L’intelligenza artificiale per l’osservazione della Terra: una nuova era nella risposta al clima
Le architetture di apprendimento automatico convenzionali non sono adatte ad affrontare i problemi di osservazione della Terra. Il progetto DeepCube, finanziato dall’UE, sta introducendo soluzioni innovative per superare questo ostacolo. Sfruttando le tecnologie avanzate dell’intelligenza artificiale e del web semantico, DeepCube attinge a vaste quantità di dati aperti prodotti quotidianamente dai satelliti Sentinel del programma Copernicus di osservazione terrestre, con l’obiettivo di affrontare le sfide ambientali e sociali di grande rilevanza correlate all’emergenza climatica. «Ci concentriamo non solo sulle applicazioni standard di classificazione della visione computerizzata, ma anche sulla stima quantitativa di variabili legate a processi geofisici e biologici», osserva Ioannis Papoutsis, il coordinatore del progetto.
Un aiuto dalle tecnologie di IA avanzate
La ricerca di DeepCube pone l’accento su alcuni impellenti problemi di osservazione della Terra legati all’interazione tra biosfera, atmosfera e antroposfera. Tra questi: la previsione degli impatti della siccità e del caldo e la comprensione delle migrazioni indotte dal clima in Africa, la previsione del pericolo di incendi nelle regioni mediterranee, il monitoraggio delle infrastrutture legato all’instabilità del terreno e la valutazione dell’impatto ambientale del turismo. Per risolvere tali problemi complessi, DeepCube utilizza una combinazione di apprendimento profondo e modellazione fisica, dando vita a un approccio ibrido unico nel suo genere che supera i confini dell’IA convenzionale. «L’apporto di competenze di settore e di leggi fisiche, con la simultanea riduzione delle incertezze, aiuta a comprendere le dinamiche degli ecosistemi dopo eventi come la siccità», spiega Papoutsis. DeepCube utilizza anche l’IA spiegabile e l’IA causale nei processi di apprendimento profondo: si tratta di una sequenza di passaggi utili a elaborare i dati, progettare architetture di reti neurali profonde, addestrare i modelli e generare previsioni. «L’IA spiegabile apre la “scatola nera” dell’apprendimento profondo, aiutando a capire la causa di determinate previsioni. Applicando questa tecnica alla previsione del pericolo di incendi, ad esempio, possiamo identificare i fattori principali che influenzano le previsioni del modello», afferma Papoutsis. L’intelligenza artificiale causale, un altro componente chiave utilizzato dai ricercatori, aiuta a comprendere le connessioni causa-effetto nei modelli. Tale funzione è fondamentale per affrontare questioni come lo sfollamento forzato della popolazione indotto dal clima, dove è necessario identificare e quantificare le relazioni tra conflitto, siccità e migrazione.
Tecnologie all’avanguardia alla base delle pipeline di intelligenza artificiale
Le applicazioni di DeepCube sfruttano tecnologie che permettono di creare pipeline di IA, tra cui Earth System Data Cube (ESDC), un set di dati unificato di variabili fondamentali del sistema Terra, e Semantic Data Cube, che arricchisce semanticamente l’ESDC. DeepCube espande inoltre Hopsworks, una piattaforma di IA open-source che supporta l’apprendimento profondo distribuito. Il progetto offre anche strumenti di visualizzazione come Sextant, per interagire con dati geospaziali collegati, e una piattaforma web per estrarre concetti visuali dai flussi dei social media. In definitiva, la piattaforma DeepCube fornisce un ambiente integrato per gli specialisti di osservazione terrestre e di IA, al fine di creare catene di valore da dati grezzi ricavati dall’osservazione della Terra e altri canali. Questa piattaforma adattabile può trovare applicazione in vari ambienti di cloud computing, e al suo interno tutte le tecnologie citate condividono le risorse e definiscono i flussi di dati in una soluzione unificata.
Promuovere la scienza attraverso la ricerca ad accesso aperto e i partenariati globali
DeepCube ha apportato un grande contributo alla comunità scientifica, pubblicando ricerche d’impatto e offrendo ad accesso libero i propri modelli di apprendimento profondo, i codici, i set di dati e le ontologie. In particolare, i ricercatori hanno pubblicato «Hephaestus», uno speciale set di dati annotati manualmente ricavati dagli interferogrammi di Sentinel-1, utili per lo sviluppo di servizi di allerta precoce delle attività vulcaniche. Nell’ambito delle ricerche sulla previsione del pericolo di incendi, i ricercatori hanno pubblicato «mesogeos», un cubo di dati giornalieri per sviluppare modelli di previsione con un giorno di anticipo nell’area del Mediterraneo. DeepCube ha coinvolto anche i beneficiari diretti nella progettazione e nella valutazione dei propri servizi, per massimizzarne gli effetti. Il lavoro sulle migrazioni causate dal clima è stato sviluppato in collaborazione con l’Osservatorio per gli sfollati interni (Internal Displacement Monitoring Centre) e ha destato l’interesse di ONG e organizzazioni internazionali come l’UNICEF, il Programma alimentare mondiale e il Programma di sviluppo delle Nazioni Unite. Il servizio di previsione del pericolo di incendio, sviluppato in collaborazione con i Vigili del Fuoco greci, ha catturato anche l’attenzione dell’iniziativa «AI for Good» dell’Unione internazionale delle telecomunicazioni.
Parole chiave
DeepCube, osservazione della Terra, apprendimento profondo, IA spiegabile, Copernicus, IA causale, intelligenza artificiale
