I Guardian di Rainforest Connection sono scatole solari con microfono piazzate nella chioma: un modello di apprendimento automatico classifica l’audio e manda un’allerta sul telefono di chi pattuglia. Il dossier pubblico racconta bene il sensore e il classificatore, molto meno chi riceve l’allarme e cosa succede dopo. E nemmeno il rilevamento è un problema chiuso.
Immaginate una scatola grande come un libro, fissata a venti o trenta metri d’altezza nella chioma di un albero, con dei pannelli solari a forma di petalo che intercettano le chiazze di luce che filtrano tra le foglie. Dentro, nella versione originale, c’era uno smartphone usato. Fuori, un microfono. La scatola si chiama Guardian, la costruisce Rainforest Connection — organizzazione fondata nel 2013 da Topher White, che ne è stato amministratore delegato fino al 2022 — e il suo lavoro è ascoltare la foresta ventiquattro ore su ventiquattro.
L’intelligenza artificiale entra esattamente qui: l’audio catturato viene trasmesso via rete cellulare a un’infrastruttura cloud, dove modelli di apprendimento automatico addestrati su registrazioni etichettate cercano di separare, dentro un flusso sonoro fatto di cicale, pioggia, uccelli e vento, alcune firme acustiche specifiche — il rumore di una motosega, il motore di un veicolo, uno sparo. Quando il classificatore riconosce uno di questi suoni, parte una notifica sul telefono di chi è incaricato di pattugliare l’area. Il sistema non vede nulla: non usa satelliti, non usa immagini. Sente, e prova a dare un nome a quello che sente.
Cosa è documentato davvero
Vale la pena essere precisi su dove questi dispositivi sono stati raccontati pubblicamente, perché la geografia del progetto viene spesso semplificata. In Ecuador i siti documentati sono la Riserva Cerro Blanco, vicino a Guayaquil, gestita con la Fundación Pro-Bosque, e la Riserva Mashpi, nel Chocó, con la Fundación Futuro: la prima è bosco secco tropicale, la seconda foresta nuvolosa. Nessuna delle due è Amazzonia, anche se il nome dell’organizzazione e l’immaginario che porta con sé spingono a pensarlo.
In Perù il sito citato pubblicamente è la Riserva Nazionale di Tambopata, nel sud-est del Paese, dove i dispositivi sono stati associati all’arresto di taglialegna; all’epoca, nel 2018, l’organizzazione dichiarava un centinaio di apparati in Perù e presenza in altri nove Paesi. Le prime installazioni amazzoniche di cui si è parlato sui media internazionali riguardano invece il Brasile: il popolo Tembé, nello Stato del Pará.
Sulle dimensioni complessive, le cifre disponibili sono auto-dichiarate e non coincidono fra loro: in un comunicato del 2021 legato alla partnership con Huawei si parla di ventidue siti in diciotto Paesi, altrove di quattordici Paesi in cinque continenti, nel profilo del fondatore di oltre trenta Paesi. Sono numeri di comunicazione. Non sono un registro.
C’è poi un punto che conviene dichiarare invece di nascondere: quasi tutto il materiale pubblico su Perù ed Ecuador è concentrato fra il 2018 e il 2021. Che quei sensori siano accesi oggi, nel 2025, non è una cosa che si possa dare per scontata leggendo le fonti disponibili. Le partnership tecnologiche, quelle sì, sono tracciabili e recenti: il premio GSMA GLOMO al progetto “Nature Guardian” con Huawei il 30 giugno 2021, l’estensione della collaborazione con Infineon nel gennaio 2023 per aggiungere sensori di CO2, i lavori con Hitachi Digital Services, il supporto di Google.org, la piattaforma Arbimon per l’analisi bioacustica.
La tentazione di dichiarare risolto il pezzo facile
La narrazione che circola intorno a questi progetti ha una forma riconoscibile: il riconoscimento funziona, il problema è che poi non arriva nessuno. È una tesi seducente perché sposta la colpa dall’ingegneria alla politica, e perché somiglia a quello che sappiamo di tante altre tecnologie di allerta. Il guaio è che, nel caso dell’acustica forestale, non è dimostrata — e la parte tecnica è meno chiusa di quanto suggerisca.
Uno studio pubblicato su arXiv che lavora su dati annotati forniti da Rainforest Connection indica due ostacoli principali per questi classificatori. Il primo è il domain gap: i grandi dataset audio disponibili per addestrare modelli di riconoscimento sonoro sono fatti di suoni urbani e domestici, registrati con microfoni e in condizioni che non somigliano a una chioma amazzonica. Un modello che ha imparato cos’è una motosega da clip caricate su internet non sta necessariamente imparando la stessa cosa che dovrà riconoscere a trenta metri d’altezza, sotto la pioggia, mescolata a un coro di insetti che in certe ore satura la banda di frequenze. Il secondo ostacolo è la scarsità di dati etichettati: annotare ore di audio di foresta è lento, costoso e richiede competenza.
Questo ha una conseguenza pratica precisa. Un classificatore che sbaglia poco in laboratorio può produrre, su un flusso continuo che dura mesi, un numero di falsi positivi sufficiente a logorare la fiducia di chi riceve le notifiche. E un allarme di cui ci si fida poco diventa, nei fatti, un allarme che non si gira a nessuno. Non è un problema di ultimo miglio: è il rilevamento che contamina l’intervento.
Chi arriva, quando arriva
Qui si entra nella parte meno documentata, e la cosa onesta è dirlo. Le fonti pubbliche descrivono l’architettura tecnica con dovizia — hardware, cloud, modelli, app — e diventano vaghe esattamente nel punto in cui il lettore vorrebbe sapere di più: chi è l’entità che riceve la notifica, con quale mandato, con quali mezzi, e con quale esito. La stampa ha riportato arresti legati a Tambopata, ma non esistono, tra il materiale accessibile, numeri su procedimenti aperti, sanzioni comminate o attrezzature confiscate riconducibili agli allarmi acustici. Non esiste nemmeno una valutazione d’impatto controllata del sistema.
Una cosa però si può dire con certezza: chi arriva non è sempre lo Stato. In Amazzonia brasiliana esistono gruppi di sorveglianza indigeni che pattugliano i propri territori, spesso armati, in condizioni di rischio reale — Paulo Paulino Guajajara, dei “Guardiani della Foresta” del Maranhão, è stato ucciso in un agguato nel novembre 2019. Sono soggetti e catene operative distinte da quelle di qualsiasi fornitore di sensori, e vanno tenute distinte anche nel racconto. Ma servono a ricordare una cosa che il linguaggio tecnologico tende a nascondere: la riga finale di un sistema di allerta non è una notifica push, è una persona che si muove verso un rumore di motosega nel buio.
Il bioacustico fa anche altro
C’è un uso di questa stessa infrastruttura che riceve molta meno attenzione e che forse è il più promettente. Un lavoro pubblicato nel 2023 su Ecological Informatics mostra come il monitoraggio acustico possa essere usato per orientare le pattuglie su illeciti diversi dal taglio: per esempio la presenza di bestiame all’interno di aree protette. Il suono di una mandria non è il suono di una motosega, ma è altrettanto riconoscibile per un modello addestrato a cercarlo, ed è un indicatore di invasione molto più continuo nel tempo.
È una differenza concettuale importante. La motosega è un evento: dura minuti, impone una risposta immediata, e un ritardo di tre ore la rende inutile. Il bestiame è uno stato: persiste, si può verificare con calma, e genera prove utilizzabili anche settimane dopo. Un sistema acustico che venga valutato solo sulla sua capacità di far arrivare qualcuno in tempo sul tronco che sta cadendo viene giudicato sul compito in cui ha meno probabilità di vincere. Valutato come strumento che descrive, mese dopo mese, dove la pressione illegale si concentra e come si sposta, diventa un’altra cosa — meno spettacolare da raccontare, molto più difficile da smontare in tribunale o in una riunione di pianificazione.
Forse il dato più istruttivo su Rainforest Connection non riguarda la foresta. Riguarda il fatto che di questa tecnologia sappiamo in dettaglio la marca dei partner cloud e la storia degli smartphone riciclati, e quasi nulla di cosa succede nei novanta minuti dopo che il telefono di un ranger vibra. È una asimmetria di documentazione, prima che di ingegneria. E dice qualcosa su quale parte del sistema qualcuno aveva interesse a misurare.