L’apprendimento automatico svela i segreti nascosti in un intero catalogo della Terra
Il programma di osservazione della Terra Copernicus dell’UE raccoglie dati complessi in modo continuo e automatizzato sulla salute del pianeta da un’ampia gamma di fonti, tra cui immagini satellitari e sensori terrestri e aerei. Sebbene i dati siano incredibilmente preziosi per qualsiasi aspetto, dalla risposta ai disastri alla pianificazione ambientale, il loro volume comporta un eccesso di informazioni da esaminare per qualsiasi persona singola.
Apprendimento automatico
L’intelligenza artificiale (IA) può automatizzare alcune analisi, vagliando petabyte di dati per mettere in luce le informazioni rilevanti e importanti. Il progetto PerceptiveSentinel, finanziato dall’UE, ha elaborato un servizio intermedio di osservazione della Terra per svelare il valore dei dati di Copernicus per gli utenti a valle. «L’apprendimento automatico è un campo consolidato, ma questi strumenti non sono messi a punto per la complessità dei dati derivanti dall’osservazione della Terra», afferma il coordinatore del progetto, Grega Milcinski. «Le tecnologie di visione artificiale sono ottimizzate per l’identificazione dei volti umani e dei gatti sui social media, non per i dati multispettrali e multitemporali provenienti dai satelliti». Integrando i flussi di lavoro dell’elaborazione dei dati e strumenti ben noti come TensorFlow di Google e LightGBM di Microsoft, il responsabile scientifico Anze Zupanc e i suoi colleghi hanno ideato eo-learn, un software open-source che combina l’apprendimento automatico con l’osservazione della Terra progettato per le dimensioni e la complessità dei dati di Copernicus.
Settore commerciale
Ancor prima della fine del progetto, la società olandese di navigazione satellitare TomTom ha adottato parte del lavoro e lo ha utilizzato nella propria ricerca interna. Milcinski afferma che, utilizzando questo software, essi «hanno elaborato da soli un paio di miliardi di chilometri quadrati di dati satellitari per creare un prodotto globale per i loro utenti». In realtà, PerceptiveSentinel sta già generando profitti che derivano dall’uso del software eo-learn, con entrate che dovrebbero superare 1 milione di euro nell’esercizio che si concluderà nel 2021. I clienti principali sono gli scienziati dei dati, sia nel settore della ricerca che in quello commerciale. Il progetto ha registrato oltre 26 000 download e più di 182 sviluppatori hanno creato il loro ramo personalizzato di eo-learn. «Ovviamente non conosciamo tutti gli utenti, in quanto il software è disponibile in modalità open-source, quindi chiunque può prenderlo e utilizzarlo come vuole, senza informarci», spiega Milcinski. «Ci sono anche molti utenti che non possiamo nominare per motivi di riservatezza».
Stretta collaborazione
PerceptiveSentinel è stato sostenuto dal programma Orizzonte 2020 e coordinato dal laboratorio per sistemi di informazione geografica Sinergise in Slovenia. «I finanziamenti ci hanno aiutato a mettere le migliori risorse disponibili nel progetto e a proseguire», aggiunge Milcinski. «Anche i partner sono stati fondamentali, perché hanno fornito contributi che vanno al di là delle nostre competenze. Questo tipo di collaborazione stretta probabilmente non sarebbe stata possibile senza il progetto». Milcinski sostiene che il finanziamento pubblico ha anche motivato il gruppo a rilasciare il software come open-source, una scelta di grande successo che ha dato il via a una comunità intorno al software eo-learn, che continua a crescere e di cui molti componenti diventano clienti paganti. Il lavoro su eo-learn continua, da parte sia del gruppo di PerceptiveSentinel, sia di migliaia di utenti terzi che contribuiscono al progetto open-source. «Siamo fiduciosi del fatto che i risultati continueranno a vedersi per molti anni», conclude Milcinski.
Parole chiave
PerceptiveSentinel, Perceptive, Sentinel, Copernicus, terra, osservazione, apprendimento automatico, eo-learn, satellite