Per capire il futuro della biodiversità, gli scienziati stanno tornando a scavare dentro archivi vecchissimi. Erbari, fungari, campioni essiccati, etichette scritte a mano, collezioni raccolte in secoli di esplorazioni botaniche. Luoghi che sembravano appartenere ad una scienza lenta, quasi museale, stanno diventando una delle frontiere più interessanti e attuali dell’intelligenza artificiale.
Il rapporto 2026 dei Royal Botanic Gardens, Kew, racconta questa trasformazione: digitalizzazione e IA stanno cambiando il modo in cui studiamo piante e funghi, due regni fondamentali per clima, cibo, medicine ed ecosistemi. La novità non è soltanto conservare immagini online. È trasformare milioni di campioni fisici in dati interrogabili, confrontabili e analizzabili da modelli matematici.
Un campione d’erbario non è solo una pianta secca. Contiene luogo di raccolta, data, caratteristiche morfologiche, talvolta informazioni genetiche, tracce di clima e storia ambientale. Se questi dati restano chiusi in armadi accessibili a pochi specialisti, il loro valore è limitato. Se vengono digitalizzati e letti da strumenti di IA, possono contribuire a ricostruire a ritroso i grandi cambiamenti su scala globale.
Secondo Kew, l’IA applicata a milioni di campioni ha già aiutato a studiare lo spostamento dei tempi di fioritura nel corso dell’ultimo secolo. È un dato importante perché la fioritura non riguarda solo le piante. Riguarda impollinatori, catene alimentari, agricoltura, equilibri ecologici. Quando una pianta fiorisce prima o dopo rispetto agli insetti che la impollinano, un intero sistema può andare fuori sincrono, una sorta di butterfly effect catastrofico.
L’IA può aiutare anche nell’identificazione delle specie. Moltissimi campioni conservati negli archivi non sono stati ancora classificati fino al livello di specie oppure appartengono a gruppi troppo difficili da distinguere. I modelli di machine learning possono riconoscere somiglianze, segnalare anomalie, suggerire priorità di studio. Non sostituiscono il botanico o il micologo, ma possono liberarlo da una parte del lavoro più ripetitivo.
C’è però una questione politica e scientifica insieme: quali archivi sono digitalizzati e quali no? Kew ricorda che nel mondo esistono centinaia di milioni di campioni d’erbario, ma solo una parte è stata fotografata e resa disponibile online. Molte collezioni si trovano nel Sud globale, proprio nelle aree più ricche di biodiversità, ma spesso hanno meno risorse per digitalizzare e condividere i propri patrimoni. Personalmente il tema mi incuriosice in quanto ho ricevuto la testimonianza diretta di un carissimo amico, nel 2024 per sviluppare la sua tesi, proprio sulla biodiveristà, alla Sapienza di Roma, ha scelto di unirsi ad una spedizione scientifica in Madagascar. Rivedo vari collegamenti nei racconti che ho sentito dopo l'esperienza, durante la raccolta, nell'organizzazione dei dataset e dei file, le fototrappole, le aree più o meno esposte e posso affermare che combaciano perfettamente con ogni scenario descritto in precedenza da Kew.
Questo significa che l’IA rischia di vedere meglio dove i dati sono già più accessibili e vedere peggio dove la biodiversità è più ampia ma meno documentata digitalmente. È un problema comune a molti ambiti dell’intelligenza artificiale: il modello non conosce il mondo, conosce il mondo che i dati gli permettono di vedere.
La digitalizzazione degli erbari non è quindi solo un progetto tecnico. È anche una questione di accesso alla conoscenza, cooperazione internazionale e giustizia scientifica. Se i dati vengono raccolti, organizzati e condivisi in modo equilibrato, l’IA può aiutare a identificare specie a rischio prima che scompaiano. Se invece restano sbilanciati, può rafforzare vecchie disuguaglianze nella ricerca.
L’immagine più corretta dell’IA, in questo caso, non è quella di una macchina futuristica che inventa la natura. È quella di uno strumento che rilegge pazientemente il passato per capire cosa stiamo perdendo nel presente. Dentro una foglia essiccata da cento anni può esserci una traccia utile per proteggere un ecosistema domani.
La tecnologia, a volte, non serve a correre in avanti. Serve a guardare meglio ciò che avevamo già conservato.