L'intelligenza artificiale per le città intelligenti

Descrizione

Negli ultimi 70 anni, l'intelligenza artificiale è stata un campo in rapida crescita e oggi viene applicata in una vasta gamma di applicazioni. L'intelligenza artificiale (AI) svolge un ruolo cruciale nel potenziamento delle iniziative di smart city, offrendo numerosi vantaggi come una migliore distribuzione dell'acqua, una gestione efficiente dell'energia, una migliore gestione dei rifiuti e una riduzione degli ingorghi, del rumore e dell'inquinamento. Gli sforzi principali nello sviluppo delle smart city si sono concentrati sulla generazione di dati e sull'acquisizione di nuove conoscenze sulla natura intricata e dinamica degli ambienti urbani. (H.M.K.K.M.B. & Mittal, 2022). Dal 2008, le città hanno incorporato l'intelligenza artificiale (AI) per migliorare i processi decisionali e contribuire al raggiungimento degli Obiettivi di Sviluppo Sostenibile (SDGs). (Ingwersen & Serrano-López, 2018)

Che cos'è l'IA?

L'Intelligenza Artificiale (IA) si riferisce allo sviluppo di sistemi informatici in grado di eseguire compiti che tipicamente richiedono l'intelligenza umana, come la percezione visiva, il riconoscimento vocale e l'elaborazione del linguaggio naturale. Le tecnologie di IA coinvolgono varie tecniche, tra cui l'apprendimento automatico, l'apprendimento profondo e l'elaborazione del linguaggio naturale, per consentire alle macchine di apprendere ed eseguire compiti senza una programmazione esplicita.
In sostanza, l'intelligenza artificiale (AI) è una tecnologia progettata per generare risultati finalizzati al raggiungimento di un obiettivo specifico. Questo obiettivo è uno scopo ideato dall'uomo e trasformato in un formato matematico. I risultati generati dall'IA possono includere previsioni, suggerimenti o scelte. (OCSE, 2023).
I concetti di algoritmo, sistema di IA, ecosistema di IA e IA rappresentano diversi livelli di scala e complessità. Un algoritmo si colloca al livello più dettagliato, agendo come un insieme di istruzioni che trasformano gli input in output. Un sistema di intelligenza artificiale si riferisce a una singola applicazione che elabora input specifici per generare un output unico. Un ecosistema di IA descrive una rete complessa di sistemi di IA interconnessi che comunicano e interagiscono tra loro. Infine, AI è il termine più generale, che comprende l'intero spettro di tecnologie, metodologie e sistemi del settore. (Leal, et al., 2022)
Esistono due categorie principali di sistemi di IA: simbolici e statistici. L'IA simbolica opera sulla base di regole e logiche esplicite per giungere a conclusioni, mentre l'IA statistica, al contrario, apprende da schemi nei dati, utilizzando l'induzione piuttosto che la deduzione da regole prestabilite. Ogni metodo ha i suoi punti di forza, a seconda dell'applicazione. Tuttavia, la recente impennata delle capacità dell'IA e la sua adozione diffusa possono essere attribuite principalmente a un sottoinsieme dell'IA statistica chiamato machine learning (ML). (AI per il cambiamento climatico, 2021)

L'IA per le città intelligenti

I potenziali benefici dell'IA per la pianificazione e la gestione delle città sono molteplici. L'IA offre nuovi strumenti e metodi per l'analisi, la modellazione e la simulazione di sistemi urbani complessi, consentendo di creare città intelligenti più sostenibili, resilienti e vivibili per i cittadini.
Monitorando e analizzando i dati, i sistemi di intelligenza artificiale possono fornire raccomandazioni per migliorare l'utilizzo delle risorse, contribuire a ridurre la congestione e migliorare il flusso del traffico, individuare potenziali minacce alla sicurezza, ridurre il consumo energetico, promuovere la riduzione dei rifiuti, ecc. I sistemi basati sull'intelligenza artificiale possono anche fornire servizi personalizzati ai cittadini, come raccomandazioni personalizzate per ristoranti, eventi e attività in base alle loro preferenze. Tuttavia, è importante garantire che l'IA sia implementata in modo responsabile, con particolare attenzione alla trasparenza, alla responsabilità e alla privacy. Queste tecnologie possono comunque fornire analisi accurate, pur rimanendo non invasive.
L'implementazione delle tecnologie di IA potrebbe essere fondamentale per superare le sfide sociali, economiche e ambientali a livello mondiale. Sebbene ogni città abbia caratteristiche uniche, le aree urbane sono fondamentali per guidare i cambiamenti della società, soprattutto in termini di progressi digitali. Le città sono centri di aggregazione di persone, occupazione, ricerca, ricchezza e attività ricreative. Offrono un maggiore accesso alle opportunità per un segmento più ampio della popolazione, concentrando al contempo i problemi sociali e le preoccupazioni ambientali. Dato il loro ruolo nelle reti internazionali, i vantaggi e gli svantaggi dell'adozione delle tecnologie di IA hanno implicazioni che vanno ben oltre i loro limiti geografici. (Leal, et al., 2022)
Poiché le aree urbane devono affrontare problemi pressanti legati all'allocazione delle risorse, alle complessità della governance, alle disparità socio-economiche e ai rischi ambientali, l'innovazione diventa essenziale per affrontare queste sfide in evoluzione. (Yigitcanlar, et al., 2021). Per massimizzare il potenziale dell'IA per il miglioramento urbano, le amministrazioni comunali devono creare le condizioni per sostenere una crescita sostenibile e inclusiva. La governance dell'IA mira a supervisionare lo sviluppo di queste condizioni, garantendo un approccio equilibrato per sfruttare le opportunità e mitigare i rischi.

Limiti dell'IA

Nel regno dell'intelligenza artificiale, l'uso responsabile è fondamentale, ma comporta delle sfide intrinseche. Questi sistemi, riflettendo i pregiudizi e le ipotesi presenti nei loro dati di formazione e nella loro progettazione, spesso rispecchiano i pregiudizi della società, influenzando i loro processi decisionali. Questo fenomeno sottolinea la necessità cruciale di vigilare nella fase di sviluppo dell'IA per evitare di codificare presupposti negativi. Inoltre, l'IA non ha la capacità intrinseca di valutare la propria efficacia, operando all'interno di un insieme ristretto di obiettivi predefiniti senza la capacità di giudizio umana. Questa limitazione evidenzia la fallacia di percepire l'IA come capace di pensiero indipendente o imparziale, rendendo necessaria una continua supervisione umana per garantire l'allineamento con i valori più ampi della società.
Inoltre, il fondamento dell'IA sui principi matematici ne limita la comprensione a metriche quantificabili, faticando a comprendere le sfumature qualitative che definiscono gli obiettivi umani. In sintesi, queste limitazioni sottolineano la necessità di un'attenta considerazione nella progettazione, nell'implementazione e nella supervisione dei sistemi di IA per garantire che servano a scopi umani senza perpetuare i pregiudizi esistenti o trascurare la complessità dei valori umani. (Leal, et al., 2022)

Governance dell'IA

L'intelligenza artificiale (IA) non solo riflette pregiudizi intrinseci, ma ha anche un impatto significativo sulle società in base al contesto in cui viene utilizzata. Le amministrazioni locali devono capire come i valori siano integrati nell'IA, orientandone lo sviluppo verso l'inclusività e la sostenibilità. Ciò comporta un'immersione profonda nella governance dell'IA, che non si limita alla supervisione digitale ma include linee guida etiche, regolamenti legali, norme sociali e pratiche. La governance è un concetto ampio, pensato per catturare diverse interpretazioni e concentrarsi sul processo decisionale e sulle interazioni sociali. (Leal, et al., 2022)

Nonostante le linee guida nazionali sull'IA, le città si trovano ad affrontare sfide all'interno di un sistema di governance multilivello, evidenziando la necessità di un approccio sfumato che permetta loro di sfruttare le loro posizioni uniche. (Schmitt, 2022) (Taeihagh, 2021) L'IA pone anche problemi di responsabilità, richiedendo quadri solidi per bilanciare rischi e opportunità durante il ciclo di vita dell'IA. Un ostacolo significativo è rappresentato dalla limitata capacità delle città di orientarsi nel panorama della governance dell'IA, a fronte di un'elevata richiesta di specialisti in informatica e IA. Questa sfida può essere affrontata attraverso partnership intersettoriali e un'attenzione particolare allo sviluppo dei talenti locali, garantendo che i valori fondamentali delle città guidino le iniziative di IA verso un futuro più inclusivo e sostenibile.

Per questo motivo, la Commissione europea ha sviluppato il primo quadro giuridico sull'IA, l'AI Act. Questa proposta iniziale, elaborata dalla Commissione europea, è stata concepita per fornire chiarezza e indicazioni agli sviluppatori e agli utenti dell'IA, riducendo al minimo gli oneri, in particolare per le piccole e medie imprese (PMI). Gli elementi chiave della proposta comprendevano una struttura di governance a livello europeo e nazionale per affrontare i rischi dell'IA e una classificazione dei sistemi di IA in quattro categorie.

Le norme più severe sono state riservate alle pratiche di IA che si ritiene presentino rischi inaccettabili, come il social scoring da parte dei governi. Le applicazioni ad alto rischio, in particolare quelle per le infrastrutture critiche o le forze dell'ordine, sono state sottoposte a rigorosi requisiti pre-commercializzazione, tra cui valutazioni complete del rischio, controllo della qualità dei dati, tracciabilità e supervisione umana obbligatoria. Al contrario, i sistemi di IA a rischio limitato sono stati obbligati a mantenere la trasparenza per consentire interazioni informate con il pubblico, come la chiara identificazione dei contenuti generati dall'IA e la divulgazione dei chatbot. Alle applicazioni meno rischiose, come i videogiochi o i filtri antispam, è stata concessa una maggiore libertà operativa, che riflette il loro utilizzo benevolo in tutta l'UE.

Il 6 marzo, questa proposta fondamentale è stata trasformata in legge esecutiva con l'approvazione da parte del Parlamento europeo della Legge sull'Intelligenza Artificiale. La legge, che è stata perfezionata attraverso i negoziati con gli Stati membri a partire dal dicembre 2023, ha ricevuto un forte sostegno da parte degli eurodeputati, passando con 523 voti a favore, 46 contrari e 49 astensioni.

La legge ratificata continua a proteggere i diritti fondamentali, la democrazia, lo stato di diritto e la sostenibilità ambientale, mettendoli al riparo dai rischi associati alle tecnologie AI ad alto rischio. L'obiettivo è quello di promuovere l'innovazione e garantire la leadership europea nel campo dell'IA stabilendo obblighi personalizzati in base al livello di rischio e di impatto dei diversi sistemi di IA. La legge vieta specificamente le applicazioni di IA che potrebbero violare i diritti dei cittadini, come la categorizzazione biometrica basata su caratteristiche sensibili, lo scraping indiscriminato di immagini facciali per i database di riconoscimento, il riconoscimento delle emozioni nei luoghi di lavoro e nelle scuole, il social scoring, la polizia predittiva basata sulla profilazione e qualsiasi IA che manipoli il comportamento umano o sfrutti le vulnerabilità.

L'uso dei sistemi di identificazione biometrica da parte delle forze dell'ordine, sebbene generalmente vietato, è consentito in circostanze strettamente definite e applicabili, come la localizzazione di una persona scomparsa o la prevenzione di attentati terroristici, nel rispetto di rigorosi vincoli temporali, geografici e di approvazione. I sistemi di IA ad alto rischio sono ora soggetti a obblighi rigorosi per quanto riguarda la valutazione e la mitigazione dei rischi, la trasparenza, la supervisione umana e la registrazione dell'utilizzo. I sistemi di IA generici sono tenuti ad aderire a standard di trasparenza, tra cui il rispetto delle leggi sul copyright dell'UE e la pubblicazione di sintesi dettagliate dei loro contenuti di formazione. Tra le innovazioni degne di nota vi sono l'introduzione di requisiti di etichettatura per i contenuti manipolati, noti come "deepfakes", e l'istituzione di sandbox regolamentari a livello nazionale per favorire lo sviluppo di tecnologie di IA innovative.

Nel momento in cui la legge si avvia verso l'adozione formale e l'attuazione, essa incarna i principi e le raccomandazioni della Conferenza sul Futuro dell'Europa, con l'obiettivo di creare una società competitiva, sicura e degna di fiducia con un uso trasparente e responsabile dell'IA, migliorando al contempo l'accessibilità digitale per tutti, compresi i disabili. Questa pietra miliare legislativa segna l'inizio di una nuova era nella governance dell'IA, allineandosi strettamente ai valori e alle ambizioni strategiche europee. (Commissione Europea, 2024).

Il ciclo di vita dell'IA

Lo sviluppo di un sistema di intelligenza artificiale (AI) è suddiviso in cinque fasi interconnesse che ne delineano l'interazione con l'ambiente esterno. Questo modello aiuta a comprendere l'architettura dell'IA e la sua progressione, promuovendo l'analisi strategica. Le fasi formano un ciclo, ognuna collegata alle altre, che influenza aspetti che vanno dalla creazione dell'algoritmo all'implementazione finale.

1. Fase iniziale
   Il viaggio inizia con la fase iniziale, incentrata sull'identificazione del problema. Questa fase iniziale getta le basi per il resto, poiché tutto ciò che segue è legato al problema originale identificato. Include valutazioni critiche e l'identificazione di potenziali rischi nell'uso previsto del sistema di intelligenza artificiale.
2. Fase di progettazione
   La fase di progettazione si concentra sulla pianificazione della struttura dell'algoritmo prima dell'inizio della codifica. Si basa sulle basi gettate nella fase iniziale, prendendo in considerazione le dinamiche del team e il potenziale impatto dell'introduzione dell'IA, come i cambiamenti nelle dinamiche di potere e gli impatti economici.
3. Fase di creazione tecnica
   La fase di creazione tecnica si sposta sull'aspetto pratico dello sviluppo dell'IA, concentrandosi sulle specifiche dell'algoritmo e sulle decisioni tecniche da prendere.
4. Fase di implementazione
   Dopo lo sviluppo, la fase di implementazione consente di passare l'algoritmo da un ambiente controllato alla sua applicazione nel mondo reale. Questa fase è fondamentale perché espone l'algoritmo alle complessità dell'ambiente operativo.
5. Fase di manutenzione
   Infine, la fase di manutenzione si concentra sul periodo successivo all'implementazione del sistema di intelligenza artificiale, fino alla sua dismissione. Questa fase è fondamentale per garantire l'efficacia e la rilevanza dell'algoritmo attraverso aggiornamenti e manutenzioni regolari.
6. Nei contesti urbani, i sistemi di IA funzionano tipicamente all'interno di un ecosistema complesso, che richiede l'identificazione e la gestione proattiva dei rischi. L'integrazione delle fasi di sviluppo dell'IA con i metodi di gestione dei progetti locali offre opportunità strategiche di intervento e adattamento, garantendo che i sistemi di IA siano in linea con le dinamiche e le sfide urbane. (Leal, et al., 2022)

Fasi di implementazione delle soluzioni di IA nelle città intelligenti

1. Comprendere la differenza tra IA e ML per le città intelligenti: Inizia con l'istruire le parti interessate sulle sfumature dell'IA e del ML. Comprendere le capacità di queste tecnologie è fondamentale per individuare come possono essere applicate per migliorare la vita urbana, ad esempio attraverso l'ottimizzazione dei flussi di traffico o la manutenzione predittiva delle infrastrutture.
2. Definire le sfide e le opportunità urbane: Identifica chiaramente i problemi o le opportunità specifiche della città che l'IA può affrontare. Poni domande critiche sui risultati desiderati, sugli ostacoli esistenti, sul ruolo dell'IA nel superare queste sfide e sui dati disponibili per supportare questi sforzi.
3. Dare priorità alle iniziative di IA orientate al valore: Seleziona i progetti di IA in base al loro potenziale di fornire benefici tangibili alla città e ai suoi residenti, concentrandoti sugli obiettivi a breve termine. Ad esempio, migliorare l'efficienza dei trasporti pubblici o aumentare la sostenibilità energetica degli edifici pubblici.
4. Valutare le capacità e l'approccio per lo sviluppo dell'IA: Valuta se sviluppare soluzioni di IA internamente, acquistare tecnologie esistenti, collaborare con partner esterni o esternalizzare lo sviluppo, in base alle capacità interne e agli obiettivi strategici della città.
5. Consultare gli specialisti di intelligenza artificiale delle città intelligenti: Rivolgiti a esperti del settore che hanno esperienza nell'applicazione dell'IA negli ambienti urbani. Tra questi potrebbero esserci ricercatori accademici, innovatori del settore privato e tecnologi di altre smart city.
6. Preparare e proteggere i dati urbani: Organizza e pulisci i dati della città per assicurarti che siano pronti per le applicazioni di IA. Investire in solide misure di sicurezza per salvaguardare questi dati, rispettando la privacy e le considerazioni etiche.
7. Iniziare in piccolo e scalare in modo ponderato: Avvia progetti pilota mirati a sfide urbane specifiche per dimostrare il potenziale dell'IA. Utilizza le conoscenze acquisite da questi sforzi iniziali per guidare l'espansione strategica delle applicazioni dell'IA in diversi ambiti urbani. (Majewski, 2023)

Aree di applicazione

Mobilità
L'intelligenza artificiale (AI) offre notevoli miglioramenti ai sistemi di trasporto pubblico, aumentandone l'efficienza e la facilità d'uso. Le tecnologie di intelligenza artificiale si sono dimostrate efficaci nel prevedere gli orari degli autobus e la variabilità dei loro tempi di arrivo. (Mazloumi, Geoff, Currie, & Moridpour, 2011) Inoltre, l'analisi dell'intelligenza artificiale dei dati dei sondaggi fornisce indicazioni sulla percezione da parte del pubblico delle opzioni di mobilità condivisa, compresi i sistemi di bike-sharing senza conducente. (Taleqani, Hough, & K. E) Inoltre, l'IA consente di sviluppare piattaforme che permettono di esaminare e prevedere in modo interattivo i modelli di traffico, facilitando la valutazione delle strategie di pianificazione urbana. (Leal, et al., 2022)

Un'altra applicazione innovativa dell'IA è quella delle soluzioni di parcheggio intelligenti, in cui i sensori installati nelle aree di parcheggio trasmettono informazioni sulla disponibilità ai pendolari tramite applicazioni mobili. Questo approccio ha il potenziale per ridurre in modo significativo la congestione nei centri urbani densamente popolati. ((n.d)) Le tecnologie di intelligenza artificiale supportano vari aspetti delle consegne, della logistica e dei trasporti, facilitando soluzioni di trasporto urbano efficienti e innovative. Inoltre, l'IA rivoluziona la mobilità urbana consentendo il controllo di veicoli e velivoli autonomi, tra cui droni, elicotteri e aerei. (33A, 2024)

Gestione dell'ambiente e dei rischi
Nei contesti urbani, l'intelligenza artificiale offre un monitoraggio in tempo reale delle condizioni ambientali, come la qualità dell'aria, attraverso sensori di inquinamento. Inoltre, le capacità predittive dell'IA supportano la gestione del rischio urbano, consentendo di prevedere i disastri naturali e di identificare le aree vulnerabili alle inondazioni e alle scosse di terremoto, migliorando così la sicurezza e la resilienza urbana. (33A, 2024) L'IA generativa può anche contribuire alla sostenibilità ambientale analizzando i dati sui livelli di inquinamento, i cambiamenti climatici e l'impatto delle attività urbane sull'ambiente. (Arkara, 2023)
L'intelligenza artificiale (AI) possiede la capacità di valutare l'impatto ambientale dei prodotti durante il loro intero ciclo di vita e la catena di fornitura.

Questo permette alle aziende e ai consumatori di prendere decisioni informate e d'impatto. Tuttavia, è importante riconoscere che se da un lato i dati e l'IA svolgono un ruolo cruciale nel migliorare la sorveglianza ambientale, dall'altro hanno anche le loro implicazioni ambientali. In particolare, il settore delle tecnologie dell'informazione e della comunicazione (ICT) è responsabile di circa il 3-4% delle emissioni globali. Inoltre, i data center consumano quantità significative di acqua per il raffreddamento, evidenziando un aspetto critico dell'impronta ambientale dell'elaborazione dei dati che deve essere considerato. (Programma ambientale delle Nazioni Unite, 2023)

L'applicazione delle tecnologie di intelligenza artificiale (AI) e di apprendimento automatico (ML) sta diventando sempre più cruciale nella gestione dei rischi ambientali, in particolare nel contesto dell'adattamento ai cambiamenti climatici. Queste tecnologie migliorano l'efficienza e l'accuratezza dei modelli climatici, consentono un'analisi dettagliata delle incertezze e fanno uso di ampie serie di dati geospaziali per migliorare le previsioni. L'AI e il ML facilitano lo sviluppo di piattaforme di modellazione flessibili e modulari che semplificano il processo di creazione e distribuzione di modelli per varie applicazioni legate al clima e al meteo. Questo approccio affronta le complessità della modellazione in condizioni di incertezza e supporta l'integrazione di diversi impatti, migliorando così la collaborazione tra scienziati e stakeholder per accelerare le soluzioni per mitigare i rischi ambientali. (Jones, et al., 2023)

Infrastrutture cittadine
L'intelligenza artificiale consente alle città di gestire le proprie infrastrutture. Può essere implementata nello sviluppo di strategie di manutenzione predittiva per infrastrutture urbane critiche come strade, ponti, tubature, linee fognarie, reti elettriche ed edifici pubblici. I sistemi guidati dall'intelligenza artificiale possono raccogliere e analizzare i dati per prevedere con precisione i requisiti di manutenzione, prevenendo così gli incidenti e riducendo al minimo le interruzioni operative.

Ad esempio, le città possono utilizzare le applicazioni di intelligenza artificiale per sviluppare gemelli digitali per le reti stradali urbane, facilitando la valutazione avanzata dei danni attraverso la mappatura mobile, la scansione laser e le misurazioni con radar a penetrazione del terreno. Questo approccio consente di individuare e prevedere con precisione le esigenze di manutenzione stradale, compresa l'identificazione delle buche.

Gestione delle risorse (energia, rifiuti e acqua)
L'intelligenza artificiale può svolgere un ruolo significativo nel migliorare la gestione di una serie di risorse nelle città, tra cui energia, rifiuti e acqua. Le sue tecnologie consentono un migliore processo decisionale, l'ottimizzazione e l'automazione di vari processi. Le città possono sfruttare l'intelligenza artificiale per analizzare i dati provenienti da diverse fonti, compresi i sensori, per prevedere la domanda e l'offerta di energia, consentendo una gestione più efficiente delle reti energetiche, riducendo gli sprechi e ottenendo risparmi sui costi con minori emissioni di carbonio. Inoltre, l'intelligenza artificiale monitora i modelli di consumo energetico negli edifici intelligenti e prevede il carico di elettricità, la generazione e la capacità di trasmissione nel settore energetico. (33A, 2024). Questo garantisce una rete elettrica stabile, efficiente e a basse emissioni di carbonio, migliorando la sostenibilità energetica urbana.

Inoltre, l'IA è in grado di apprendere e affinare le proprie capacità decisionali nel tempo, consentendo soluzioni autonome per compiti complessi. Questa tecnologia viene applicata in diversi ambiti, come l'ottimizzazione dei sistemi di riscaldamento e raffreddamento degli edifici, per aumentare l'efficienza e diminuire il consumo di energia, dimostrando il suo potenziale nel migliorare significativamente la gestione delle risorse urbane. (33A, 2024). Un approccio simile può anche aiutare le città a ottimizzare l'uso dell'acqua grazie a sensori, previsioni meteo o sistemi di approvvigionamento idrico. Permette una migliore gestione delle risorse idriche, individuando le perdite e riducendo gli sprechi d'acqua, responsabile di una maggiore sostenibilità idrica. Inoltre, l'intelligenza artificiale può analizzare i dati dei percorsi di raccolta dei rifiuti o degli impianti di riciclaggio, aiutando così le autorità cittadine a gestire meglio la raccolta dei rifiuti, a ridurre la quantità di rifiuti destinati alle discariche e ad aumentare i tassi di riciclaggio.

Applicazioni più recenti dell'IA includono l'analisi di modelli di dati per prevedere la quantità di energia generata dal vento e dall'acqua per pianificare le infrastrutture e gestire i disastri. (Mathe, Miolane, Sebastien, & Lequeux, 2019) (Mathe, Miolane, Sebastien, & Lequeux, 2019)È stata anche utilizzata per aiutare la ricerca nello sviluppo di nuovi materiali più efficienti nell'immagazzinare l'energia e nell'utilizzare energia proveniente da fonti a basso contenuto di carbonio. (Butler, Davies, Isayev, & Walsh, 2018) L'intelligenza artificiale (AI) ha migliorato in modo significativo l'efficienza dei sistemi di distribuzione dell'energia, consentendo previsioni precise sullo stato del sistema con dati minimi dei sensori. (Donti, et al., 2018) Unendo l'intelligenza artificiale a modelli fisici, è ora possibile simulare i flussi di energia in aree specifiche come campus universitari o zone residenziali. (Nutkiewicz, Yang, & Jain, 2018) Inoltre, gli algoritmi guidati dall'intelligenza artificiale svolgono un ruolo fondamentale nell'ottimizzazione della risposta alla domanda, programmando in modo intelligente le attività ad alta intensità energetica, come la macinazione del cemento e la verniciatura a polvere, nei momenti in cui l'elettricità è più economica, ottimizzando così l'uso dell'energia e riducendo i costi. (Zhang, et al., 2018)

Coinvolgimento dei cittadini
L'intelligenza artificiale può aiutare le città a coinvolgere i cittadini analizzando i social media, i sondaggi e altri dati per capire le loro esigenze e preferenze. Le tecniche di intelligenza artificiale, come l'elaborazione del linguaggio naturale (NLP) e l'apprendimento automatico, permettono di organizzare e decifrare i dati non strutturati, consentendo alle città di progettare servizi che rispondano in modo più efficace alle esigenze dei cittadini. Le città possono anche impiegare chatbot e reti di agenti virtuali (VAN) alimentati dall'AI che offrono un'assistenza automatizzata. Questi strumenti di intelligenza artificiale conversazionale interagiscono con le persone, rispondendo a un'ampia gamma di richieste e problemi in modo efficiente, senza la necessità di un intervento umano (33A, 2024). Utilizzando i chatbot, le città possono migliorare significativamente le loro strategie di coinvolgimento dei cittadini, fornendo un'assistenza rapida e accessibile ai loro residenti.

L'integrazione dell'Intelligenza Artificiale (IA) nel coinvolgimento dei cittadini facilita una governance più inclusiva, sfruttando l'IA e i modelli linguistici di grandi dimensioni (LLM) per migliorare l'accessibilità e analizzare il feedback dei cittadini in modo efficiente, per esemplificare il potenziale dell'IA di democratizzare l'accesso ai servizi governativi e la capacità dell'IA di scoprire le priorità della comunità attraverso l'analisi dei dati dei social media. Istituzionalizzando i meccanismi di feedback e utilizzando l'IA per un'analisi completa dei dati, i governi possono garantire che gli interventi di sviluppo siano strettamente allineati alle esigenze della comunità. Questo approccio semplificato evidenzia il ruolo fondamentale dell'IA nel trasformare le interazioni tra cittadini e governo, assicurando che le politiche e i servizi siano reattivi e riflettano le diverse voci che intendono servire. (Rahim, Mahony, & Bandyopadhyay, 2024)

Oltre a ottimizzare i sistemi urbani, l'intelligenza artificiale può anche migliorare le esperienze dei cittadini e fornire servizi personalizzati. Analizzando i dati sulle preferenze e sul comportamento dei cittadini, i sistemi basati sull'intelligenza artificiale possono offrire raccomandazioni personalizzate per ristoranti, eventi e attività. Questo migliora il coinvolgimento e la soddisfazione dei cittadini e contribuisce a creare una cultura urbana vivace. (Nolle, 2023)

Sicurezza e protezione
L'intelligenza artificiale può aiutare le città a migliorare le loro soluzioni di sicurezza e protezione. Ad esempio, l'analisi video alimentata dall'intelligenza artificiale può essere utilizzata per rilevare automaticamente potenziali minacce o monitorare i movimenti e i comportamenti sociali, distinguendo tra vari gruppi come coppie o adulti con bambini. Inoltre, le città possono utilizzare questa tecnologia per valutare il rispetto delle norme e delle politiche governative nelle aree pubbliche, fornendo un feedback immediato alle autorità governative e alle aziende. Questa applicazione è stata particolarmente evidente negli strumenti sviluppati per la risposta pubblica alla pandemia di COVID-19. Ad esempio, le tecnologie di intelligenza artificiale sono state in grado di identificare l'adesione all'uso delle mascherine igieniche e alle politiche di allontanamento sociale negli spazi pubblici.

Man mano che iniziamo a incorporare l'Intelligenza Artificiale (AI) nei nostri sistemi di sorveglianza, il ruolo dell'analisi del Deep Learning (DL) sta diventando rapidamente evidente come uno strumento prezioso per molte organizzazioni. Un esempio lampante della sua utilità è la conduzione di ricerche forensi, che prevedono lo spulciamento di ampi archivi video per individuare oggetti o eventi specifici. Con la crescente integrazione della DL e dell'analisi nella tecnologia di sorveglianza, è fondamentale affrontare questa espansione in modo ponderato. Comprendere l'intera portata delle sue applicazioni, riconoscere i limiti della tecnologia e impegnarsi in test e valutazioni approfondite sono passi fondamentali per garantire il successo dei suoi benefici.

La base del successo dell'analisi video risiede nella qualità dei filmati di sorveglianza. Il principio della "fruibilità delle immagini" sottolinea il fatto che l'efficacia dell'analisi video dipende in larga misura dalla qualità della telecamera e dalla chiarezza delle immagini acquisite. Le telecamere di sorveglianza devono funzionare 24 ore su 24, in una varietà di condizioni ambientali e situazioni di illuminazione, pur mantenendo la capacità di elaborare accuratamente le immagini in tempo reale. (AXIS Comunications, 2023)

Pianificazione urbana informata
L'intelligenza artificiale può migliorare la pianificazione urbana guidando le città con intuizioni basate sui dati. Può essere applicata alla pianificazione territoriale, identificando le migliori ubicazioni per scopi residenziali, commerciali e ricreativi. L'intelligenza artificiale raggiunge questo obiettivo analizzando i modelli di crescita urbana, le migrazioni e i cambiamenti demografici, che sono fondamentali per prevedere con precisione le esigenze immediate e a lungo termine di alloggi, trasporti e servizi.

Inoltre, l'intelligenza artificiale può essere applicata per modellare e simulare gli spazi urbani, ad esempio integrandosi nei sistemi Digital Twins, consentendo rappresentazioni più dinamiche e accurate. Ciò consente agli urbanisti di visualizzare gli sviluppi futuri e di valutare i loro potenziali effetti, ad esempio sull'ambiente edificato, compresi aspetti come l'esposizione alla luce solare negli spazi pubblici e la densità degli edifici. La pianificazione urbana tradizionale si basa spesso su modelli statici e dati limitati, che possono essere responsabili di inefficienze e decisioni non ottimali. Con la creazione di gemelli digitali, i dati interni e le variabili esterne possono essere utilizzati per simulare possibili decisioni future riguardanti l'ottimizzazione delle risorse, la creazione di infrastrutture o l'implementazione di un nuovo sistema.

L'Intelligenza Artificiale (AI) rivoluziona la pianificazione urbana sfruttando vasti dati per informare le decisioni, responsabili di uno sviluppo cittadino più sostenibile ed efficiente. Identifica le tendenze e prevede i cambiamenti, consentendo agli urbanisti di fare scelte informate in materia di zonizzazione e infrastrutture. L'intelligenza artificiale automatizza le attività di routine, consentendo agli urbanisti di concentrarsi sulle sfide urbane più complesse. Questa tecnologia non solo migliora il processo decisionale, ma sposta anche il ruolo degli urbanisti verso un impegno più profondo nei confronti delle problematiche urbane, migliorando la ricerca e le pratiche di pianificazione. In definitiva, l'IA promette di creare città meglio progettate che rispondano alle esigenze in evoluzione della popolazione, favorendo uno sviluppo urbano più strategico, equo e reattivo. (Peng, Lu, Liu, & Zhai, 2023)

Amministrazione cittadina
L'intelligenza artificiale può aiutare l'amministrazione cittadina semplificando la gestione delle informazioni provenienti da fonti diverse, come documenti scientifici e legali, piattaforme digitali e database. Converte efficacemente i dati non strutturati, come le e-mail, in formati strutturati, come i fogli Excel, facilitando la gestione dei dati. Inoltre, l'IA migliora la visualizzazione dei dati attraverso dashboard e report, incorporando grafici, mappe interattive e app, per supportare un processo decisionale più informato e migliorare l'efficienza operativa. (33A, 2024)

L'integrazione dell'IA nell'amministrazione comunale promette di snellire i flussi di lavoro e migliorare l'efficienza, automatizzando le attività di routine per migliorare la qualità dei servizi e l'accesso ai benefici. Tuttavia, l'adozione dell'IA richiede rigorosi quadri etici e legali per attenuare i pregiudizi e garantire trasparenza ed equità. La natura dinamica della governance digitale richiede un continuo adattamento delle leggi e degli standard, favorendo la collaborazione tra esperti legali, tecnologi e politici. Questo approccio equilibrato garantisce che l'IA non solo ottimizzi i processi amministrativi, ma sostenga anche i principi di democrazia e di equità di trattamento, alla base dell'evoluzione sostenibile delle città intelligenti. (Parycek, Schmid, & Novak, 2023)

L'istruzione
Negli ultimi anni, il settore dell'istruzione si è evoluto in modo significativo, grazie all'adozione dell'intelligenza artificiale (AI) e dell'informatica (IT). Questo passaggio verso l'istruzione intelligente implica lo sfruttamento dell'IoT e dell'IA per favorire ambienti di apprendimento continui e coinvolgenti e per collegare le istituzioni scolastiche a livello nazionale attraverso un approccio intelligente e multidisciplinare.

Le innovazioni principali includono i dispositivi intelligenti e la robotica nell'istruzione, come ad esempio un robot controllato da smartphone all'interno di una simulazione di città intelligente, che migliora l'apprendimento pratico nelle classi intelligenti. Inoltre, c'è una crescente attenzione per l'apprendimento personalizzato, con lo sviluppo di nuovi strumenti per valutare e adattarsi agli stili di apprendimento individuali utilizzando l'intelligenza artificiale. Questo approccio mira a ottimizzare i risultati educativi abbinando agli studenti le strategie di apprendimento più efficaci.

Inoltre, l'espansione delle piattaforme di e-learning sottolinea l'importanza di adattare l'istruzione alle esigenze individuali, offrendo agli studenti una gamma più ampia di opportunità di apprendimento online e segnando un cambiamento verso esperienze educative più accessibili e personalizzate. (H.M.K.K.M.B. & Mittal, 2022)

Modello di valore

Contesto cittadino

Il successo delle soluzioni di IA si basa sulla disponibilità di dati completi e di alta qualità. Le città che dispongono di sistemi per la raccolta, l'archiviazione e l'analisi dei dati urbani possono implementare e beneficiare più facilmente delle tecnologie di IA. Per incorporare efficacemente l'IA generativa nelle iniziative per le smart city, è essenziale combinare conoscenze tecniche, una leadership lungimirante e un coinvolgimento completo degli stakeholder.

Competenza tecnica e leadership lungimirante: Affinché l'IA generativa abbia un impatto positivo sulle smart city, i leader e gli stakeholder devono prevedere la sua integrazione nelle infrastrutture e nei servizi attuali. Devono tenersi aggiornati sui progressi dell'IA e individuare i punti in cui l'IA generativa potrebbe essere più vantaggiosa. È fondamentale promuovere una cultura dell'innovazione e della collaborazione, incoraggiando gruppi diversi a unirsi per creare e implementare soluzioni potenziate dall'IA.

Coinvolgere le parti interessate: Il successo dei progetti di IA generativa nelle città intelligenti dipende dalla partecipazione attiva di tutte le parti interessate. Ciò significa riunire enti governativi, imprese private, circoli accademici e la popolazione in generale per co-creare iniziative di IA. Incorporando una serie di punti di vista e di competenze, le città possono ideare applicazioni di IA che rispondano alle esigenze e agli ostacoli specifici delle loro popolazioni.

Un'implementazione efficace deve aderire ai principi delle città intelligenti, concentrandosi su soluzioni incentrate sulle persone, su partnership intersettoriali e su una governance guidata dai dati. L'IA generativa deve mirare a migliorare gli standard di vita e la sostenibilità, garantendo che le innovazioni siano trasparenti, etiche e incentrate sul benessere dei cittadini. (Arkara, 2023)

Iniziative del governo

La strategia dell'Unione Europea sull'intelligenza artificiale (IA) enfatizza l'eccellenza e la fiducia, con politiche volte a garantire uno sviluppo sicuro, etico e innovativo dell'IA. I componenti chiave di questa strategia includono:

• Pacchetto AI (aprile 2021): Ha introdotto una serie completa di iniziative, tra cui una comunicazione sull'avanzamento di un approccio europeo all'IA, una revisione del Piano coordinato sull'IA con gli Stati membri e una proposta per un quadro normativo che affronti l'impatto dell'IA.
• Comunicazione AI@EC (gennaio 2024): Ha delineato le strategie per migliorare le capacità della Commissione in materia di IA, concentrandosi sull'uso sicuro, trasparente e incentrato sull'uomo dell'IA.
• Investimenti e collaborazione: Impegno a finanziare in modo significativo lo sviluppo dell'IA attraverso i programmi Horizon Europe e Digital Europe, puntando a un investimento annuale di 20 miliardi di euro da parte del settore pubblico e privato. Lo Strumento per la ripresa e la resilienza sostiene ulteriormente questo impegno con 134 miliardi di euro destinati a iniziative digitali.
• Quadro giuridico per un'IA affidabile: propone un quadro giuridico sfumato per gestire i rischi dell'IA, introducendo categorie (rischi minimi, elevati, inaccettabili e specifici per la trasparenza) e stabilendo regolamenti specifici per i modelli di IA di uso generale.

Queste politiche riflettono l'impegno dell'UE a diventare un leader mondiale nell'IA affidabile, bilanciando l'innovazione con i diritti fondamentali e la sicurezza. (COMMISSIONE E., n.d.)

Mappatura degli stakeholder

Potenziale di mercato

Potenziale di mercato

Sul fronte dell'innovazione, gli sviluppatori di IA si stanno concentrando attivamente sulla creazione di funzionalità, prodotti e servizi basati sull'IA e pensati per le città e le comunità intelligenti. Gli innovatori che sono clienti di TEF sono pronti a trasformarsi in fornitori di servizi per le città e le comunità. Le sezioni successive approfondiscono le stime delle dimensioni del mercato dell'IA sia in Europa che a livello globale, offrono approfondimenti sul panorama dell'innovazione dell'IA nell'UE, evidenziano gli ostacoli che gli sviluppatori di IA devono affrontare nell'ambito delle città e delle comunità intelligenti, discutono le tendenze e le richieste del mercato, analizzano la concorrenza di CitCom.ai e concludono con osservazioni generali.

Stime delle dimensioni del mercato dell'IA

Questo segmento offre una panoramica sulle dimensioni del mercato dell'IA in Europa e nel resto del mondo. Nonostante le discrepanze tra gli analisti riguardo alle cifre esatte e alle definizioni del mercato, emerge un consenso sulle dimensioni del mercato e sulle tendenze future, fornendo indicatori preziosi. I dati relativi al settore dell'IA rivelano il numero di enti che si occupano di IA in Europa, le dimensioni dei ricavi globali ed europei, gli investimenti regionali nell'IA e le proiezioni per il mercato dell'IA nel settore pubblico. Inizialmente, l'AI Watch Index 2021 riportava circa 5.776 soggetti interessati all'IA nell'UE28 nel 2020, comprendendo istituti di ricerca, aziende ed enti governativi. All'interno di questo ecosistema, il rapporto del JRC classifica le aziende che si occupano di IA in tre categorie: quelle che si concentrano principalmente sull'IA senza brevettare, quelle che depositano brevetti relativi all'IA e quelle che si concentrano sull'IA e si impegnano a brevettare, rilevando che 43 aziende (lo 0,7% di tutte le aziende di IA dell'UE) rientrano in quest'ultima categoria. Ampliando la portata, uno studio su AI e Blockchain per il futuro dell'Europa, basato sui dati di Crunchbase, ha individuato 950 PMI di IA nell'UE27.

Un rapporto del 2023 di Precedence Research ha evidenziato il valore del mercato globale dell'IA a 454,12 miliardi di dollari nel 2022, con proiezioni che prevedono di raggiungere 2.575,16 miliardi di dollari entro il 2032, indicando un CAGR del 19% dal 2023 al 2032. La quota europea di questo mercato nel 2022 era pari al 25% e si prevede che il fatturato del mercato europeo dell'intelligenza artificiale raggiungerà circa 712,61 miliardi di dollari entro il 2032. L'andamento degli investimenti, secondo Pitchbook, mostra che le startup dell'IA hanno raccolto oltre 115 miliardi di dollari nel 2021, con un aumento dell'87,2% rispetto all'anno precedente. I dati in tempo reale dell'OECD.AI Policy Observatory fanno luce sullo sviluppo dell'IA, sui tassi di utilizzo e sugli investimenti settoriali, con investimenti di Venture Capital in industrie di IA nell'UE27 dal 2012 al 2023 pari a circa 51 miliardi di dollari. L'analisi suggerisce che i settori legati a CitCom.ai, come Mobilità e viaggi, Energia e supporto allo sviluppo digitale, ricevono il 10-15% dei finanziamenti totali dell'IA in Europa.

I dati EUROSTAT, Spintan e Intan-Invest rivelano che gli investimenti europei per lo sviluppo e l'adozione dell'IA supereranno i 15,9 miliardi di euro nel 2020, con un contributo del settore privato di 10,7 miliardi di euro (67%) e del settore pubblico di 5,2 miliardi di euro (33%). Le proiezioni future sono ancora più ambiziose, con l'AI Watch Report 2021 del JRC che fissa un obiettivo di 22 miliardi di euro entro il 2030, cifra che potrebbe salire a oltre 30 miliardi di euro entro il 2025 se le attuali tendenze di crescita dovessero persistere, secondo una pubblicazione del JRC. Esaminando il mercato dell'IA specificamente per il settore pubblico all'interno dell'UE, i dati disponibili sono limitati, in particolare per quanto riguarda le città e le comunità intelligenti. Tuttavia, un'analisi di GovReport suggerisce che l'IA diventerà indispensabile per gestire le esigenze dinamiche dei servizi governativi, nonostante la difficoltà di dimensionare con precisione questo segmento di mercato a causa della mancanza di dati settoriali dettagliati.

Questa panoramica completa delinea un panorama dell'IA in rapida espansione, sottolineato da forti investimenti e innovazioni, con implicazioni e opportunità specifiche per le città e le comunità intelligenti.

Concorrenti che offrono servizi TEF.

Il TEF (AI testing and experimentation facility) si distingue per il suo approccio completo, che abbraccia un'ampia gamma di discipline, offre un'ampia copertura geografica in tutta Europa e fornisce una suite di servizi diversificati agli sviluppatori di IA che si concentrano sulle Smart City e sulle comunità. Nonostante il suo posizionamento unico, CitCom.ai deve affrontare la potenziale concorrenza di diverse organizzazioni che offrono servizi correlati o comparabili. Per mantenere il suo vantaggio competitivo, CitCom.ai monitorerà attentamente queste entità per garantire che le sue offerte continuino a differenziarsi sul mercato. I potenziali concorrenti includono:

- Organizzazioni di ricerca e tecnologia (RTO): In 32 paesi, circa 350 RTO offrono supporto alle PMI e partecipano attivamente al programma Horizon Europe. In particolare, un progetto su due nell'ambito di questo programma coinvolge almeno una RTO.
- Altri TEF: Esistono altre strutture di test e sperimentazione, come quelle incentrate sulla salute, sull'agricoltura e su settori specifici dell'IA come AI-Matters. In futuro i TEF potrebbero espandersi al settore energetico e ai servizi pubblici.
- AI4Cities: Questa iniziativa mira ad accelerare la transizione delle città verso la neutralità delle emissioni di carbonio utilizzando l'IA in sei aree chiave: mobilità, energia, edilizia, adattamento ai cambiamenti climatici, economia circolare e coinvolgimento dei cittadini.
- AI4EU: Questo progetto sta sviluppando una piattaforma ed un ecosistema europeo di IA on-demand per facilitare lo sviluppo e la sperimentazione dell'IA in vari settori, tra cui sanità, media, agricoltura, robotica e produzione.
- AI4Copernicus: Utilizzando il programma di osservazione della Terra Copernicus insieme alla piattaforma europea di AI on-demand, questo progetto offre soluzioni basate sull'AI per affrontare problemi ambientali e sociali, coprendo aree come l'energia, la sicurezza, la sanità e l'agricoltura.

Finanziamenti
Questa sezione illustra una serie di programmi di finanziamento dell'Unione Europea volti a sostenere la crescita di iniziative digitali e di smart city, nonché lo sviluppo dell'intelligenza artificiale (AI). Questi programmi sono diversi e spaziano dall'implementazione di infrastrutture digitali a progetti di ricerca e innovazione, con l'obiettivo generale di promuovere la trasformazione digitale, la sostenibilità e la competitività delle città, delle regioni e delle economie europee. I finanziamenti si concentrano su diverse aree chiave, tra cui lo sviluppo di città e comunità intelligenti, il progresso dell'intelligenza artificiale, il miglioramento delle infrastrutture e delle piattaforme digitali e il sostegno alle piccole e medie imprese (PMI). Di seguito presentiamo una panoramica dei principali meccanismi di finanziamento:

• Programma Europa Digitale (DIGITAL): con un budget di 7,6 miliardi di euro, DIGITAL mira ad accelerare la trasformazione digitale dell'Europa finanziando progetti rilevanti, in particolare quelli relativi alle città intelligenti e all'IA. Il programma affronta sfide come le carenze infrastrutturali e la gestione della trasformazione digitale, stanziando 9,2 miliardi di euro per far progredire tecnologie critiche come l'IA, la cybersicurezza e il supercalcolo. Il programma pone inoltre l'accento sull'acquisizione di competenze digitali e sull'uso di tecnologie digitali interoperabili, con 2,1 miliardi di euro dedicati alla promozione di spazi dati europei comuni e al sostegno dell'IA etica. Il programma istituisce inoltre una rete di European Digital Innovation Hubs (EDIHs) per migliorare la capacità tecnologica e l'innovazione in tutta l'UE.
• Horizon Europe: Con un investimento massiccio di 94,1 miliardi di euro, Horizon Europe sostiene la ricerca e l'innovazione per rafforzare le basi tecnologiche e scientifiche dell'UE, comprese le città intelligenti e lo sviluppo dell'IA. Una parte del budget, pari a 13,6 miliardi di euro, è destinata specificamente ai settori "Digitale, Industria e Spazio". Horizon Europe si allinea anche con iniziative strategiche come il Green Deal europeo e l'Agenda digitale per promuovere il progresso scientifico, affrontare le sfide globali e incoraggiare la crescita economica e la creazione di posti di lavoro.
• InvestEU: Con una garanzia di bilancio di 26,2 miliardi di euro, InvestEU mira a stimolare ulteriori investimenti pubblici e privati per un totale di 372 miliardi di euro per sostenere l'innovazione, la digitalizzazione e la crescita socio-economica, in particolare in risposta alla pandemia COVID-19. Si concentra sugli obiettivi strategici dell'UE, tra cui il potenziamento delle città digitali e dell'intelligenza artificiale.
• Programma per il mercato unico: Con un budget di 4,2 miliardi di euro, questo programma mira a semplificare il mercato interno, a sostenere le PMI che utilizzano le tecnologie digitali, a rafforzare la protezione dei consumatori e a migliorare le statistiche dell'UE, rafforzando così la competitività e la dimensione digitale del mercato unico.
• Meccanismo per collegare l'Europa (CEF): Il CEF, con un budget di 33,7 miliardi di euro, sostiene l'espansione delle reti transeuropee nei settori dei trasporti, dell'energia e delle infrastrutture digitali, facilitando l'adozione di soluzioni per le smart city e l'intelligenza artificiale attraverso un mix di sovvenzioni, finanziamenti misti e strategie di appalto.
• Fondo europeo di sviluppo regionale (FESR): Il FESR stanzia 226 miliardi di euro per rendere l'Europa più competitiva e intelligente, con particolare attenzione alle infrastrutture, alle PMI e alla promozione della cooperazione all'interno dell'UE attraverso programmi come Interreg e il Fondo di coesione, che dà priorità alle regioni meno sviluppate.
• Strumento per la ripresa e la resilienza: Questo strumento, che fa parte della risposta alla pandemia COVID-19, destina 672,5 miliardi di euro (sia a fondo perduto che a rimborso) per sostenere le transizioni verdi e digitali delle economie dell'UE, con una parte significativa destinata alle iniziative digitali.
• Fondo per la transizione giusta: Con 17,5 miliardi di euro, questo fondo mira a mitigare gli impatti socioeconomici della transizione verso gli obiettivi energetici e climatici dell'UE, offrendo sostegno ai lavoratori e alle comunità colpite dal passaggio dai combustibili fossili e dalle industrie ad alta intensità di carbonio.
• Fondo per l'innovazione: Circa 40 miliardi di euro dal 2020 al 2030 sono stanziati per sostenere la diffusione di tecnologie e processi innovativi a basse emissioni di carbonio, finanziati dalla vendita all'asta dei permessi ETS dell'UE, con particolare attenzione ai settori ad alta intensità energetica, alla cattura del carbonio, alle energie rinnovabili e alle tecnologie di stoccaggio.
• Programma LIFE: Con un budget di 5,4 miliardi di euro, il programma LIFE sostiene progetti che affrontano questioni ambientali e climatiche, promuovendo l'adozione di pratiche e tecnologie sostenibili, circolari e resistenti al clima.
  Questi programmi mirano complessivamente a promuovere l'innovazione, a sostenere le transizioni sostenibili e digitali e a migliorare la competitività dell'Unione Europea sulla scena globale.

Opportunità/potenziale del mercato

Questa analisi analizza l'organizzazione strutturata e l'orientamento strategico di tre distinte iniziative regionali, ognuna delle quali sostiene specifiche aree di innovazione e rappresenta un'opportunità di mercato per lo sviluppo di progetti basati sull'intelligenza artificiale per le soluzioni smart city. Queste iniziative sono orchestrate attorno ad hub centrali, denominati supernodi, che guidano gli sforzi di innovazione nelle rispettive regioni. Ogni supernodo è composto da un nodo principale, che guida la strategia regionale generale, e da nodi secondari, specializzati in particolari aree tematiche nell'ambito dell'innovazione più ampia. Le sezioni che seguono offrono un'analisi di mercato approfondita di queste aree tematiche e sub-tematiche delineate dai supernodi.

Il supernodo nordico: Enfatizzare il "POTERE" nell'energia

Il supernodo nordico, intitolato "POTENZA", esplora il dominio multiforme dell'energia, che comprende una varietà di fonti come il gas, l'eolico, il solare, l'idroelettrico, il nucleare e la biomassa, tra le altre. L'attenzione si concentra sulla complessa struttura del mercato che comprende gli operatori del sistema di trasmissione (TSO), gli operatori del sistema di distribuzione (DSO) e la catena di approvvigionamento. Mentre i TSO e i DSO, essendo monopoli, si concentrano tradizionalmente sulla stabilità della rete e sulla fornitura di energia, c'è un'enfasi crescente sull'innovazione nella produzione, nell'immagazzinamento e nella conversione di energia sostenibile. Ciò include i progressi nel monitoraggio ambientale per un approccio più informato e consapevole dell'ambiente, sostenuto dalle tecnologie digitali per la raccolta, l'analisi e la diffusione dei dati. Inoltre, viene sottolineata la criticità della sicurezza informatica per salvaguardare le infrastrutture energetiche dalle minacce informatiche e l'agenda europea per ridurre la dipendenza dai combustibili fossili attraverso l'elettrificazione e l'integrazione delle fonti di energia rinnovabili.

Sottotemi:

• Energia
• Soluzioni ambientali
• Sicurezza informatica

Approfondimenti regionali

• Sicurezza informatica per i dispositivi energetici connessi a internet
• Valutazione dinamica dei trasformatori
• Ottimizzazione della temperatura delle centrali di teleriscaldamento
• Controllo intelligente delle pompe di calore
• Profilazione del carico nella rete DSO per le tariffe future
• Manutenzione predittiva e preventiva per pompe di calore di grandi dimensioni

Il Supernodo Centrale: MOVE" per il trasporto e la mobilità

MOVE", il supernodo centrale, mira a migliorare i trasporti e la mobilità in ambito urbano. Mira a promuovere lo sviluppo e l'applicazione di sistemi di intelligenza artificiale per soluzioni di mobilità urbana più sicure e sostenibili. Questa iniziativa riconosce la natura dinamica delle città come ecosistemi che facilitano e modellano gli spostamenti dei cittadini, sottolineando il potenziale delle tecnologie digitali come l'IA, l'IoT e l'analisi dei big data nel rivoluzionare la mobilità urbana. Promuovendo ecosistemi collaborativi tra le varie parti interessate, tra cui le amministrazioni locali, l'industria e la società civile, MOVE cerca di accelerare la trasformazione digitale dei trasporti, migliorando così la qualità della vita, la sicurezza e la sostenibilità ambientale nelle aree urbane.

Sottotemi:

• Algoritmi di mobilità urbana e intersezioni intelligenti
• Elettromobilità
• Guida autonoma

Approfondimenti regionali

• Sistema di controllo del parcheggio automatizzato
• Progetto SAM
• Gemelli digitali locali per l'energia
• Fotovoltaico integrato nel veicolo
• Valutazione dei caricatori EV a batteria
• Ottimizzazione delle reti di ricarica EV
• Emissioni legate ai veicoli elettrici

Il Supernodo del Sud: CONNECT" per soluzioni urbane integrate

Infine, il tema "CONNECT" è alla base della missione del Supernodo Sud di sinergizzare cittadini, infrastrutture e servizi guidati dall'intelligenza artificiale per una vita urbana più intelligente e sostenibile. Questo tema racchiude sei sottotemi che riguardano il controllo dell'inquinamento, lo sviluppo urbano, la gestione dell'acqua, la gestione delle strutture, la consegna di droni e la gestione del turismo. Attraverso un quadro collaborativo, CONNECT aspira a far progredire la trasformazione digitale delle città sfruttando l'IA e altre tecnologie digitali per migliorare la vita e la sostenibilità urbana. Coinvolge un ampio spettro di soggetti interessati del settore pubblico e privato, della società civile e del mondo accademico, concentrandosi sullo sfruttamento dei dati e sulla sperimentazione dell'IA per innovare e affrontare le sfide urbane.
Sottotemi:

• Inquinamento, emissioni di gas serra e gestione del rumore
• Gestione dello sviluppo urbano
• Gestione dell'acqua e delle acque reflue
• Gestione integrata delle strutture
• Gestione delle consegne via drone
• Gestione del turismo.

Approfondimenti regionali

• L'intelligenza artificiale per promuovere i benefici delle infrastrutture verdi nella società
• Brain4it
• Connecta València: Un territorio turistico intelligente e sostenibile
• AI4acqua
• La rete per l'innovazione dell'acqua (WIN)
• Sviluppo di un modello di previsione per lo sviluppo del COVID-19
• Sistema di monitoraggio della qualità dell'aria che utilizza sensori IoT e sistema LoRa
• Sistema di videosorveglianza con strumenti AI proprietari che consentono l'edge computing
  (consorzio, 2024)
  

Struttura dei costi

Aggiornamento dei contenuti in attesa, resta sintonizzato!

Modelli operativi

Aggiornamento dei contenuti in attesa, resta sintonizzato!

Requisiti legali

A livello locale, la rapida evoluzione della tecnologia pone delle sfide alla regolamentazione dell'IA. Tra le incertezze sulle future capacità dell'IA e l'influenza delle grandi aziende tecnologiche, le città sono sempre più responsabili dell'adozione e della regolamentazione di queste tecnologie. Sono costrette ad adottare una risposta pragmatica e agile al panorama tecnologico in rapida evoluzione, sottolineando l'importanza di stabilire linee guida dinamiche e decentralizzate per un utilizzo responsabile dell'IA. Questo è fondamentale per salvaguardare il benessere e la privacy dei residenti. (Garner, 2024)

L'Unione Europea si impegna a promuovere lo sviluppo e l'applicazione dell'intelligenza artificiale (IA) dando priorità agli interessi umani e alla sostenibilità. Questo approccio sottolinea l'importanza dell'integrità dei dati, dell'apertura, della trasparenza, della responsabilità e della supervisione umana. L'obiettivo è che l'IA europea rafforzi l'innovazione in tutti i settori economici e incrementi la competitività del mercato unico dell'UE, il tutto rispettando i diritti fondamentali e aderendo ai principi essenziali dell'UE. Per evitare la frammentazione all'interno dell'UE, la proposta di un quadro normativo europeo basato sul rischio si concentra sulle applicazioni dell'IA ad alto rischio, aggiornando le normative esistenti sulla sicurezza dei prodotti per affrontare questioni come la cybersicurezza e l'autonomia umana. In questo modo si garantisce alle persone il diritto di essere risarcite per eventuali danni e si fornisce chiarezza giuridica alle organizzazioni.

In sostanza, l'obiettivo dell'UE è quello di creare un ecosistema fiorente che combini l'eccellenza con la fiducia, posizionandosi come leader nello sviluppo dell'IA etico e incentrato sulle persone.
Esploreremo anche le proposte per la Legge sull'Intelligenza Artificiale e la Direttiva sulla Responsabilità dell'Intelligenza Artificiale. (consorzio, 2024)

Proposta di legge sull'intelligenza artificiale: Questa proposta classifica i sistemi di IA in base al loro livello di rischio, da inaccettabile a minimo, per garantire il rispetto degli standard etici, della legalità e dei diritti fondamentali all'interno dell'UE. Alcune applicazioni di IA ad alto rischio, come il social scoring, sono vietate in assoluto, mentre altre devono soddisfare requisiti rigorosi di valutazione, registrazione e supervisione. La proposta tiene in particolare considerazione le esigenze delle PMI, compreso l'accesso alle sandbox normative sull'IA, per garantire la correttezza e la fiducia nella concorrenza, bilanciando le prospettive economiche con le preoccupazioni etiche e di sicurezza. (COMMISSIONE E. , CHE STABILISCE NORME ARMONIZZATE SULL'INTELLIGENZA ARTIFICIALE (LEGGE SULL'INTELLIGENZA ARTIFICIALE) E MODIFICA ALCUNI ATTI LEGISLATIVI DELL'UNIONE, 2021)

Proposta di direttiva sulla responsabilità per l'intelligenza artificiale: Questa direttiva mira ad armonizzare le norme sulla responsabilità in tutta l'UE per le richieste di risarcimento di diritto civile derivanti dalle prestazioni dell'intelligenza artificiale, con l'obiettivo di fornire una protezione equa alle persone danneggiate dall'intelligenza artificiale e di sostenere la fiducia nell'uso della tecnologia. La direttiva delinea le misure per consentire ai ricorrenti di ottenere la documentazione relativa ai sistemi di IA ad alto rischio attraverso i tribunali e stabilisce le condizioni in cui la colpa del danno può essere attribuita alla negligenza del sistema di IA. Questa direttiva stabilisce le regole di base per l'UE, lasciando agli Stati membri la flessibilità di applicare leggi più severe se lo desiderano. (COMMISSIONE E. , DIRETTIVA DEL PARLAMENTO EUROPEO E DEL CONSIGLIO sull'adeguamento delle norme in materia di responsabilità civile extracontrattuale all'intelligenza artificiale, 2022)

Considerazioni etiche

L'integrazione etica dell'Intelligenza Artificiale (IA) nei sistemi urbani è una pietra miliare per portare avanti iniziative di smart city che rispettino e migliorino il tessuto sociale. Al centro di questo quadro etico c'è l'impegno per la privacy, la sicurezza, l'equità e la trasparenza, garantendo che le soluzioni di IA promuovano la fiducia del pubblico e che i loro processi decisionali siano accessibili e comprensibili a tutti i cittadini.

L'etica sociale richiede che le implementazioni dell'IA rispettino la dignità umana, assicurando che gli individui siano trattati con rispetto e che la tecnologia serva ad arricchire piuttosto che a minare le relazioni personali. L'equità e la correttezza sono fondamentali e richiedono che i sistemi operino senza pregiudizi razziali, di genere o di altro tipo e promuovano attivamente l'uguaglianza. Ciò include un'attenzione particolare al potenziamento di coloro che sono spesso lasciati indietro, dimostrando un impatto positivo tangibile sulle comunità non servite e contribuendo al bene comune. Inoltre, è fondamentale mantenere il dominio dell'uomo sull'IA, assicurando che l'uomo mantenga il controllo, con strategie per riqualificare i lavoratori che hanno perso il posto a causa dell'automazione.

Dal punto di vista ambientale, le applicazioni di IA devono sforzarsi di essere ecologiche, esercitando effetti neutri o positivi sulla natura. Ciò si allinea con gli obiettivi più ampi di sostenibilità e gestione ambientale, riflettendo un impegno verso il pianeta che corrisponde all'impegno verso le persone.

In termini di sicurezza, è essenziale garantire l'incolumità fisica e mentale delle persone. I diritti alla privacy devono essere salvaguardati, così come la protezione dei dati e la sicurezza del sistema per evitare abusi o un uso eccessivo e dannoso. Le soluzioni etiche di IA devono anche eliminare gli incentivi all'uso improprio, garantendo che la tecnologia non possa essere sfruttata per scopi negativi.

L'etica della governance enfatizza la responsabilità, il monitoraggio regolare e la trasparenza delle applicazioni di IA per garantire un uso responsabile e una chiara supervisione. I principi di governance prevedono che i sistemi di IA si identifichino quando interagiscono con gli esseri umani e che includano la revisione umana nei processi decisionali. Questi principi costituiscono una base per l'impiego dell'IA in ambito urbano che rispetti la privacy, la sicurezza e l'equità, migliorando la vita della città e salvaguardando il benessere dei residenti.

Dati e standard

Aggiornamento dei contenuti in attesa, resta sintonizzato!

Riferimenti

• (n.d), B. (n.d.). Studio di caso sulle città intelligenti: Risparmiare denaro e ridurre le emissioni a Milton Keynes utilizzando il parcheggio intelligente.
• 33A. (2024). Recuperato da This is AI Design Sprint™: Automazione dei processi: https://www.33a.ai/ai-design-sprint
• Abhimanyu, C., Abhinav, P., & Chandresh, S. (2013). Elaborazione del linguaggio naturale. International Journal Of Technology Enhancements And Emerging Engineering Research, Vol 1, Issue 4.
• Arkara, N. (2023, 6 agosto). Medium. Recuperato da 'SmartCityGPT': Come l'intelligenza artificiale generativa crea città intelligenti e sostenibili: https://nonsmartcity.medium.com/smartcitygpt-how-generative-ai-creates-smart-and-sustainable-cities-4d00ce73da10
• AXIS Comunications, Smart Cities World. (2023). Seguendo il percorso verso città intelligenti e sostenibili. Smart City Magazine 2023/2024 | Global Ebrochure.
• Butler, K., Davies, D., Isayev, O., & Walsh, A. (2018). L'apprendimento automatico per la scienza molecolare e dei materiali. Nature.
• Cambiamento climatico AI, t. C. (2021). Cambiamento climatico e IA: raccomandazioni per il governo. GPAI.
• Consorzio, CitCom.ai. (2024). Rapporto di mercato: Mappatura dell'attuale contesto dell'UE per lo strumento di prova e sperimentazione dell'IA (TEF) a sostegno di città e comunità intelligenti e sostenibili.
• Cugurullo, F. (2020). Intelligenza Artificiale Urbana: Dall'automazione all'autonomia nella città intelligente. Dipartimento di Geografia, Trinity College di Dublino, Dublino, Irlanda.
• Deep, K., Aayushi, C., Ruchita, M., Krishna, P., & Chintan, B. (2021). La convergenza del Deep Learning e del Computer . Atlantis Highlights in Computer Sciences, volume 4.
• Donti, P., Liu, Y., Andreas J, S., Andrey, B., Rui, Y., & Yingchen, Z. (2018). Matrix Completion for Low-Observability Voltage Estimation. arXiv:1801.09799.
• Commissione Europea. (n.d.). Recuperato da Approccio europeo all'intelligenza artificiale: https://digital-strategy.ec.europa.eu/en/policies/european-approach-artificial-intelligence.
• Commissione Europea. (2021). Recuperato da Stabilire norme armonizzate sull'intelligenza artificiale e modificare alcuni atti legislativi dell'Unione: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex%3A52021PC0206.
• Commissione Europea. (2022). Recuperato da Direttiva del Parlamento europeo e del Consiglio sull'adeguamento delle norme di responsabilità civile extracontrattuale all'intelligenza artificiale: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A52022PC0496
• Commissione Europea. (2024). Recuperato da "Dare forma al futuro digitale dell'Europa": https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
• Commissione Europea. (2024). Dare forma al futuro digitale dell'Europa. Recuperato da https://digital-strategy.ec.europa.eu/en/policies/ai-office
• Feuerriegel, S., Hartmann, J., Janiesch, C., & Zschech, P. (2024). IA generativa. Business & Information Systems Engineering.
• Garner, C. (2024). SmartCitiesWorld. Recuperato da AI a gemelli digitali: le tendenze da conoscere per il 2024: https://www.smartcitiesworld.net/ai-and-machine-learning/ai-and-machine-learning/ai-to-digital-twins-trends-you-need-to-know-about-for-2024.
• Golubchikov, O., & Thornbush, M. (2020). Intelligenza artificiale e robotica nelle strategie delle città intelligenti e nello sviluppo intelligente pianificato. MDPI & SmartCities.
• H.M.K.K.M.B. , H., & Mittal, M. (2022). Adozione dell'intelligenza artificiale nelle città intelligenti: Una rassegna completa. International Journal of Information Management Data Insights.
• Harshit , V., Rizwan , A., Uzair , K., & Rajat , V. (2020). Approcci di intelligenza artificiale e apprendimento automatico nelle città intelligenti: Revisione critica. IOP Conference Series: Materials Science and Engineering, Volume 1022, 1st International Conference on Computational Research and Data Analytics (ICCRDA 2020).
• Hurwitz, J., Kaufman, M., & Bowles, A. (2012). Capitolo 12 Città più intelligenti: Il cognitive computing nel governo. In Cognitive Computing and Big Data Analytics.
• Ingwersen, P., & Serrano-López, A. (2018). Ricerca sulle città intelligenti 1990-2016. Scientometrics.
• Jones, A., Kuehnert, J., Fraccaro, P., Meuriot, O., Ishikawa, T., Edwards, B., . . . Assefa, S. (2023). L'intelligenza artificiale per gli impatti climatici: applicazioni al rischio di alluvioni. npj Climate and Atmospheric Science.
• Kinza, Y., Gillis, A., & Botelho, B. (n.d.). cognitive computing. Recuperato da Tech Target: https://www.techtarget.com/searchenterpriseai/definition/cognitive-computing.
• Lea, R. (2023). LinkedIn. Recuperato da IA generativa: come la stanno usando le città: https://www.linkedin.com/pulse/generative-ai-how-cities-using-rodger-lea-bqa9e/
• Leal, A., de Bezenac, C., Occhini, G., Lefebvre, H., Gallego-Posada, J., Chehbouni, K., . . . Téhinian, S. (2022). IA e città: Rischi, applicazioni e governance. UN-Habitat.
• Majewski, S. (2023). D.Labs. Recuperato da 7 Key Steps To Implementing AI In Your Business: https://dlabs.ai/blog/how-to-implement-ai-in-your-company/#:~:text=Seven%20key%20steps%20to%20implementing%20AI%20in%20your,You%E2%80%99re%20ready%20to%20start%2C%20but%20start%20small.%20
• Mathe, o., Miolane, N., Sebastien, N., & Lequeux, J. (2019). PVNet: A LRCN Architecture for Spatio-Temporal Photovoltaic PowerForecasting from Numerical Weather Prediction. arXiv:1902.01453.
• Mazloumi, E., Geoff, R., Currie, G., & Moridpour, S. (2011). Intervalli di previsione per tenere conto delle incertezze nelle previsioni delle reti neurali: Metodologia e applicazione nella previsione dei tempi di percorrenza degli autobus. Volume 24, numero 3.
• Miller, G. (2022). I ruoli degli stakeholder nei progetti di intelligenza artificiale. Project Leadership and Society.
• Nemika, T., & Bharat, B. (2023). Demistificare il ruolo dell'elaborazione del linguaggio naturale (NLP) nelle applicazioni per le città intelligenti: Background, motivazioni, progressi recenti e future direzioni di ricerca. Wireless Personal Communications.
• Nolle, M. (2023). Come si può applicare l'IA alle Smart City? LinkedIn BABLE Newsletter & Insights.
• Nutkiewicz, A., Yang, Z., & Jain, R. (2018). Simulazione energetica urbana guidata dai dati (DUE-S): Un quadro per integrare la simulazione ingegneristica e i metodi di apprendimento automatico in un flusso di lavoro di modellazione energetica urbana su più scale. Applied Energy Volume 225.
• OCSE. (2023). Raccomandazione del Consiglio sull'Intelligenza Artificiale. OCSE.
• Padilha França, R., Borges Monteiro, A., Arthur, R., & Iano, Y. (2020). Una panoramica del Machine Learning applicato alle Smart City. Smart Cities: Una prospettiva di analisi dei dati. Lecture Notes in Intelligent Transportation and Infrastructure. Springer.
• Papandreou, T. (2024). Forebes. Recuperato da Generative Urban AI Is Here. Le città sono pronte?: https://www.forbes.com/sites/timothypapandreou/2024/02/18/generative-urban-ai-is-here-are-cities-ready/?sh=2fc6aa449613
• Parycek, P., Schmid, V., & Novak, A.-S. (2023). Intelligenza artificiale (AI) e automazione nelle procedure amministrative: Potenzialità, limiti e condizioni quadro. Journal of the Knowledge Economy.
• Peeler, R. (2023). I costi nascosti dell'implementazione dell'IA in azienda. Recuperato da Forbes: https://www.forbes.com/sites/forbestechcouncil/2023/08/31/the-hidden-costs-of-implementing-ai-in-enterprise/?sh=f7559e64d5c1.
• Peng, Z.-R., Lu, K.-F., Liu, Y., & Zhai, W. (2023). Il percorso dell'intelligenza artificiale nella pianificazione urbana: dal supporto alla pianificazione. Journal of Planning Education and Research.
• Rahim, A., Mahony, C. e Bandyopadhyay, S. (2024). Blog della Banca Mondiale. Recuperato da Generative Artificial Intelligence as an Enabler for Citizen Engagement: https://blogs.worldbank.org/governance/generative-artificial-intelligence-enabler-citizen-engagement.
• Schmitt, L. (2022). Mappatura della governance globale dell'IA: un regime nascente in un panorama frammentato. AI e Etica.
• Taeihagh, A. (2021). La governance dell'intelligenza artificiale. Politica e Società.
• Taleqani, R., Hough, A., & K. E, N. (n.d.). L'opinione pubblica sul bike sharing senza conducente: Un approccio di apprendimento automatico. Transportation Research Record, 2673(4), 195-204.
• Ullah, Z., Al-Turjman, F., Mostarda, L., & Gagliardi, R. (2020). Applicazioni dell'intelligenza artificiale e dell'apprendimento automatico nelle città intelligenti. Computer Communications, Volume 154.
• Programma delle Nazioni Unite per l'Ambiente. (2023). Recuperato da Come l'intelligenza artificiale sta aiutando ad affrontare le sfide ambientali: https://www.unep.org/news-and-stories/story/how-artificial-intelligence-helping-tackle-environmental-challenges.
• Upadhyay, M., & Upadhyay, P. (2020). Gli Upadhyays. Recuperato da 8 parametri per qualificare le soluzioni di intelligenza artificiale: https://www.theupadhyays.com/post/8-parameters-to-qualify-ai-solutions
• Yigitcanlar, T., Corchado, J., Mehmood, R., Yi Man Li, R., Mossberger, K., & Desouza, K. (2021). Innovazione urbana responsabile con l'intelligenza artificiale (AI) degli enti locali: Un quadro concettuale e un'agenda di ricerca. Journal of Open Innovation: Technology, Market, and Complexity.
• Zhang, W., Robinson, C., Guhathakurta, S., Garikapati, V., Bistra Dilkina, M., Brown, M., & Pendyala, R. (2018). Stima del consumo energetico residenziale nelle aree metropolitane: Un approccio di microsimulazione. Energia, Volume 155,.