L’intelligenza artificiale utilizza i tweet per aiutare i ricercatori ad analizzare le situazioni di inondazione

I famosi siti di social network di oggi come Facebook, Twitter o Instagram si trovano ad affrontare sempre più critiche per la negatività che apportano alla società, tra cui frodi, false dichiarazioni, impersonificazione e persino attacchi fisici e furto dei dati degli utenti. Tuttavia, sarebbe ingiusto negare tutti i meriti di queste piattaforme di social media solo per questo. Recentemente, Twitter, il secondo social network più grande del mondo, ha contribuito notevolmente al successo di un progetto di ricerca che ha un grande impatto sulle nostre vite. Più specificamente, recentemente sono apparse informazioni su un progetto di ricerca scientifica pubblicato su Arxiv.org con il titolo: "Integrating Social Media into a Pan-European Flood Awareness System: A Multilingual Approach" (tradotto approssimativamente): Integrating social media into European alluvioni allerta sistemi: un approccio multilingue), utilizzando un approccio chiamato Social Media for Flood Risk (SMFR), riconosce di aver ricevuto molta attenzione da parte di esperti meteorologici e di persone in tutto il mondo.

• Si prega di ascoltare musica rock composta dall'intelligenza artificiale (AI).

Di conseguenza, gli scienziati del Centro comune di ricerca, un centro di ricerca scientifica e della conoscenza della Commissione europea, hanno descritto in dettaglio come le informazioni pubblicate in tempo reale dagli utenti sulle piattaforme dei social media (in particolare Twitter) possano aiutare efficacemente l'allarme inondazioni in Europa. sistema (EFAS).

In realtà, questo lavoro è stato costruito principalmente ispirandosi ad altri tre progetti di ricerca condotti con successo in precedenza. La prima è una ricerca pubblicata dall’Università di Harvard e Google nell’agosto 2018, che descrive in dettaglio un modello di intelligenza artificiale in grado di prevedere la posizione delle scosse di assestamento fino a un anno dopo un terremoto. Il secondo è un altro studio condotto dai ricercatori di Facebook AI a dicembre, che ha sviluppato con successo un metodo per analizzare le immagini satellitari in modo più efficace attraverso modelli intellettuali creati dall'uomo, che possono aiutare a quantificare i danni derivanti da incendi boschivi su larga scala e da altri disastri naturali. con precisione. Inoltre, gli scienziati di Google hanno recentemente pubblicato un rapporto retrospettivo su un sistema di apprendimento automatico in grado di prevedere con precisione le situazioni di inondazione sui fiumi con una precisione fino al 100% o fino al 75%.

• Il sistema AI di Amazon aiuta a ridurre del 15% gli errori di riconoscimento vocale su Alexa.

In un altro studio correlato, esperti informatici nel Regno Unito hanno utilizzato algoritmi di apprendimento automatico, che utilizzavano i tweet per trovare luoghi in cui potrebbe verificarsi violenza durante le rivolte, consentendo loro di prevedere in modo relativamente accurato quando potrebbero verificarsi grandi proteste, nonché di identificare gli agitatori dietro le proteste.

"Negli ultimi dieci anni, i social media sono emersi come un'importante fonte di informazioni sui disastri, e questo ha attratto ricercatori da molti campi. Diversi settori sono più interessati a come trarre vantaggio da questa utile fonte di informazioni. Attraverso l'analisi e la valutazione pratica, le piattaforme dei social media hanno dimostrato un grande potenziale nel fornire informazioni tempestive e preziose sugli sviluppi legati allo spazio e al tempo, a una crisi o a qualsiasi disastro, oltre a fornire assistenza nell'identificazione di eventi importanti legati a quel disastro", hanno spiegato i ricercatori. disse.

Torniamo alla nuova ricerca dell'UE. Se non lo sai, l'EFAS fa parte del servizio di gestione delle emergenze Copernicus (Copernicus EMS) ed è gestito direttamente dal Centro di coordinamento della risposta alle emergenze (ERCC) della Commissione europea. Allo stesso tempo, l’ERCC fa anche parte della Commissione Europea, istituita per essere responsabile degli aiuti umanitari e delle attività di protezione, nonché per supportare risposte coordinate prima, durante e dopo i disastri verificatisi sia all’interno che all’esterno dell’Europa. Più specificamente, il compito principale dell'ERCC è monitorare potenziali pericoli e rischi, raccogliere e analizzare i dati sui disastri per preparare piani per opzioni di implementazione tempestive del supporto. Inoltre, l'ERCC fornirà anche previsioni per l'EFAS, principalmente previsioni di tempeste e inondazioni, previsioni meteorologiche stagionali, nonché valutazioni di impatto e allarmi tempestivi.

• Il modello AI della Disney genera sequenze animate da script

In generale, il sistema di allarme dei ricercatori ha il compito di determinare quando il rischio di inondazioni in una determinata area geografica supera una soglia di sicurezza. Ciò ha portato il team di ricerca dell'EFAS ad avere l'idea di raccogliere dati rilevanti dai social network, in particolare da Twitter, adattando e selezionando fino a 400 parole chiave contemporaneamente.

Tuttavia, estrarre i tweet con parole chiave pertinenti (ovvero parole che potrebbero indicare informazioni su un’alluvione imminente o avvenuta di recente) non è un compito facile per i ricercatori dell’EFAS, perché semplicemente l’Europa è una vasta area con una popolazione di oltre 741 milioni di persone e 27 diverse lingue parlate. La soluzione qui proposta è quella di utilizzare un sistema di classificazione multilingue. Questo sistema di classificazione utilizzerà rappresentazioni matematiche non linguistiche, o incorporamenti di parole, per dedurre somiglianze tra parole chiave in quattro principali lingue europee: tedesco, inglese, spagnolo e francese.

Questo sistema è in realtà un modello di apprendimento automatico e per addestrarlo gli scienziati hanno dovuto utilizzare un database contenente più di 7.000 messaggi annotati (da 1.200 a 2.300 messaggi per ogni tipo di lingua). Nel frattempo, hanno anche utilizzato un modello separato per produrre messaggi “rappresentativi” (tweet con almeno il 90% di probabilità che siano legati alle inondazioni) per le aree a rischio di inondazioni identificate e previste in anticipo.

• UE: i sistemi di intelligenza artificiale dovrebbero essere costruiti e diffusi in modo trasparente e responsabile

Per testare la fattibilità di questo approccio, gli scienziati hanno integrato SMFR nell'EFAS e lo hanno utilizzato durante le inondazioni che hanno colpito la Calabria, in Italia, all'inizio di ottobre 2018. SMFR ha ottenuto un totale di 14.347 tweet validi per 2 giorni, quindi sono state condotte le analisi pertinenti. Il team riferisce che i messaggi filtrati da questo modello di intelligenza artificiale sono estremamente strettamente correlati alle situazioni di inondazione della vita reale e che questo è un inizio promettente verso un sistema che può aiutare a ridurre significativamente i tempi di risposta nelle prime fasi di un disastro:

"Nel corso di qualsiasi disastro, i messaggi raccolti possono essere estremamente preziosi per i coordinatori internazionali di soccorso, poiché contribuiscono a fornire una visione più approfondita della risposta, delle risposte locali specifiche e delle situazioni in cui sono probabili le persone colpite da un disastro o da un avviso di disastro". affrontare. Per la ricerca futura, possiamo immaginare un sistema simile applicato su scala globale, che copra dozzine di lingue diverse, promuovendo al contempo l’uso di più lingue. Inoltre, varie piattaforme di social media come fonti di dati possono informare modelli di previsione basati sull’intelligenza artificiale in modo veramente efficace. modo."