Cepio
Cepio
Il club

Club Cepio

Cepio oggi

  • 5 anni di prove sul campo
  • 130 appassionati si collegano ogni giorno
  • 120 cercatori hanno scelto Cepio+ come alleato per le loro uscite a funghi
Sui social

Chi siamo?

Thierry V.

Ciao, sono biomatematico e da più di 20 anni lavoro alla costruzione di strumenti digitali usati dai nostri agricoltori. La mia specialità è modellizzare i parametri agronomici e climatici con la massima precisione possibile.

Hugues L.

Ciao, sono ingegnere agronomo e appassionato di nuove tecnologie. Lavoro su strumenti digitali per migliorare la vita quotidiana degli agricoltori e, oggi, dei cercatori di funghi.

Come si può prevedere la crescita dei funghi?

1Modellizzare la crescita dei funghi

  • Al contrario dei giganti della tecnologia e del loro approccio «dati massivi», abbiamo scelto di puntare sulla competenza scientifica per prevedere la comparsa dei funghi (quello che si chiama comunemente un modello «esperto»).
  • Tutti credono che servano milioni di dati per costruire un'IA. Per la raccolta dei funghi non esiste nessuno storico dei raccolti affidabile. La realtà sul campo è fatta piuttosto di dati sparsi, soggettivi e incompleti.
  • In uscita dal nostro modello proponiamo un indicatore: l'indice di crescita. Questo indice si legge così:
    • ScarsoScarso: bassa probabilità — meglio aspettare
    • LimitatoLimitato: qualche angolo attivo — uscita possibile ma selettiva
    • ModeratoModerato: buon potenziale — punta alle zone favorevoli
    • AbbondanteAbbondante: condizioni ideali — tira fuori il cesto!

2Esistono due metodi per modellizzare la crescita dei funghi

Metodo 1

L'approccio guidato dai dati («Data-Driven»)

Principio

«Dammi un milione di esempi e troverò ciò che si può mettere insieme per prevedere il futuro»

Fonti
I tuoi dati personali e non solo
Vantaggi
Scopre correlazioni invisibili
Svantaggi
Servono grandi quantità di dati di qualità
Visualizzazione

Montagna di dati → Scatola nera IA → Previsioni

Metodo 2 · la nostra scelta

L'approccio guidato dalla conoscenza («Knowledge-Driven»)

Principio

«Conosco i meccanismi, quindi li modellizzo»

Fonti
Pubblicazioni scientifiche, esperienza sul campo
Vantaggi
Funziona con pochi dati ed è spiegabile
Svantaggi
Limitato dalle nostre conoscenze attuali
Visualizzazione

Conoscenze scientifiche → Modello esplicito → Previsioni

3La nostra scelta: l'approccio guidato dalla conoscenza («Knowledge-driven»)

  • I funghi restano una sfida, perché la loro crescita è complessa e incerta. Proprio questa complessità interessa i nostri scienziati: abbiamo a disposizione oltre 50 anni di ricerca micologica e di letteratura scientifica.
  • I meccanismi biologici di sviluppo e di crescita dei funghi sono ben documentati.
  • Gli studi controllati sul campo e in laboratorio offrono una bella visione della cinetica (la velocità) di fruttificazione e di accrescimento dei nostri funghi.
  • Dati mancanti: non esiste nessun «Netflix dei porcini» con milioni di osservazioni, foto e annotazioni di qualità
  • Variabilità umana: ogni cercatore ha i suoi posti segreti
  • Bias di osservazione: si raccontano solo i successi, mai i fallimenti!
Capire meglio che cos'è un modello «Knowledge-driven»:
  • Analogia: si impara su un manuale di pilotaggio, invece di imparare schiantando aerei
  • Esempio concreto: i nostri modelli meteo (fisica dell'atmosfera) contro l'IA pura

4Costruzione del modello di crescita di Cepio

1

Fase 1: svisceriamo la biologia dei funghi (porcini/boleti)

  • I cicli di vita dei funghi: Micelio → Stimolazione → Fruttificazione
  • I fattori scatenanti individuati nella letteratura:
    • Shock termico (stress da freddo)
    • Reidratazione (segnale chimico)
    • Stress idrico (urgenza riproduttiva)
  • Il nostro modello valuta gli episodi di shock termico. Serve un certo numero di ore di freddo per innescare la fruttificazione degli sporofori. L'ideale è che a questo si aggiunga un bel periodo di pioggia, seguito da una fase asciutta: il gioco è fatto.
2

Fase 2: traduciamo i fenomeni biologici in equazioni matematiche semplici

  • Soglie termiche: basate su studi fisiologici
  • Finestre temporali: ricavate da osservazioni controllate
  • Interazioni: modellizzazione delle sinergie
Esempio concreto:
SE     (Temperatura < 12 °C per 72 h)
E      (Pioggia > 15 mm nei 5 giorni successivi)
E      (Niente pioggia per 5-8 giorni dopo)
ALLORA Probabilità di fruttificazione = 80%
3

Fase 3: calibriamo con i dati oggi disponibili

  • Dati meteo: 30 anni di storico disponibili in tutta Europa
  • Osservazioni sul campo: casi documentati nella letteratura scientifica (camere dell'agricoltura, grandi enti di ricerca europei)
  • Adattamento regionale: ci adeguiamo alle specificità locali
4

Fase 4: mettiamo in moto il nostro modello

  • Vantaggio decisivo: possiamo spiegare perché funziona e giustificare il nostro risultato, l'indice di crescita. Un modello predittivo basato sull'IA non potrebbe farlo.
  • Fiducia: possiamo capirne i limiti
  • Miglioramento: possiamo indirizzare facilmente le ricerche future per guadagnare in precisione
5

Fase 5: validiamo il nostro modello battendo i boschi con un gruppo di prova

  • Validiamo senza Big Data, con prove di validazione incrociata (testare il nostro modello in regioni diverse)
  • Confrontiamo il nostro modello con micologi esperti e con gruppi specializzati
6

Fase 6: lanciamo cepio.fr, il meteo dei funghi

  • Mettiamo online un primo modello adattato ai porcini/boleti: è gratuito nel weekend e costa 12,99 euro per le previsioni con una settimana di anticipo (per coprire le nostre spese).
7

Fase 7: analizziamo i riscontri e le esigenze, e andiamo avanti

  • Analizziamo i riscontri dal campo: tempo di ricerca, esperienza del cercatore, foto dei funghi raccolti, peso del raccolto.
  • Ci confrontiamo con micologi esperti e con gruppi specializzati
  • Continuiamo a investire in ricerca e sviluppo per aggirare i limiti del nostro modello attuale:
    • Fattori non modellizzati: salute degli alberi ospiti, competizione tra specie, microvariazioni del suolo
    • Precisione: 70-80% contro il 95% dei modelli Big Data più avanzati
    • Generalizzazione: serve più adattamento locale
    • Trasparenza scientifica: codice aperto e verificabile dalla comunità, nessuna magia nascosta

5Il futuro di Cepio

Con un approccio ibrido tra modelli guidati dalla conoscenza e modelli guidati dai dati, potremo unire il meglio dei due mondi.

  • I nostri prossimi modelli saranno rafforzati dai dati: saranno modelli ibridi.
  • L'approccio ibrido potrebbe permetterci di costruire la piattaforma ideale per chiunque vada a caccia di funghi e non abbia paura di usare la tecnologia ogni tanto, per:
    • Cercare il momento giusto per un'uscita
    • Cercare un luogo dove andare a funghi
    • Cercare una specie di fungo
  • Accompagneremo sia i cercatori alle prime armi sia i più esperti:
    • Interrogarsi e formarsi sul meteo, sui biotopi e sui cicli biologici necessari alla crescita dei funghi
    • Condividere il proprio sapere dando consigli di raccolta su scala locale

Scegli il tuo accesso

Account gratuito

  • Elenco delle grandi foreste europee
  • Previsioni su un indirizzo personalizzato
  • Previsioni per il weekend in arrivo
Gratis e lo resterà

Cepio+

  • Salvataggio delle zone preferite
  • Previsioni su un indirizzo personalizzato
  • Previsioni con 7 giorni di anticipo per preparare le uscite
12,99 € solo per i primi 500
senza abbonamento