Di seguito tutti gli interventi pubblicati sul sito, in ordine cronologico.

[🔍CLICCA PER INGRANDIRE ]

Un data center immerso in un paesaggio arido, simbolo della sete di risorse dell'AI

L'intelligenza artificiale promette un futuro immateriale, ma dietro ogni query si cela un'enorme infrastruttura fisica. I data center divorano energia, acqua e materie prime, mentre l'efficienza dei chip non frena il consumo complessivo. Questo articolo analizza le crepe logiche del tecno-ottimismo, dal paradosso di Jevons alla crisi idrica, fino ai rifiuti elettronici e alle tensioni geopolitiche per i minerali critici. LEGGI TUTTO L'ARTICOLO

🎧 Ascolta questo articolo

Bonus Video

L'illusione dell'immateriale e lo sguardo oltre la nebbia
Di fronte allo schermo di un computer o di uno smartphone, l'esperienza dell'utente moderno è caratterizzata da una sensazione di assoluta leggerezza. Si interroga un algoritmo di intelligenza artificiale e si ottiene una risposta complessa in pochi istanti. Questa apparente assenza di gravità fisica è, tuttavia, una delle più grandi e pericolose illusioni ottiche del nostro tempo. Dietro la "nuvola" digitale, o cloud, si nasconde la più grande infrastruttura fisica mai costruita dal genere umano: un immenso apparato estrattivo e industriale che consuma risorse naturali, energia e acqua a ritmi senza precedenti nella storia tecnologica. La metafora del cloud è diventata così pervasiva da oscurare il fatto che ogni bit di informazione transita attraverso chilometri di cavi sottomarini, viene elaborato in capannoni colmi di server e dipende da una catena di approvvigionamento globale fatta di miniere, fonderie e impianti chimici. Per comprendere la reale portata di questa infrastruttura, è sufficiente osservare che un singolo data center hyperscale può occupare una superficie equivalente a quella di decine di campi da calcio, richiedere una connessione elettrica paragonabile a quella di una città di medie dimensioni e dissipare calore attraverso sistemi di raffreddamento che attingono a falde acquifere locali. La smaterializzazione dell'esperienza digitale è, in ultima analisi, un costrutto psicologico che ci impedisce di vedere la montagna di materia che sorregge ogni nostra interazione online.

Un'attenta osservazione mostra come mappare il ciclo di vita di un singolo dispositivo richieda anni di ricerche sul campo, svelando un viaggio che inizia nelle miniere del Sud del mondo, passa attraverso impianti di fusione e navi portacontainer, e si conclude nei cumuli di rifiuti elettronici accumulati in nazioni come il Ghana o il Pakistan. L'intelligenza artificiale, lungi dall'essere immateriale, è profondamente ancorata alla materia, e le sue crepe logiche e strutturali meritano un esame chirurgico privo di edulcorazioni rassicuranti. Ogni processore grafico che accelera gli algoritmi di deep learning contiene decine di minerali critici, la cui estrazione comporta lo spostamento di tonnellate di roccia, l'uso di reagenti tossici e un'impronta idrica che solo di rado viene contabilizzata nei bilanci di sostenibilità delle aziende tecnologiche. La produzione di un singolo wafer di silicio richiede fino a 7.500 litri di acqua ultrapura e un consumo energetico che, in alcune fonderie, rappresenta oltre il sei per cento dell'elettricità nazionale. Inoltre, la vita operativa di questi componenti è sorprendentemente breve: l'obsolescenza indotta dalla ricerca di prestazioni sempre maggiori spinge a sostituire i server ogni due-cinque anni, alimentando una filiera di rifiuti elettronici che è cresciuta fino a superare le 60 milioni di tonnellate metriche annue a livello globale. Questo paradosso della modernità tecnologica merita di essere dissezionato con rigore, partendo dalla constatazione che l'AI non galleggia nell'etere, ma poggia su fondamenta di calcestruzzo, acciaio e silicio, con un peso ambientale che sta rapidamente diventando insostenibile.

Il motore immobile del calcolo: l'energia elettrica e le crepe della rete

Una delle più persistenti crepe logiche nel dibattito sulla sostenibilità digitale è la convinzione che l'ottimizzazione dei chip e dei modelli ridurrà automaticamente il consumo complessivo di risorse. Si tratta di un errore concettuale profondo, smentito dalla storia della tecnologia e dell'economia. Nel 1865, l'economista inglese William Stanley Jevons osservò che l'introduzione della macchina a vapore di James Watt, pur riducendo drasticamente la quantità di carbone necessaria per singolo ciclo di lavoro, aveva provocato un aumento verticale del consumo totale di carbone in tutta l'Inghilterra. Questo fenomeno, noto come Paradosso di Jevons, stabilisce che un aumento dell'efficienza nell'uso di una risorsa ne riduce il costo relativo, stimolando una domanda così elevata da annullare ogni risparmio e far impennare i consumi complessivi. La logica sottostante è inesorabile: quando un bene o un servizio diventa più economico ed efficiente, nuovi attori entrano nel mercato e nuove applicazioni vengono inventate, cosicché il volume totale di risorse impiegate cresce invece di contrarsi. Nel caso dell'intelligenza artificiale, questo meccanismo si manifesta con una chiarezza impressionante. Ogni volta che una nuova architettura di rete neurale promette di dimezzare il costo computazionale per l'inferenza, le imprese rispondono moltiplicando per cento il numero di chiamate API, integrando modelli linguistici in ogni software, elettrodomestico e processo aziendale.

Oggi, questa legge economica si applica perfettamente ai cicli di calcolo e alle unità di elaborazione grafica. Quando le aziende tecnologiche annunciano riduzioni straordinarie dell'energia necessaria per singola richiesta di calcolo — come il taglio dei consumi per singola interrogazione o lo sviluppo di modelli complessi a frazioni del costo storico — la domanda globale non si stabilizza, ma esplode. L'efficienza rende l'intelligenza artificiale un bene di consumo accessibile a chiunque, spingendo le aziende a integrarla in ogni processo: dalla videosorveglianza alla generazione di contenuti pubblicitari, fino alla gestione domestica. Un esempio lampante è l'adozione dei modelli linguistici di grandi dimensioni: mentre i costi di addestramento sono scesi di ordini di grandezza in pochi anni, il numero di utenti attivi è cresciuto a centinaia di milioni, e le infrastrutture necessarie per servirli hanno richiesto investimenti in nuovi data center da miliardi di dollari. Secondo i rapporti di settore, un singolo addestramento di un modello all'avanguardia può consumare tanta elettricità quanta ne consumano mille famiglie in un anno, ma il punto cruciale è che il consumo complessivo del settore è dominato dall'inferenza, ovvero dalle miliardi di richieste quotidiane che, sommate, surclassano di gran lunga il costo di addestramento.

I dati reali confermano questa tendenza macroeconomica. L'impronta carbonica complessiva di grandi aziende come Google è aumentata del 48% dal 2019 ad oggi, trainata quasi interamente dall'espansione dei server dedicati all'intelligenza artificiale, nonostante l'efficienza dei singoli algoritmi sia costantemente migliorata. L'adozione di massa trasforma il risparmio microscopico in un consumo macroscopico incontrollabile. Le proiezioni al 2030 indicano che i data center potrebbero assorbire fino al 12% della domanda elettrica statunitense, rispetto a circa il 2% di dieci anni prima, un incremento che equivale ad aggiungere l'intero fabbisogno di un paese industrializzato come l'Italia. La costruzione di nuovi impianti di generazione, inclusi quelli a gas naturale, viene giustificata proprio dalla necessità di alimentare questa espansione, rallentando di fatto la decarbonizzazione del settore energetico. Questo aumento esponenziale della domanda energetica si scontra direttamente con la fragilità delle reti elettriche regionali. L'impatto si manifesta con particolare gravità nei mercati in cui la presenza di centri di calcolo è densamente concentrata. Nella costa orientale degli Stati Uniti, l'enorme concentrazione di data center ha provocato un aumento improvviso delle tariffe elettriche domestiche, con rincari che pesano direttamente sui cittadini. Nella regione del Mid-Atlantic, nota come la capitale mondiale dei data center, l'impennata della domanda ha provocato un balzo dell'800% nei prezzi dell'asta di capacità energetica del 2024, con la conseguenza diretta di un rincaro delle bollette elettriche domestiche stimato tra il 20% e il 30% entro l'estate del 2026. In Europa, l'Irlanda rappresenta un caso emblematico di squilibrio strutturale, dove i centri di calcolo assorbono ormai il 22% dell'intera disponibilità della rete elettrica nazionale, minacciando la stabilità energetica dell'isola e costringendo le autorità a considerare l'uso di generatori d'emergenza alimentati a combustibili fossili ad alta emissione.

Ambito di Consumo	Proiezione Consumo Energetico	Orizzonte Temporale	Implicazioni e Contesto	Fonti
Data Center Globali (Scenario Base IEA)	945 TWh	2030	Equivalente all'intera domanda elettrica del Giappone	IEA World Energy Outlook 2024
Data Center Globali (Analisi Deloitte)	1.065 TWh	2030	Crescita trainata dalla diffusione capillare dell'AI	Deloitte, Digital Economy Report
Data Center Globali (Scenario Massimo)	1.050 TWh	2026	Se fossero una nazione, sarebbero il quinto consumatore mondiale	Research and Markets, 2026
Data Center negli Stati Uniti	Dal 6,7% al 12,0% della domanda totale	2028	Forte pressione sulle reti locali e aumento delle tariffe domestiche	Electric Power Research Institute
Nuova Capacità Richiesta (USA)	50 GW	2028	Pari a circa il doppio del picco di domanda di New York City	Goldman Sachs, 2024

Il nesso acqua-energia: la sete profonda dei supercomputer
Un'altra variabile critica e spesso trascurata dalle analisi superficiali è il nesso acqua-energia: l'interdipendenza strutturale tra le risorse idriche e la generazione di calore legata ai calcolatori. I server per l'intelligenza artificiale utilizzano microprocessori che consumano da due a quattro volte l'energia dei server tradizionali, generando temperature elevatissime che richiedono sistemi di raffreddamento costanti. Per evitare il blocco termico delle macchine, i data center ricorrono a sistemi di evaporazione che consumano milioni di litri d'acqua dolce ogni giorno. La connessione tra elettricità e acqua è biunivoca: non solo i server hanno bisogno di raffreddamento, ma la stessa generazione di elettricità richiede enormi volumi d'acqua per i circuiti di raffreddamento delle centrali termoelettriche e nucleari, per l'estrazione e la raffinazione dei combustibili, e per la produzione dei pannelli solari e delle turbine eoliche. Questa interdipendenza genera un effetto moltiplicatore per cui ogni kilowattora consumato da un data center si trascina dietro una propria impronta idrica, che varia a seconda del mix energetico locale. In regioni aride come il Sud-ovest degli Stati Uniti, dove l'elettricità proviene in parte da centrali a carbone o a gas con alti fattori di consumo idrico, l'impatto complessivo può essere doppio rispetto a un'area alimentata prevalentemente da eolico e fotovoltaico.

Nel corso del 2025, i data center dedicati all'intelligenza artificiale hanno consumato globalmente più acqua dell'intero mercato mondiale dell'acqua in bottiglia, stimato in circa 446 miliardi di litri all'anno. Gran parte di questa risorsa proviene da fonti superficiali o sotterranee locali, note come fonti blu, spesso in territori già colpiti da gravi crisi idriche. Oltre al consumo diretto per il raffreddamento nei data center, esiste un enorme consumo indiretto: la produzione dell'elettricità necessaria ad alimentare i server richiede immense quantità d'acqua nei cicli a vapore delle centrali termoelettriche, specialmente quando queste sono alimentate a combustibili fossili. Nel 2023, questo consumo idrico indiretto ha superato gli 800 miliardi di litri di acqua nei soli Stati Uniti. Per dare un'idea della scala, è come se ogni abitante degli Stati Uniti avesse consumato, solo per l'energia destinata ai data center, oltre 2.300 litri d'acqua in un anno, senza nemmeno rendersene conto. Il dato diventa ancora più allarmante se si considera che molti data center sorgono in bacini idrici già sotto stress: le contee della Virginia, ad esempio, ospitano la più alta concentrazione di data center del mondo e al contempo registrano livelli di siccità sempre più frequenti, con conflitti tra la richiesta industriale e quella agricola e residenziale.

La vulnerabilità di questo modello si manifesta chiaramente nei punti di snodo della produzione. A Taiwan, dove si concentra la fabbricazione dei chip più avanzati del pianeta, la siccità del 2021 ha costretto il governo a interrompere l'irrigazione dei campi di riso per deviare l'acqua verso le fonderie di semiconduttori, evidenziando un conflitto etico ed ecologico tra la sussistenza alimentare e la produzione di microchip per l'alta tecnologia. Durante questa emergenza, l'azienda produttrice TSMC ha dovuto stanziare ingenti risorse finanziarie per far trasportare l'acqua tramite camion cisterna, mettendo a nudo l'estrema fragilità idrica di una filiera da cui dipende l'intera economia digitale globale. Nel 2023, TSMC ha consumato circa 150.000 tonnellate di acqua al giorno, una quantità sufficiente a soddisfare le necessità idriche di una città di medie dimensioni, e la maggior parte di quest'acqua proviene da fonti che, in periodi di precipitazioni scarse, entrano in competizione con l'uso potabile e agricolo. Per far fronte a queste vulnerabilità, l'industria sta investendo in impianti di riciclo idrico avanzati. A Taiwan, il sistema di diversificazione delle acque reflue contenenti azoto ammoniacale separa i flussi a seconda della concentrazione del contaminante, riducendo la conducibilità dell'acqua scaricata del 40% e abbattendo l'uso di reagenti chimici del 30%. Tuttavia, l'espansione complessiva del settore continua a superare i benefici di queste innovazioni locali, mantenendo alta la pressione sulle riserve idriche regionali.

Infrastruttura o Processo Produttivo	Consumo d'Acqua Registrato o Stimato	Tipologia e Contesto Ambientale	Impatto Territoriale	Fonti
Data Center Globali	560 miliardi di litri (Proiezione: 1.200 miliardi al 2030)	Prelievo diretto e indiretto da bacini idrici	Rischio di razionamento per uso domestico e agricolo	Food & Water Watch, 2025
Data Center Hyperscale Singolo	Fino a 19 milioni di litri al giorno	Raffreddamento evaporativo dei sistemi di calcolo	Consumo paragonabile a quello di una città di 50.000 abitanti	Lincoln Institute of Land Policy
TSMC (Fabbrica di Semiconduttori)	150.000 tonnellate al giorno	Pulizia dei wafer di silicio e raffreddamento macchine	Consuma il 6,4% dell'energia di Taiwan in aree a stress idrico	Taiwan Insight, 2024
Intel (Siti di Produzione Globali)	161.000 tonnellate al giorno	Utilizzo di acqua ultra-pura per circuiti integrati	Equivalente a decine di migliaia di piscine olimpioniche	Intel CSR Report, 2024

La geopolitica della materia e lo spettro dei rifiuti tecnologici
Dietro i calcoli sofisticati eseguiti nei data center occidentali si sviluppa una catena estrattiva complessa e geograficamente concentrata. Gli elementi fondamentali per la costruzione dei microchip, dei sistemi di memoria e dei magneti includono decine di minerali critici come il cobalto, il litio, il gallio, il germanio e una vasta gamma di terre rare. L'estrazione e la lavorazione di queste materie prime avvengono prevalentemente in aree geografiche caratterizzate da forti tensioni geopolitiche o debolezza strutturale delle tutele socio-ambientali, come la Repubblica Democratica del Congo o l'Argentina. Questa dinamica genera un forte squilibrio: i territori del Sud globale sopportano i costi ecologici e umani dell'estrattivismo primario, mentre il valore aggiunto economico e l'accesso ai servizi digitali rimangono concentrati nelle economie avanzate. Il cobalto, ad esempio, è essenziale per le batterie e i magneti dei dischi rigidi, e oltre il 70% della produzione mondiale proviene dalla Repubblica Democratica del Congo, dove le miniere artigianali sono spesso teatro di lavoro minorile e di impatti ambientali devastanti. Il litio, indispensabile per le batterie di backup dei data center, viene estratto nel triangolo del litio tra Argentina, Bolivia e Cile, con un consumo di acqua dolce che in alcune regioni ha compromesso la disponibilità idrica per le comunità indigene e gli ecosistemi di lagune salmastre. Le terre rare, usate nei magneti permanenti dei motori elettrici e nei componenti ottici, sono lavorate quasi esclusivamente in Cina, che detiene un quasi monopolio sulla raffinazione, creando una dipendenza strategica che si intreccia con le tensioni commerciali e le politiche di restrizione all'esportazione.

A questo squilibrio originario si somma il problema del fine vita delle infrastrutture computazionali. I server e i processori grafici utilizzati per l'addestramento e il funzionamento dell'intelligenza artificiale hanno una vita utile commerciale eccezionalmente breve, stimata tra i due e i cinque anni. L'introduzione costante di hardware più efficiente e potente rende commercialmente obsolete le generazioni precedenti molto prima che smettano di funzionare fisicamente. Questa obsolescenza accelerata alimenta un flusso continuo di rifiuti elettronici difficili da trattare. Le restrizioni commerciali e le sanzioni internazionali sui chip avanzati peggiorano ulteriormente il quadro: i paesi che non possono importare le tecnologie più recenti sono costretti a impiegare processori di vecchia generazione, che producono fino al 14% di rifiuti elettronici in più per singola unità di calcolo generata rispetto ai sistemi all'avanguardia. Il paradosso è che l'innovazione tecnologica, nel tentativo di ridurre l'impronta unitaria, accelera la dismissione di hardware ancora funzionante, moltiplicando i rifiuti. Secondo le stime più recenti, i soli rifiuti generati dall'AI generativa potrebbero accumulare 5 milioni di tonnellate metriche entro il 2030, una quantità che si aggiunge alle circa 75 milioni di tonnellate di rifiuti elettronici globali attesi per il 2026, di cui solo una frazione minoritaria viene riciclata attraverso canali formali.

La costruzione fisica di questi stabilimenti industriali comporta inoltre un impatto distruttivo diretto sugli ecosistemi locali e sulla biodiversità. Nel gennaio del 2026, l'approvazione di permessi per un nuovo complesso di data center nella Saline Township, nel Michigan, ha comportato la distruzione di oltre nove acri di zone umide e terreni agricoli vicino ad Ann Arbor. Nello stesso periodo, in Florida, i piani per una struttura da due milioni di piedi quadrati a Indiantown hanno previsto la cementificazione di oltre duecento acri di aree palustri, evidenziando come l'espansione fisica dell'infrastruttura digitale consumi non solo risorse invisibili, ma anche spazio biologico vitale. Quando l'hardware viene dismesso, gran parte dei materiali rari e dei metalli preziosi contenuti al suo interno va perduta a causa dell'assenza di un'economia circolare realmente efficiente e dei limiti strutturali intrinseci dei processi di riciclo termico o chimico. I componenti finiscono spesso in discariche abusive o vengono trattati in modo rudimentale nel settore informale di paesi in via di sviluppo. Le analisi condotte sui siti di riciclaggio informale, come l'area industriale di Mandoli nei pressi di Delhi, rivelano che la combustione all'aperto e l'estrazione acida dei metalli rilasciano sostanze tossiche persistenti e metalli pesanti nel suolo, portando alla contaminazione delle falde acquifere locali con valori ampiamente superiori ai limiti di sicurezza stabiliti dall'Organizzazione Mondiale della Sanità per l'acqua potabile.

Indicatore di Impatto Materiale	Valore della Risorsa o del Rifiuto	Contesto di Riferimento	Conseguenze Ambientali e Sanitarie	Fonti
Rifiuti da AI Generativa	5 milioni di tonnellate metriche accumulate al 2030	Rifiuti hardware generati esclusivamente da sistemi AI	Discariche sature e dispersione di metalli pesanti	ORF Online, 2025
Rifiuti Elettronici Globali	~75 milioni di tonnellate metriche proiettate al 2026	Consumo e dismissione di dispositivi elettronici	Solo il 20% viene riciclato attraverso canali formali	Electronic Waste Market Report 2026
Saturazione Canali Formali (India)	175.000 tonnellate metriche (FY 2023-24)	Rifiuti accumulati in aree in rapido sviluppo digitale	Mancanza di impianti in 17 stati; scivolamento nel settore informale	Back Thru The Future, 2025

Le faglie strutturali della transizione digitale
Mentre le grandi aziende tecnologiche promuovono l'uso di energie rinnovabili e si impegnano pubblicamente a raggiungere la neutralità carbonica o l'obiettivo di restituire più acqua di quella consumata entro il 2030, la velocità di installazione di nuovi server supera costantemente la capacità di installazione di impianti solari o eolici. Per soddisfare la domanda continua e ininterrotta dei data center — che necessitano di energia costante giorno e notte, indipendentemente dalle condizioni meteorologiche — molti operatori energetici sono costretti a prolungare la vita operativa di centrali a carbone e a gas che avrebbero dovuto essere dismesse, allontanando il raggiungimento degli obiettivi climatici globali. Questa dinamica rende evidente l'incoerenza tra le narrative aziendali e la realtà fisica: l'acquisto di certificati di energia rinnovabile non equivale alla reale alimentazione dei data center con elettricità pulita, se la rete locale continua a bruciare combustibili fossili per far fronte ai picchi di carico. Inoltre, la costruzione di nuovi impianti rinnovabili richiede a sua volta minerali e terre rare, creando un ciclo di dipendenza che non risolve il problema a monte.

Alcuni studi scientifici propongono soluzioni innovative per invertire questa tendenza, suggerendo l'utilizzo del calore di scarto dei data center per alimentare sistemi di cattura del carbonio e purificazione termica dell'acqua. Secondo queste analisi, l'implementazione del modello denominato EUE+ permetterebbe a un singolo kilowattora di energia computazionale di rimuovere contemporaneamente mezzo chilogrammo di anidride carbonica e generare mezzo chilogrammo di acqua pulita. Tuttavia, l'integrazione di queste tecnologie di raffreddamento avanzate richiede costosi interventi di adeguamento infrastrutturale che le attuali dinamiche di mercato, focalizzate sulla crescita rapida e sulla massimizzazione dei profitti a breve termine, tendono sistematicamente a trascurare. Finché il costo dell'energia e dell'acqua non rifletterà il loro vero valore ecologico, le imprese non avranno incentivi sufficienti per investire in cicli chiusi e recupero termico. Parallelamente, l'adozione di standard di rendicontazione obbligatori sull'impronta idrica e materiale, come quelli proposti dalla Taskforce on Nature-related Financial Disclosures, potrebbe spingere gli investitori a prezzare il rischio ambientale, orientando i capitali verso operatori più sostenibili.

Senza un intervento normativo globale e vincolante che imponga la trasparenza sull'impatto ambientale dell'intera catena di fornitura, l'espansione dell'intelligenza artificiale rischia di accelerare il superamento dei limiti fisici del pianeta. L'illusione dell'etere digitale si scontra così con la realtà di una Terra dalle risorse finite, in cui la velocità di calcolo delle macchine non può prescindere dalla rigida e immutabile matematica della natura. La strada verso un'AI sostenibile non passa attraverso un generico richiamo all'innovazione, ma attraverso un ripensamento radicale del modello di business che misuri il successo non solo in teraflop, ma anche in litri d'acqua risparmiati, tonnellate di CO2 evitate e chilogrammi di rifiuti non prodotti.

La promessa di un'intelligenza artificiale immateriale si infrange contro la materialità di data center, miniere e falde acquifere. Solo riconoscendo il paradosso di Jevons, la sete idrica dei supercomputer e le crepe geopolitiche dell'estrattivismo si potrà costruire un digitale davvero sostenibile, che non rincorra l'efficienza fine a sé stessa ma impari a rispettare i cicli biogeochimici del pianeta.  

[🔍CLICCA PER INGRANDIRE ]

Paludi di Doñana con ricostruzione artistica di Atlantide

Il mito di Atlantide affonda le sue radici nei dialoghi di Platone, ma la geologia moderna indica nelle paludi di Doñana, in Andalusia, i resti di una civiltà scomparsa. Tsunami preistorici e faglie attive potrebbero aver inghiottito l'antica Tartesso, trasformando un'allegoria filosofica in una concreta realtà archeologica. LEGGI TUTTO L'ARTICOLO

🎧 Ascolta questo articolo

Bonus Video

Platone, Tartesso e le Colonne d'Ercole
La leggenda di Atlantide, l'isola-impero sommersa descritta da Platone nei dialoghi Timeo e Crizia nel IV secolo avanti Cristo, è stata per secoli considerata un'allegoria filosofica sulla caduta di una società corrotta di fronte all'Atene ideale. Tuttavia, la ricerca contemporanea ha cercato di rintracciare un substrato di eventi geologici reali dietro al racconto platonico dell'isola sprofondata «in un solo giorno e in una notte tremenda». Una delle teorie scientifiche più solide localizza le vestigia di questa civiltà perduta nelle paludi salmastre del Parco Nazionale di Doñana, in Andalusia, nella Spagna meridionale, sovrapponendole alla misteriosa scomparsa dell'antico regno di Tartesso. Quest'ultimo fu una civiltà fiorente nell'Età del Bronzo e del Ferro, nota ai Greci per la sua ricchezza in argento, rame e stagno, e per i suoi contatti commerciali con Fenici e Greci. Tartesso scomparve improvvisamente dalle fonti storiche intorno al VI secolo avanti Cristo, un fatto che da sempre ha alimentato l'idea di un cataclisma. L'ipotesi di Doñana si basa sulla coincidenza geografica con le indicazioni di Platone, che collocava Atlantide «al di là delle Colonne d'Ercole», ovvero oltre lo stretto di Gibilterra, proprio dove sorgeva Tartesso. La regione di Doñana, alla foce del Guadalquivir, è una zona paludosa e inospitale che ha restituito tracce di insediamenti antichi, ma la maggior parte delle evidenze archeologiche è sepolta sotto metri di fango alluvionale e sedimenti marini. I carotaggi hanno rivelato che l'area fu colpita da almeno due grandi tsunami negli ultimi quattromila anni, che potrebbero aver distrutto qualsiasi centro costiero, dando origine al mito della città inabissata. La corrispondenza tra la descrizione platonica di una pianura rettangolare circondata da canali e la morfologia dell'antica foce del Guadalquivir ha spinto diversi team di ricerca a utilizzare georadar e telerilevamento per individuare strutture sepolte. La scoperta, nel 2011, di una serie di strutture concentriche sotto le paludi ha fatto sperare in una conferma, ma le successive analisi hanno suggerito che si tratta di formazioni geologiche naturali. Nonostante questo, l'area di Doñana rimane uno dei candidati più seri per localizzare il nucleo storico della leggenda, anche perché i Fenici e i Greci avevano una conoscenza diretta della regione e dei suoi pericoli geologici.

La scala JoJa e i punteggi delle diverse ipotesi
Per valutare la scientificità di queste teorie, i ricercatori Joseph Carlson e Jamal Shoulders hanno elaborato la "scala JoJa", un sistema di valutazione da 0 a 10 per misurare la corrispondenza geofisica di un sito con la descrizione classica. Doñana presenta caratteristiche uniche: carotaggi geologici mostrano che la zona era un ampio golfo marino fino all'Età del Bronzo, poi trasformato in laguna da imponenti tsunami storici datati intorno al 1500 avanti Cristo e al 200 dopo Cristo, che hanno letteralmente sepolto sotto metri di fango e sabbia le strutture costiere tartessiche. Questa teoria mostra crepe logiche e strutturali meno evidenti rispetto ad altre celebri candidature storiche. Se confrontata con l'eruzione dell'isola di Santorini (Thera), avvenuta nel 1600 avanti Cristo, quest'ultima spiega brillantemente il crollo della civiltà minoica e presenta rocce di tre colori (bianco, nero e rosso) identiche a quelle descritte da Platone, ma si colloca all'interno del Mediterraneo, violando l'indicazione geografica delle Colonne d'Ercole. Altre teorie popolari, come l'identificazione di Atlantide con la Struttura di Richat nel deserto della Mauritania, si scontrano con insormontabili ostacoli scientifici: la celebre conformazione a cerchi concentrici si trova oggi a 400 metri sul livello del mare, escludendo che sia stata sommersa in epoca storica. Allo stesso modo, le presunte mura sommerse identificate dall'architetto Robert Sarmast nel bacino di Cipro a 1500 metri di profondità si sono rivelate, a seguito di analisi geofisiche condotte dall'Università di Amburgo, semplici pieghe tettoniche naturali causate dalla deformazione del sale nel sottosuolo marino. La scala JoJa ha il merito di fornire un criterio oggettivo per confrontare ipotesi diverse, tenendo conto di parametri come la datazione, la concordanza testuale, le evidenze geologiche e la presenza di reperti archeologici. Doñana ottiene punteggi elevati soprattutto per la localizzazione e per i dati paleo-tsunami, ma perde punti per l'assenza di rovine monumentali, che potrebbero però essere state spazzate via o essere ancora sepolte. Il dibattito rimane aperto e mostra come il mito di Atlantide continui a essere un potente catalizzatore per la ricerca interdisciplinare, spingendo geologi, archeologi e filologi a collaborare per risolvere uno dei più antichi enigmi dell'umanità.

Geologia del disastro: tsunami e faglie attive nell'area di Doñana
La regione di Doñana si trova in una zona tettonicamente attiva, al confine tra la placca euroasiatica e quella africana, lungo la faglia Azzorre-Gibilterra. Questa faglia è stata responsabile di numerosi terremoti storici devastanti, come il terremoto di Lisbona del 1755, che generò uno tsunami con onde alte fino a 15 metri che si abbatterono sulla costa atlantica della Spagna e del Portogallo, distruggendo interi villaggi e modificando la linea di costa. Le prospezioni geologiche nel sottosuolo di Doñana hanno identificato strati di sabbia e conchiglie marine depositati in modo anomalo nell'entroterra, chiara firma di antichi tsunami che penetrarono per chilometri nella pianura costiera. Questi eventi catastrofici, datati con il radiocarbonio, coincidono con periodi di abbandono degli insediamenti umani e con la scomparsa di Tartesso dalle cronache storiche. La geologia conferma quindi che la regione ha subito eventi in grado di cancellare una civiltà in poche ore, proprio come narrato da Platone. Gli studi più recenti ipotizzano che la scomparsa di Tartesso non sia dovuta a un singolo tsunami, ma a una combinazione di fattori: un terremoto di elevata magnitudo, un maremoto successivo e la subsidenza del terreno causata dalla compattazione dei sedimenti alluvionali, che fece sprofondare la città al di sotto del livello del mare, trasformando la baia in una palude inospitale. La successiva colmata alluvionale del Guadalquivir seppellì definitivamente ogni vestigia, rendendo estremamente difficili gli scavi. L'analogia con il destino di altre città costiere come Helike in Grecia, distrutta da un terremoto e inabissata nel 373 avanti Cristo, suggerisce che i Greci conoscessero bene il rischio di cataclismi geologici e che Platone possa aver utilizzato una memoria storica di questi eventi per costruire la sua parabola morale. Atlantide, in questa prospettiva, non sarebbe un'invenzione pura, ma il ricordo trasfigurato di una o più catastrofi reali, abbellito e amplificato nei secoli fino a diventare un simbolo universale di grandezza e rovina.

Tabella comparativa delle ipotesi su Atlantide

Candidato ad Atlantide	Punteggio Scala JoJa (0-10)	Evidenze Geofisiche di Supporto	Principale Crepa Logica / Limite Scientifico
Paludi di Doñana (Spagna)	Alto (7/10)	Tracce sedimentarie di tsunamis catastrofici (1500 avanti Cristo)	Mancanza di imponenti rovine monumentali in pietra
Isola di Santorini (Grecia)	Medio-Alto (6/10)	Eruzione vulcanica documentata; crollo della civiltà minoica	Collocazione geografica errata (Mar Egeo, non Atlantico)
Struttura di Richat (Mauritania)	Basso (2/10)	Geometria a cerchi concentrici visibile dallo spazio	Altitudine elevata (400 m s.l.m.); origine interamente subaerea
Bacino di Cipro (Mediterraneo)	Basso (3/10)	Anomalie sonar interpretate come strutture artificiali	Formazioni naturali causate da tettonica salina compressiva

La ricerca di Atlantide è lo specchio del nostro rapporto con il passato: vogliamo credere che i miti nascondano verità dimenticate, che la terra conservi sotto i nostri piedi le tracce di civiltà perdute. Doñana ci ricorda che la scienza, con la sua lentezza e i suoi dubbi, è l'unica bussola per navigare tra leggenda e realtà.