Riesci a immaginare se fosse possibile rilevare un disastro naturale prima che si verificasse utilizzando le immagini pubblicate sui social media? È con questo in mente che un team di ricerca internazionale ha progettato un sistema di deep learning composto da strumenti di visione artificiale che, una volta addestrati utilizzando 1,7 milioni di fotografie, si sono dimostrati in grado di analizzare, filtrare e rilevare disastri reali.
Per saperne di più
- L’intelligenza artificiale è la « quarta rivoluzione industriale in corso », secondo un esperto
- Oracle aggiunge l’IA generativa al suo software per le risorse umane
- Come le api possono ispirare il futuro dell’IA
L’articolo contenente la novità è stato pubblicato sulla rivista IEEE Transactions on Pattern Analysis and Machine Intelligence. Uno dei ricercatori del progetto, guidato dal Massachusetts Institute of Technology (MIT), è Àgata Lapedriza. Secondo lei, « i post sui social media possono essere utilizzati come fonte di dati a bassa latenza per comprendere la progressione e le conseguenze di un disastro ».
Come funziona questo sistema?
- I ricercatori hanno creato un elenco di 43 categorie di incidenti, tra cui disastri naturali come valanghe, tempeste di sabbia, terremoti, eruzioni vulcaniche, siccità, ecc. Sono state incluse anche situazioni che comportano qualche elemento di intervento umano, come ad esempio incidenti aerei.
- Quell’elenco, insieme a 49 categorie di luoghi, ha permesso ai ricercatori di etichettare le immagini utilizzate per addestrare il sistema.
- Gli autori hanno quindi creato un database con 1.787.154 immagini utilizzate per addestrare il modello di rilevamento degli incidenti. Di questi, 977.088 avevano almeno un’etichetta positiva che li collegava a una delle classificazioni degli incidenti, mentre 810.066 avevano etichette di classe negative.
- Per quanto riguarda le categorie dei luoghi, 764.124 immagini avevano etichette di classe positive e 1.023.030 erano di classe negative.
- Queste etichette negative significavano che il sistema poteva essere addestrato per eliminare i falsi positivi, cioè una fotografia di un caminetto non significa che la casa è in fiamme, anche se presenta alcune somiglianze visive.
- Quando il modello di deep learning è stato addestrato per rilevare incidenti nelle immagini, il team ha eseguito una serie di esperimenti per testarlo, questa volta utilizzando un enorme volume di immagini scaricate dai social media, inclusi Flickr e Twitter. « Il nostro modello è stato in grado di utilizzare queste immagini per rilevare gli incidenti e abbiamo verificato che corrispondessero a incidenti specifici registrati come i terremoti del 2015 in Nepal e in Cile », ha affermato Lapedriza.
- La sfida successiva consiste nell’utilizzare le stesse immagini di inondazioni, incendi o altri incidenti per determinare automaticamente la gravità degli incidenti o addirittura monitorarli in modo più efficace nel tempo.
Con informazioni da TechXplore.
Hai guardato i nuovi video su YouTube di Olhar Digital? Iscriviti al canale!
Il post AI può prevedere i disastri naturali dalle foto apparse per la prima volta su Olhar Digital.