Immagina di poter chiedere a un chatbot:"Puoi farmi una mappa di classificazione estremamente accurata delle coltivazioni in Kenya?" oppure "Gli edifici nella mia strada stanno crollando?" E immagina che le informazioni che arrivano siano scientificamente valide e basate su dati verificati di osservazione della Terra.
L'ESA, in collaborazione con i partner tecnologici, sta lavorando per rendere tale strumento una realtà sviluppando applicazioni di intelligenza artificiale che rivoluzioneranno il recupero delle informazioni nell'osservazione della Terra.
L’osservazione della Terra genera ogni giorno grandi volumi di dati vitali, ma è difficile per gli esseri umani da soli garantire di ottenere il massimo valore da tali dati. Fortunatamente, l'intelligenza artificiale aiuta a interagire con set di dati così grandi e complessi, identificando le caratteristiche principali e presentando le informazioni in un formato intuitivo.
I*STAR, ad esempio, un'attività cofinanziata dal programma ESA InCubed, ha sviluppato una piattaforma che utilizza l'intelligenza artificiale per monitorare eventi attuali come terremoti o eruzioni vulcaniche in modo che gli operatori satellitari possano pianificare automaticamente le prossime acquisizioni di dati per i clienti.
Lo strumento AI SaferPlaces, sempre supportato da InCubed, crea mappe delle inondazioni per le squadre di risposta ai disastri unendo le misurazioni in situ con i dati satellitari. SaferPlaces è stato fondamentale per le attività di valutazione dei danni durante le inondazioni dello scorso anno in Emilia-Romagna in Italia.
Negli ultimi anni, il progresso dell’intelligenza artificiale ha subito un’enorme accelerazione, con l’avanzata di strumenti come ChatGPT e Gemini che hanno sorpreso persino gli esperti del settore. Per trarre vantaggio da questa innovazione trasformativa e cogliere le opportunità offerte da questa tecnologia, un passo successivo naturale è creare un'indagine basata su testo in stile ChatGPT con i dati di osservazione della Terra.
Insieme a vari partner nei settori dello spazio, dell'informatica e della meteorologia, l'ESA sta attualmente sviluppando un assistente digitale per l'osservazione della Terra in grado di comprendere le domande umane e rispondere con risposte simili a quelle umane, note come capacità del linguaggio naturale.
Non sorprende, però, che ci siano diversi pezzi del puzzle da completare per creare un simile assistente digitale, a partire dalla centrale elettrica che ne è alla base, il modello di fondazione.
I modelli di intelligenza artificiale funzionano tramite addestramento e miglioramento nel tempo, ma nell'apprendimento automatico più tradizionale, la macchina deve essere alimentata con grandi serie di dati etichettati, spesso da un essere umano.
Inserisci i modelli di fondazione, che adottano un approccio molto diverso. Un modello di base è un modello di apprendimento automatico che esegue l'addestramento, in gran parte senza supervisione umana, su fonti ampie e varie di dati non etichettati. I modelli di fondazione sono abbastanza generali, ma possono essere adattati ad applicazioni specifiche.
Il risultato è un motore di intelligenza artificiale flessibile e potente e, sin dalla sua nascita nel 2018, i modelli fondamentali hanno contribuito a un'enorme trasformazione nel campo dell'apprendimento automatico, con un impatto su molti settori e sulla società nel suo insieme.
L'ESA Φ-lab ha diverse iniziative in corso per la creazione di modelli di fondazione dedicati a compiti legati all'osservazione della Terra. Questi modelli utilizzano i dati per fornire informazioni su argomenti critici dal punto di vista ambientale come le perdite di metano e la mitigazione degli eventi meteorologici estremi.
Un progetto modello di fondazione, PhilEO, è iniziato all’inizio del 2023 e sta ora raggiungendo la maturità. Un quadro di valutazione basato sui dati globali di Copernicus Sentinel-2, e presto lo stesso modello PhilEO, verranno rilasciati alla comunità di osservazione della Terra al fine di stimolare un approccio collaborativo, far avanzare lo sviluppo sul campo e garantire che il modello di base derivato sia ampiamente convalidato.
L'immagine sopra mostra la struttura Richat, il tipo di caratteristica che il modello PhilEO ha imparato a riconoscere senza supervisione umana.
Iniziative separate dell'ESA stanno esaminando l'aspetto umano del puzzle:creando l'assistente digitale che prenderà una domanda in linguaggio naturale da parte di un utente, elaborerà i dati corretti attraverso modelli di base per l'osservazione della Terra e produrrà la risposta in testo e/o immagini.
Un gemello digitale precursore della Terra ha recentemente dimostrato che il suo prototipo di assistente digitale può svolgere compiti multimodali, cercando tra più archivi di dati come Sentinel-1 e 2 per confrontare le informazioni.
Un'attività Φ-lab dell'ESA, che inizierà ad aprile, esplorerà l'elaborazione del linguaggio naturale per estrarre e analizzare informazioni da fonti di testo verificate sull'osservazione della Terra, insieme all'interpretazione delle domande sia degli esperti che degli utenti generali. Questa attività porterà alla fine alla creazione di un assistente digitale perfettamente funzionante.
"Il concetto di un assistente digitale per l'osservazione della Terra in grado di fornire un'ampia gamma di informazioni provenienti da varie fonti è una prospettiva allettante e, come dimostrano queste iniziative, ci sono una serie di elementi fondamentali da mettere in atto per raggiungere tale obiettivo", commenta Responsabile ESA Φ-lab Giuseppe Borghi.
"Considerati i progressi estremamente incoraggianti già ottenuti con PhilEO e il precursore dell'assistente digitale, mi aspetto che i nuovi progetti producano risultati rivoluzionari nel prossimo futuro."
Fornito dall'Agenzia spaziale europea
