Google e Harvard collaborano per utilizzare il deep learning per prevedere le scosse di assestamento del terremoto. Un altro esempio di intelligenza artificiale che trova modelli nuovi e utili in serie di dati complessi.
Indice
Deep learning e IA per prevedere le scosse
Quando un grande terremoto colpisce, lascia dietro di sé una scia di danni e di morti. Purtroppo però il pericolo non finisce lì. Le scosse di assestamento, scatenate dal sisma iniziale possono continuare ad insistere per mesi. I danni aumentano, perché crollano le strutture indebolite dalle prime scosse. Inoltre, la paura delle popolazioni colpite non rientra ed il dramma prosegue. Con le attuali tecniche gli scienziati possono prevedere in una certa misura le dimensioni e i tempi di queste scosse di assestamento. Prevedere però il luogo esatto è davvero difficile. Una nuova ricerca dagli scienziati di Google e Harvard suggerisce che l’intelligenza artificiale potrebbe essere in grado di cambiare la situazione.
In un articolo pubblicato sulla rivista Nature di questa settimana, i ricercatori mostrano come il deep learning (apprendimento profondo) possa aiutare a prevedere l’epicentro delle scosse di assestamento in modo più affidabile rispetto ai modelli esistenti. Gli scienziati hanno addestrato una rete neurale per cercare gli schemi in un database di oltre 131.000 scosse di assestamento. In seguito sono stato confrontati i risultati delle previsioni con la mappa delle scosse di assestamento realmente avvenute.
Il modello creato con l’intelligenza artificiale è più preciso
La rete di deep learning allestita da Google e Harvard per l’esperimento è risultata essere molto più affidabile del modello esistente finora considerato migliore, noto come “Coulomb failure stress change“. In una scala di precisione che va da 0 a 1, in cui 1 è un modello perfettamente accurato, il modello di Coulomb esistente ha ottenuto 0,583, mentre il nuovo sistema di IA ha raggiunto il valore 0,849.
Le dichiarazioni dei ricercatori di Google e Harvard
Brendan Meade, è un professore di scienze planetarie e terrestri ad Harvard che ha collaborato alla stesura del documento. Egli ha dichiarato a ScienceDaily che i risultati sono stati promettenti. “Ci sono tre cose che vuoi sapere sui terremoti“, ha detto Meade. “Quando arriveranno, quanto saranno grandi e dove saranno. Prima di questo lavoro avevamo leggi empiriche per quando si sarebbero verificati e quanto sarebbero stati grandi. Ora stiamo lavorando alla terza tappa, dove potrebbero verificarsi“.
Il successo dell’intelligenza artificiale in questo settore è dovuto a uno dei punti di forza della tecnologia: la sua capacità di scoprire modelli trascurati in precedenza in insiemi di dati complessi. Ciò è particolarmente rilevante in sismologia, dove può essere incredibilmente difficile vedere le connessioni nei dati. Gli eventi sismici coinvolgono troppe variabili, dalla composizione del terreno in aree diverse, ai tipi di interazioni tra le placche sismiche, ai modi in cui l’energia si propaga nelle onde attraverso la Terra. Dare un senso a tutto questo è incredibilmente difficile.
I ricercatori dicono che il loro modello di apprendimento profondo è stato in grado di formulare le sue previsioni prendendo in considerazione un fattore noto come il “criterio di cedevolezza von Mises“. Si tratta di un calcolo complesso utilizzato per prevedere quando i materiali inizieranno a rompersi sotto stress. Come Meade dice alla testata ScienceDaily, questo fattore è spesso usato in campi come la metallurgia “ma non è mai stato popolare nella scienza dei terremoti”. Ora, con i risultati di questo nuovo modello, i geologi possono studiare la sua rilevanza.
Potenzialità future
Nonostante il successo di questa ricerca, il nuovo sistema elaborato da Google e Harvard è tutt’altro che pronto per l’implementazione nel mondo reale. Per cominciare, il modello di intelligenza artificiale si concentra solo sulle scosse di assestamento causate da cambiamenti permanenti al suolo, noti come stress statico. Ma le scosse di assestamento possono anche essere causate da movimenti del terreno che si verificano in seguito, noto come stress dinamico.
Un altro problema che affligge il modello attualmente in uso è che questo è troppo complesso. Di conseguenza è lento e non riesce a dare risposte in tempo reale. La velocità è un fattore importante importante, perché la maggior parte delle scosse di assestamento si verificano il primo giorno dopo il verificarsi di un terremoto. In seguito la frequenza dimezzare approssimativamente di giorno in giorno.
Phoebe DeVries, titolare di un assegno di ricerca all’università di Harvard che ha contribuito a guidare gli esperimenti, ha dichiarato: “Siamo ancora molto lontani da essere effettivamente in grado di prevedere le scosse di assestamento [], ma penso che l’apprendimento automatico abbia un enorme potenziale qui.”
Scrivo articoli e guide per aiutare le persone a superare gli ostacoli che sorgono nell’uso di tecnologie digitali, nuovi media, social network.
Lascia un commento