'ottimizzazione delle risorse idriche" spiega Alfredo Bini, alla guida di All About Water, start up italiana prima al mondo ad aver sviluppato un algoritmo proprietario per la gestione del water management e water scarcity in ambito alla produzione di cibo richiama l'attenzione sull'importanza di una agricoltura intensiva responsabile nella gestione delle risorse idriche.

L'AI quindi è usata da AAW per evidenziare le correlazioni tra le variabili che influenzano i processi produttivi e offrire differenti scenari per la loro gestione e ottimizzazione. "Idealmente AAW entra in scena ancora prima dell'avvio della produzione e lo fa consentendo la valutazione strategica dell'area di produzione per quanto riguarda sia gli aspetti produttivi che commerciali. L'analisi ?anche' con il machine learning dei risultati determinati dall'osservazione delle funzioni climatiche, fenologiche, pedologiche, orografiche e ovviamente idrologiche concorrono a definire gli ottimali parametri produttivi dell'area" aggiunge. L'uso del deep learning basato sulle reti neurali consente l'osservazione di grandi quantità di dati e lo studio di correlazioni non necessariamente evidenziate da sistemi computazionali tradizionali. In pratica il machine learning potenzia l'indagine dei vari scenari proposti per determinare il miglior tipo di raccolto e di pratiche produttive per un'area specifica tenendo conto delle variabili specifiche dell'area studiata. "Per i processi produttivi già esistenti e avviati invece lo studio delle funzioni delle risorse idriche e del tipo di raccolto in rapporto alle funzioni variabili consente di determinare l'entità dell'uso sostenibile delle risorse idriche e di creare proiezioni predittive ad esso correlate applicando modelli predefiniti di global warming".

Nello specifico caso della pianta della vite "L'AI può coadiuvare ad esempio la valutazione delle variabili esterne che influenzano il processo produttivo, evidenziando modelli preventivi di efficienza. L'insorgere di funghi e parassiti può essere previsto ad esempio con l'analisi di specifiche funzioni ambientali. La successiva sovrapposizione di diversi modelli può suggerire il trattamento preventivo ottimale. Lo stesso concetto si applica agli scenari di irrigazione. Da un punto di vista prettamente commerciale invece uno studio possibile potrebbe essere quello d'investigare i punti di contatto socio-economici di determinate fasce di consumatori e la loro correlazione con le preferenze organolettiche. Studiare come l'aspetto sociologico modifichi l'interesse per determinate caratteristiche organolettiche potrebbe conferire ulteriori leve commerciali e precisi strumenti organizzativi alle aziende di produzione."

Occorre precisare che i modelli di AAW sono stati progettati per colture a pieno campo largamente o completamente meccanizzate. Grandi rese, bassi costi unitari. Tuttavia, una volta a regime, AAW è in grado di fornire KPI anche per ortive o arboricole purché non in serra.

Per Giampietro Comolli Agronomo, Economista, Enologo, Editorialista, Accademico e Presidente Ovse e CevesUni "Da anni la tecnologia avanzata attraverso strumenti mobili aerei e non, in alcuni distretti viticoli che conosco molto bene come Franciacorta e Valdobbiadene, sono già entrati e utilizzati per monitorare e sviluppare strategie operative " di campo" indirizzate proprio a tenere sotto controllo gli andamenti climatici-atmosferici soprattutto a partire dal 2009 dopo le estati torride. l'AI - di cui occorre sicuramente urgentemente - un vademecum d'uso entro binari di settore e di materia e di trattamento dati inseriti e raccolti, può essere il " quarto uomo" nel campo vitato, dopo il viticoltore, l'agronomo, l'enologo soprattutto sulla individuazione delle operazioni vegetative e produttive delle piante sia in piena salute e condizione ambientale ottimale che in occasione di previsione e/o gestione eventi non positivi. L'efficacia può essere elevata, se ben governata e misurata su livelli di piano incrociati sia verticali che orizzontali come sistema operativo collegato a dispositivi elettronici per raccolta dati."

Gestione delle risorse idriche e monitoraggio della maturazione della vigna e salute della vite come possono essere migliorate con l'AI?
"Le risorse idriche (al plurale) in agricoltura sono un tema che serpeggia da poco meno di 20 anni ma diventerà sempre più importante anche per la vigna, ovviamente in un contesto di nuova donazione delle migliori unità di pedopaesaggio necessari per integrare al meglio i parametri dell'eccellenza produttiva dell'uva.

Vitigno-suolo-esposizione-temperatiìure-escursioni termiche e approvvigionamento naturale e non artificiale di acqua sono stati "fattori" determinanti per tante Docg e Doc di eccellenza: studi, analisi, sperimentazioni e ricerche hanno contribuito a trovare un "disciplinare" idoneo al meglio. Oggi tutto questo, anche grazie alla forza delle celluline grigie artificiali (sempre da ben governare), deve essere rivisto e può essere riformulato con nuove concezioni e nuove necessità per produrre ed elaborare vini sempre più non lo specchio dell'offerta e dei desiderata della produzione e dell'edonismo, ma sempre più rispondenti alle attese dei consumatori per età, canale di mercato, luogo di consumo, tempo, disponibilità economiche, salutismo. Anche in questi aspetti AI può essere un valido aiuto: quindi sarà importante realizzare e avere a disposizione programmi tecnologici in grado di parametrizzare e incrociare tutti i fattori produttivi dell'offerta (distretto per distretto) con tutti i desiderata, aspettative, bisogni, disponibilità, cultura, accettazione della domanda, consumatore per consumatore sempre più segmentati per paesi?"

Insomma, una partita tutta da giocare.

Federico Unnia