Un nuovo modello computazionale consente ai ricercatori di attingere a set di dati normalmente incompatibili, come immagini satellitari e post sui social media, per rispondere a domande su ciò che sta accadendo in località mirate. I ricercatori hanno sviluppato il modello per fungere da strumento per identificare le violazioni degli accordi di non proliferazione nucleare.

"Il nostro obiettivo era sviluppare un quadro di lavoro che utilizzasse le informazioni provenienti da una varietà di sensori e fonti di dati per identificare queste potenziali violazioni della non proliferazione nucleare, "dice Hamid Krim, coautore di un articolo sull'opera, professore di ingegneria elettrica e informatica presso la North Carolina State University e direttore del Laboratorio VISSTA. "Alcuni di questi dati possono essere convenzionali, come letture del contatore Geiger o dati multispettrali da immagini satellitari. Ma molte di queste fonti di dati possono essere non tradizionali, come i post sui social media. E queste fonti forniscono un'ampia varietà di dati che normalmente non sono compatibili, come il testo incluso nei post di Twitter e le immagini pubblicate su Flickr.

"Rendendo questi diversi input compatibili tra loro, siamo in grado di accettare una gamma più ampia di input di dati e utilizzare tali dati in modo significativo che, in definitiva, può aiutare le autorità a raggiungere conclusioni più affidabili, " dice Crim.

I ricercatori affermano che il modello può essere utilizzato per lavorare con qualsiasi dato che possa essere identificato come proveniente dall'area mirata. Per esempio, le immagini satellitari sono chiaramente identificabili, ma possono anche attingere a post sui social media contrassegnati attivamente o passivamente come provenienti dall'area pertinente.

La domanda allora diventa:come si lavora con dati incompatibili? Spiegare, useremo un problema proxy che i ricercatori hanno usato nel loro articolo:identificare un'inondazione. Hanno scelto un'alluvione perché i dati sull'alluvione non sono classificati, mentre i dati sull'attività nucleare lo sono.

Il primo passo nel processo consiste nell'utilizzare equazioni matematiche per tradurre ogni tipo di dati in un formato utile. Per esempio, le immagini possono essere analizzate attraverso i modelli per determinare se si tratta di immagini di inondazioni, mentre i messaggi di testo possono essere eseguiti attraverso modelli per determinare se includono riferimenti a inondazioni. Una volta che questi flussi di dati vengono tradotti in un formato neutro, ovvero indicano allagamenti o non allagamenti, possono essere confrontati tra loro per rispondere a domande di base come:i dati si supportano a vicenda?

Ma non è così semplice. Per esempio, le persone potrebbero twittare di un'alluvione che si sta verificando a centinaia di chilometri di distanza, che potrebbe distorcere qualsiasi calcolo da parte del modello generale. Per affrontare questo, i ricercatori hanno incorporato elementi matematici che spiegano la complessità dei dati su cui stanno attingendo.

"Affrontare la complessità è particolarmente importante nel contesto dell'applicazione della non proliferazione, " dice Krim. "I dati immessi rilevanti possono includere foto di particolari tipi di tecnologia, riferimenti fatti nelle conversazioni catturate dall'audio, e così via. Un modello come quello che abbiamo sviluppato deve essere sufficientemente flessibile da tenere conto della variabilità e della complessità dei vari tipi di dati e dei vari indizi che stiamo cercando".

I ricercatori hanno testato il loro modello utilizzando i dati di un'alluvione del 2013 avvenuta in Colorado, e sono stati in grado di risolvere l'incompatibilità dei dati multimodali al fine di stimare con precisione la posizione dell'inondazione.

I prossimi passi per il progetto includono la valutazione degli impianti nucleari in Occidente per identificare caratteristiche comuni che potrebbero essere applicabili anche agli impianti in società più isolate, come la Corea del Nord.

"Vogliamo trovare modi per trasferire informazioni da un ambiente noto a uno nascosto, " dice Krim. "Come possiamo determinare quali informazioni e quali modelli sono trasferibili da un luogo all'altro, dati dati incompatibili o incoerenti? cosa è normale, e cosa no? Non è un problema facile".