Gli edifici sono tra i maggiori consumatori di energia sul pianeta, responsabili di una quota significativa delle emissioni globali di gas serra. Per decenni, i sistemi che gestiscono il riscaldamento, il raffreddamento e l'illuminazione si sono affidati a istruzioni fisse e basate su regole. Questi sistemi vengono impostati una volta sola e raramente modificati, faticando ad adattarsi ai cambiamenti dei modelli meteorologici, alle variazioni del numero di persone all'interno o all'usura naturale dei macchinari stessi. Negli ultimi anni, gli ingegneri si sono rivolti all'intelligenza artificiale per risolvere questo problema, sperando che algoritmi intelligenti potessero apprendere dai dati per gestire gli edifici in modo più efficiente. Tuttavia, è emerso un divario critico tra la promessa di questi sistemi intelligenti e la realtà della loro messa in pratica. Mentre l'intelligenza artificiale prospera nel mondo digitale, dove un errore può essere annullato con un semplice clic, gli edifici esistono nel mondo fisico. Lì, una decisione errata non si limita a eliminare un file; spreca energia che non può essere recuperata, rende le persone scomode o danneggia attrezzature costose.

Un team di ricercatori austriaci, operante tra l'ingegneria civile e l'informatica, si è posto l'obiettivo di colmare questo divario. Essi sostengono che i metodi standard utilizzati per costruire e testare il software di intellzione artificiale siano insufficienti per il mondo fisico delle operazioni edilizie. Il loro lavoro, derivante da due progetti in corso che coinvolgono veri edifici universitari, identifica perché gli approcci attuali falliscano e propone una nuova strada da seguire. Hanno scoperto che trattare un edificio come un normale programma informatico ignora la natura lenta, disordinata e irreversibile dei sistemi fisici. Inveve di fare affidamento sulle enormi quantità di dati puliti di cui godono i sistemi digitali, suggeriscono di progettare sistemi che possano funzionare con informazioni limitate e rumorose. Sottolineano inoltre che, poiché i gestori degli edifici sono legalmente responsabili della sicurezza e del comfort, devono essere in grado di comprendere e scavalcare l'intelligenza artificiale, rendendo la trasparenza un requisito piuttosto che una funzione opzionale.

I ricercatori hanno iniziato osservando che le regole standard dell'ingegneria del software non si applicano quando il software controlla un ambiente fisico. Nel regno digitale, se un programma fa una previsione errata, le conseguenze sono spesso limitate a una scarsa esperienza dell'utente o a una vendita persa, e l'errore può essere corretto rapidamente. In un edificio, una decisione di controllo errata ha costi fisici immediati. Se un sistema di intelligenza artificiale accende erroneamente sia il riscaldamento che il raffreddamento contemporaneamente, quell'energia viene sprecata per sempre. Se causa sbalzi termici eccessivi, gli occupanti perdono fiducia nel sistema e il gestore dell'edificio potrebbe semplicemente spegnerlo, rendendo la tecnologia inutile. Peggio ancora, i cambiamenti aggressivi alle impostazioni delle apparecchiature possono causare stress meccanico che accorcia la vita utile dei macchinari. Sebbene i disastri veri e propri come gli incendi siano rari perché gli edifici dispongono di buffer di sicurezza integrati, l'effetto cumulativo di piccoli errori irreversibili cambia tutto riguardo al modo in cui il software deve essere costruito.

Per affrontare queste sfide uniche, i ricercatori hanno identificato diversi problemi chiave che sorgono nel passaggio dalla teoria alla pratica. Un problema principale è la natura dei dati. In molte applicazioni digitali, i dati sono abbondanti e puliti. Negli edifici, i dati sono spesso scarsi, rumorosi e dispersi tra diversi sistemi che non comunicano tra loro. Un singolo edificio potrebbe avere sistemi di riscaldamento degli anni '90, controlli dell'illuminazione del 2010 e sensori moderni, tutti che utilizzano linguaggi e formati differenti. Raccogliere questi dati è difficile e i sensori spesso perdono la calibrazione nel tempo. I ricercatori hanno scoperto che cercare di costruire modelli complessi che richiedono dati perfetti porta a sistemi fragili che falliscono nel mondo reale. Inveve, raccomandano il principio del minimalismo dei dati. Ciò significa progettare sistemi che possano lavorare con i dati limitati e imperfetti che effettivamente esistono, piuttosto che attendere condizioni perfetti che potrebbero non arrivare mai.

Un'altra scoperta critica è che testare questi sistemi direttamente su edifici reali è troppo rischioso. A differenza del software digitale, dove gli sviluppatori possono eseguire due versioni affiancate per vedere quale funziona meglio, non è possibile testare due strategie di riscaldamento contrastanti nello stesso edificio senza rischiare il disagio delle persone all'interno. I ricercatori hanno osservato che fare affidamento esclusivamente sulle simulazioni al computer è altrettanto insufficiente perché gli edifici reali non si comportano mai esattamente come i loro modelli digitali. La massa termica, il meteo e il comportamento umano creano ritardi e variazioni difficili da prevedere. Per risolvere questo, propongono un approccio "first-simulation" (prima la simulazione) in cui le nuove strategie vengono testate estensivamente in una replica virtuale dell'edificio prima di essere implementate. Questa replica virtuale, nota come digital twin (gemello digitale), non è solo un modello statico, ma una copia viva che si aggiorna con i dati in tempo reale dall'edificio reale. Permette all'intelligenza artificiale di esplorare diverse azioni e imparare dagli errori senza causare alcun danno reale.

L'elemento umano gioca anche un ruolo centrale nelle loro scoperte. Nelle applicazioni digitali, se un utente non si fida di un suggerimento, lo ignora semplicemente. In un edificio, se un responsabile delle strutture non si fida del sistema, lo disabiliterà completamente. Poiché questi responsabili sono legalmente responsabili della sicurezza e del comfort degli occupanti, devono capire perché il sistema sta prendendo una decisione. I ricercatori sostengono che la spiegabilità non sia solo una funzione accessoria, ma un requisito fondamentale per l'adozione. Se un'intelligenza artificiale non può spiegare il proprio ragionamento in linguaggio semplice, o se non può essere bypassata manualmente quando necessario, non verrà utilizzata. Ciò significa che il software deve essere progettato per essere trasparente fin dall'inizio, fornendo ragioni chiare per le proprie azioni e permettendo agli esseri umani di intervenire quando necessario.

Il team suggerisce che la strada da seguire comporti un cambiamento nel modo in cui gli ingegneri affrontano questi problemi. Propongono che il gemello digitale sia lo strumento centrale per lo sviluppo, fungendo da spazio sicuro per i test e da modo per generare dati per situazioni rare. Sottolineano inoltre che il flusso di lavoro dalla progettazione all'implementazione deve essere integrato, collegando il modello fisico dell'edificio con l'intelligenza artificiale e i sistemi di controllo. Questo approccio riconosce che gli edifici sono sistemi fisici complessi governati dalla termodinamica, non solo da schemi di dati. I ricercatori avvertono con cura che il loro lavoro è un punto di partenza per un nuovo programma di ricerca piuttosto che una soluzione finita. Hanno identificato le parti mancanti e proposto un insieme di pratiche, ma riconoscono che queste idee devono essere validate sul campo. L'obiettivo è creare una base per costruire un'intelligenza artificiale che sia robusta, sicura e creduta dalle persone che devono viverci e lavorarci.

In definitiva, il lavoro evidenzia che la sfida di portare l'intelligenza artificiale negli edifici non è solo un problema tecnico di migliori algoritmi, ma un problema di ingegneria del software relativo alla gestione delle conseguenze fisiche. I ricercatori hanno scoperto che il successo dipende dal rispetto delle leggi della fisica, dei limiti dei dati disponibili e della necessità di fiducia umana. Trattando l'edificio prima come un sistema fisico e in secondo luogo come una fonte di dati, essi offrono un progetto per rendere gli edifici intelligenti che funzionino davvero nel mondo reale. Le loro scoperte suggeriscono che il futuro delle operazioni edilizie non risiede nel sostituire il giudizio umano con le macchine, ma nel creare sistemi che supportino la supervisione umana pur navigando nella natura complessa, lenta e irreversibile del mondo fisico.