Guida ecologica e IA: le emissioni dei veicoli potrebbero calare dall'11 al 22%

Controllare in modo intelligente la velocità dei veicoli per ridurre fermate e ripartenze potrebbe tagliare le emissioni dall'11 al 22%, secondo una ricerca del MIT che usa l'apprendimento per rinforzo. La professoressa associata Cathy Wu guida il lavoro e ha trovato un metodo per addestrare i modelli fino a 30 volte più in fretta: tre modelli al posto di cento. Il sistema, spiega l'ateneo, offre prove utili alle politiche sui trasporti, e Wu lo presenta come un esempio di ricerca di base nata da problemi pratici.

📅 8 ottobre 2026 ✎ Maurizio Franceschini ⏱ 1 min di lettura
Guida ecologica e IA: le emissioni dei veicoli potrebbero calare dall'11 al 22%
🎤 Ascolta l'articolo

Controllare in modo intelligente la velocità dei veicoli, per ridurre le fermate e le ripartenze inutili, potrebbe tagliare le emissioni dei veicoli dall'11 al 22%. Lo dice una ricerca di Cathy Wu, professoressa associata di ingegneria civile e ambientale al Massachusetts Institute of Technology e ricercatrice del laboratorio per i sistemi di informazione e decisione. Il lavoro usa l'apprendimento per rinforzo, un ramo dell'apprendimento automatico, per capire dove intervenire nei sistemi di trasporto.

Secondo Wu, progettare un sistema di trasporto richiede di modellare e analizzare decine, centinaia o migliaia di varianti. Un approccio basato sulle prove è fuori portata per gli strumenti attuali. L'apprendimento per rinforzo, se funziona, libererebbe i ricercatori e i loro partner. Nel 2018 Wu aveva usato questa tecnica per analizzare l'effetto dei veicoli autonomi sul traffico in diverse reti, ma i tentativi successivi di applicarla a problemi di traffico erano falliti per due anni.

Meno fermate e ripartenze significano meno consumi e meno emissioni a parità di strade, e la ricerca offre prove utili a chi decide le politiche sul traffico. Il risultato viene però da un'università che presenta il lavoro di una propria docente e la stima dell'11-22% resta un potenziale.

Nel 2022 Wu i suoi studenti hanno scoperto che questi algoritmi sono così sensibili che uno che funziona su un problema può non funzionare su uno molto simile. Nel 2023 hanno trovato un modo per aggirare il limite. L'apprendimento può funzionare bene sul 10% di un gruppo di problemi e, addestrando i modelli su quelli, si risolvono anche gli altri. L'algoritmo che sceglie i problemi ha migliorato l'efficienza dell'addestramento fino a 30 volte, quindi tre modelli al posto di cento.

Nell'applicazione più recente il sistema mostra che la guida ecologica potrebbe ridurre le emissioni dall'11 al 22%. Per Wu questo dimostra che il metodo può informare le politiche sui trasporti. La professoressa si definisce una sostenitrice delle politiche basate sulle prove e lavora a una ricerca di base ispirata ai problemi pratici, che spazia da sicurezza e congestione ad accessibilità. Wu ha ricevuto nel 2023 un premio della National Science Foundation e nel 2025 un riconoscimento per la didattica.

Approfondisci: tutti gli articoli su intelligenza artificiale →

Commenti

Lascia un commento

Il commento sarà pubblicato dopo approvazione. L'email non viene pubblicata.