I giganti di ghiaccio per la salvaguardia dell’ambiente

L’utilizzo dell’IA per la salvaguardia dell’ambiente è fondamentale. 

I sensori ambientali dell’IA possono raccogliere una grande quantità di dati da impiegare per l’identificazione delle fonti di inquinamento e di soluzioni per ridurre l’impatto ambientale mediante il riciclaggio e lo smaltimento dei rifiuti. L’impiego dell’IA è utile anche per ottimizzare la produzione e il consumo energetico e migliorare la gestione delle risorse idriche. Monitorando la qualità dell’acqua si ottengono, infatti, previsioni sulla disponibilità futura di tali risorse e se ne ottimizza la gestione.

Uno dei vantaggi dell’utilizzo dell’IA è l’accelerazione di compiti che richiedono molto tempo all’uomo.

 Lunga e difficile è, ad esempio, la mappatura degli iceberg, in quanto non è possibile monitorare manualmente i cambiamenti nell’area e nello spessore degli iceberg o la quantità di acqua e di sostanze nutritive che rilasciano nei mari. I ricercatori dell’Università di Leeds hanno svelato una rete neurale che può tracciare lo schema di un grande iceberg in soli 0,01 secondi. Anne Braakmann-Folgmann, autrice principale dell’articolo pubblicato sulla rivista “The Cryosphere”, riguardante la rete neurale oggetto dello studio, ha spiegato che gli iceberg “hanno un impatto sulla fisica dell’oceano, sulla chimica, sulla biologia e, naturalmente, sulle operazioni marittime. Pertanto, è fondamentale individuare gli iceberg e monitorarne l’estensione, per quantificare la quantità di acqua di fusione che rilasciano nell’oceano.” Al fine di definire una mappatura manuale degli iceberg che sia il più possibile scrupolosa, i ricercatori hanno addestrato un algoritmo chiamato U-net, utilizzando immagini catturate dall’ESA Satelliti per il monitoraggio della Terra Copernicus Sentinel-1. L’algoritmo è stato testato su sette iceberg il più piccolo dei quali aveva all’incirca la stessa area di Berna e il più grande all’incirca l’area di Hong Kong. Questo nuovo modello di algoritmo ha superato i precedenti modelli di segmentazione automatica (soglia Otsu e k-mean) che spesso avevano difficoltà a distinguere tra iceberg e ghiaccio marino. Si tratta del primo studio di applicazione di una rete neurale profonda per la segmentazione degli iceberg, mirato nello specifico agli iceberg giganti.

Le reti neurali profonde, superando le classiche tecniche di machine learning nella maggior parte dei compiti, possono codificare da sole le caratteristiche più significative e sono in grado di apprendere relazioni non lineari più complesse. U-net, utilizzata originariamente per la segmentazione di immagini biomediche, ha trovato un impiego anche nelle immagini satellitari e nella scienza polare.