Dal modello già operativo sul Lamone al Senio: un progetto del programma nazionale Regioni per l’Intelligenza Artificiale che usa l’intelligenza artificiale per migliorare la previsione delle esondazioni e rendere interrogabile il patrimonio di dati della Regione.
Il programma
REG4IA, Regioni per l’Intelligenza Artificiale, è il programma nazionale promosso dal Dipartimento per la trasformazione digitale della Presidenza del Consiglio dei ministri insieme a tutte le Regioni e Province autonome, per sperimentare soluzioni di intelligenza artificiale (IA) nei servizi pubblici. È finanziato dal Fondo per l’innovazione tecnologica e la digitalizzazione e si articola in quattro hub interregionali. Ex Machina è stata chiamata come partner tecnologico strategico, specializzato in IA, nell’hub dedicato alla resilienza e alla sicurezza del territorio, guidato dalla Regione Toscana con Friuli-Venezia Giulia, Emilia-Romagna e Sardegna. Il progetto specifico rientra nel PoC (Proof of Concept, prova di fattibilità) 3.7, «Modelli di simulazione d’esondazione di fiumi e corsi d’acqua».
Il progetto in Emilia-Romagna
È un progetto promosso dalla Regione Emilia-Romagna attraverso la Direzione generale Risorse, Europa, Innovazione e Istituzioni, l’Agenzia regionale per la sicurezza territoriale e la protezione civile (ARSTPC) e ARPAE, l’Agenzia regionale per la prevenzione, l’ambiente e l’energia. Accanto a Ex Machina lavorano l’Università di Padova, l’Università di Parma, il Politecnico di Milano e Fondazione CIMA (Centro Internazionale in Monitoraggio Ambientale). Si sperimenta una soluzione prima di adottarla in modo strutturale. Le attività hanno preso avvio formale nella primavera 2026.
Dal Lamone al Senio
Il punto di partenza è un’applicazione già operativa: la simulazione in tempo reale degli scenari di allagamento da rotta arginale, cioè dalla rottura di un argine, messa a punto per il Lamone dopo l’alluvione del maggio 2023. Il sistema accoppia un modello idrologico, RHYME, sviluppato dall’Università di Padova, e un modello idrodinamico bidimensionale, PARFLOOD, dell’Università di Parma, all’interno dell’interfaccia FEWS (Flood Early Warning System, sistema di allerta precoce delle piene). Grazie alla potenza di calcolo del supercomputer regionale MarghERita, riesce a simulare in tempo reale lo scenario di tre brecce arginali contemporanee.
L’obiettivo è estendere questo approccio al Senio, ultimo affluente di destra del Reno: un’asta di circa 101 chilometri di sviluppo, arginata in modo continuo a valle di Castel Bolognese e quindi particolarmente esposta al rischio di rotta. Qui l’IA serve a migliorare la previsione e a permettere azioni tempestive di allarme e di evacuazione, e più in generale di gestione del territorio.
Il ruolo di AIRAS
Ex Machina porta in questo progetto l’esperienza maturata con AIRAS (Artificial Intelligence Response on Alert System), la piattaforma di supporto decisionale sviluppata per la protezione dei territori dagli eventi estremi. La missione in REG4IA è trasformare il patrimonio di dati non strutturati della Regione Emilia-Romagna e gli output dei modelli tecnici sviluppati dalle università, relativi allo studio del Senio e dei suoi argini, in informazioni su cui si può agire.
Il contributo si concentra sulle componenti più innovative della catena di lavoro. A Ex Machina spetta lo sviluppo di un agente conversazionale basato sull’IA, capace di integrare gli output dei modelli sviluppati dai diversi atenei partner con la base di conoscenza documentale, rendendoli accessibili a chi opera sul territorio. Insieme al Politecnico di Milano e a Fondazione CIMA lavora inoltre allo sviluppo dell’approccio Impact Based Forecast, la previsione basata sugli impatti, per valutare in tempo reale l’impatto alluvionale e costruire scenari «che cosa succede se» utili alla pianificazione.
Una metodologia, non una soluzione isolata
L’obiettivo finale del progetto è mettere a punto una metodologia applicabile e replicabile a larga scala, creando una base di conoscenza che, grazie all’IA, sia accessibile e interrogabile per ottimizzare la gestione e la previsione del rischio idrogeologico.
