Rinnovabili • Intelligenza Artificiale

Mappatura degli ambienti marini, ora ci pensa l’intelligenza artificiale

Un team di ricercatori ha creato algoritmi in grado di classificare gli ambienti subacquei attraverso misurazioni sonar simulate con una precisione del 93-96%

Intelligenza Artificiale
By NOAA – https://oceanexplorer.noaa.gov/explorations/04fire/logs/hirez/chimneys_hirez.jpg, Public Domain, Link

L’Intelligenza Artificiale potrebbe essere utilizzata in futuro per monitorare gli effetti dei cambiamenti climatici

(Rinnovabili.it) – Attualmente uno dei metodi più diffusi per studiare gli oceani ricorre all’utilizzo dei sonar. Le onde sonore vengono infatti riflesse dai fondali, permettendo di capire la loro composizione (fango, argilla o roccia), o se ne può studiare la differente propagazione in risposta a variazioni di salinità, profondità e temperatura. In altre parole, le misurazioni realizzate con i sonar riescono a fornire dati precisi e accurati sulle condizioni e le specificità delle profondità oceaniche.

Tuttavia gli scienziati dell’Istituto Universitario per l’Innovazione Matematica (IMI), in collaborazione con Systems Engineering & Assessment Ltd (SEA), hanno trovato un modo per migliorare ulteriormente questa mappatura subacquea. Come? Con l’Intelligenza Artificiale. La SEA ha guidato un nuovo progetto di ricerca, fornendo set di dati simulati per addestrare e testare gli algoritmi sviluppati dall’IMI. La ricerca, commissionata da The Defense and Security Accelerator (DASA), si è concentrata in particolare sul monitoraggio degli ambienti marini del Regno Unito, ma la tecnologia potrebbe essere utilizzata ovunque, anche nei bacini oceanici dell’Artico. E potrebbe permettere lo studio degli effetti dei cambiamenti climatici sugli oceani, consentendo di mettere in atto azioni sostenibili in ecosistemi fragili

Leggi anche: ““Accelerazione blu”: aumentano le attività di sfruttamento degli oceani”

Philippe Blondel, del Centro per lo spazio, le scienze atmosferiche e oceaniche dell’Università di Bath, che ha lavorato al progetto con il professor Mike Tipping dell’IMI, esperto di Machine Learning, ha spiegato che “esistono molte variabili che influenzano il modo in cui le onde sonore si propagano nell’acqua […]. Basti pensare a un’orchestra: man mano che ci si allontana, il suono ad alta frequenza dei violini potrebbe andar perduto, ma potremmo comunque essere in grado di ascoltare le note a bassa frequenza del violoncello. E il suono della batteria si sentirebbe ancora di più”. Questo è ciò che accade anche “con i suoni dell’oceano i quali si originano dalle condizioni meteorologiche, come pioggia e tempeste, dagli animali, come balene e pesci, ma anche dagli esseri umani a causa di navi e attività offshore”.

Per poter utilizzare il suono per la misurazione delle variabili oceaniche, come profondità, salinità e temperature, i ricercatori hanno analizzato le diverse caratteristiche degli ambienti subacquei, classificandole in tipologie differenti. Successivamente, attraverso il calcolo delle probabilità, il team di ricerca ha sviluppato vari algoritmi di Intelligenza Artificiale e ne ha testato le prestazioni su una vasta gamma di dati sonori simulati in grado di rappresentare un ampio spettro di ambienti subacquei. I test condotti hanno dimostrato che l’algoritmo Probabilistic Principal Component Analysis (PPCA) potrebbe classificare gli ambienti subacquei con una precisione del 93%. Ma anche un altro modello, denominato LVGP, ha mostrato prestazioni elevate, con una precisione di classificazione del 96%.

Marcus Donnelly, responsabile tecnico presso SEA, ha sottolineato che il “progetto ha superato tutte le nostre aspettative sugli algoritmi di Intelligenza Artificiale applicati alla complessità dei suoni nell’ambiente sottomarino”. La speranza ora è quella di poter applicare questa tecnologia per il monitoraggio degli effetti dei cambiamenti climatici sugli oceani. Blondel ha concluso: “gli scienziati del clima monitorano la propagazione del suono nell’oceano intorno ai poli per osservare i cambiamenti di temperatura nel corso del tempo”, ora, grazie all’algoritmo appena sviluppato potrebbe essere possibile quantomeno ”aiutarli a scegliere dove sistemare le stazioni di monitoraggio per fornire i set di dati più completi”. 

Leggi anche: “Il riscaldamento degli oceani spinge le specie marine verso i poli”