La riduzione del rischio grazie al machine learning è possibile

Cima Foundation utilizza la nuova tecnologia per elaborare i dati a disposizione e produrre risultati volti alla mitigazione dei rischi

Ridurre e mitigare i rischi grazie al machine learning è il focus su cui sta lavorando la Fondazione Cima per affinare l’elaborazione dei molti dati meteorologici, satellitari, geografici e derivati di cui l’ente di ricerca dispone.

Il Machine Learning (ML), infatti, è un sottoinsieme dell’intelligenza artificiale che crea sistemi che apprendono e migliorano le performance in base ai dati che ricevono. Una tecnologia che ormai pervade tutti i campi del vivere, dalle banche ai social media, dagli acquisti on line allo spam delle mail, e che permette di rendere l’esperienza più efficiente.

Fondazione Cima ha implementato questo sistema per sfruttare la capacità di questi algoritmi di imparare a mettere in collegamento ingenti quantità di dati. Questo ha permesso, ad esempio, di effettuare primi studi sulla prevenzione degli incendi boschivi: “per molti anni abbiamo provato a creare, nei nostri modelli, un nesso di causalità tra le caratteristiche del territorio e la sua suscettività agli incendi – spiega Mirko D’Andrea, ricercatore Cima che si occupa del progetto – La soluzione più efficace, però, è stata basarsi sul machine learning che, avendo a disposizione i dati riguardanti la regione d’interesse e lo storico degli incendi di quell’area, riesce a identificare le caratteristiche che più li influenzano”. Da una prima mappatura di pericolosità riferita al territorio ligure, si è arrivati a coprire tutta la regione del Mediterraneo Orientale.

Il machine learning può trovare applicazione anche in altri ambiti di prevenzione del rischio. La stessa Fondazione Cima sta avviando uno studio per integrare questa tecnologia con le osservazioni satellitari della Terra per comprendere le dinamiche legate alla siccità e procedere, in futuro, alla mappatura dello stato sul territorio italiano. “Nel campo della modellazione idrologica – continua Mirko D’Andrea – è in corso uno studio per utilizzare le tecniche di Deep Data Assimilation, ovvero l’unione di tecniche di data assimilation (il processo di combinare dati osservati, come quelli meteorologici e satellitari, con modelli matematici per migliorare la precisione delle previsioni o delle simulazioni) con tecniche di deep-learning, una tecnica avanzata di machine learning che utilizza reti neurali profonde, cioè dotate di un grande numero di strati e parametri.”

Non ci sono solo elaborazioni di stime numeriche, ma anche studi qualitativi nella prospettiva di impiego della tecnologia ML da parte di Cima. Nell’ambito del progetto EDORA è stato realizzato un atlante sul rischio di siccità a livello europeo che si basa su un’analisi qualitativa del rischio che, grazie all’apprendimento artificiale, ha permesso di associare particolari condizioni meteo climatiche a una serie storica di impatti su diversi settori socio-economici. Ciò è stato reso possibile con l’uso di sistemi di linguaggio che hanno estrapolato da articoli di giornale informazioni relative alla siccità. “Parte della ricerca futura di Fondazione Cima – spiega il ricercatore – riguarderà anche l’applicazione del machine learning nell’analisi dei framework legislativi. È quanto stiamo facendo con un nuovo percorso di dottorato che portiamo avanti in collaborazione con la Croce Rossa: lo scopo è analizzare vari set di dati non strutturati per trasformarli in informazioni per l’azione umanitaria”.

Il limite rilevato per l’utilizzo di questa innovativa tecnica risiede, secondo D’Andrea, dalla qualità dei dati disponibili, poiché il machine learning fa pieno affidamento su questo aspetto e avere un dataset di bassa qualità produce risultati scadenti. La sfida per Cima è stare al passo con i veloci e continui progressi che l’evoluzione tecnologica fa quotidianamente, anche per porre in essere studi più accurati volti alla riduzione del rischio.

Fabio Ferrante