Scienza profonda: l'IA è nell'aria, nell'acqua, nel suolo e nell'acciaio

Arrivano documenti di ricerca troppo rapidamente perché chiunque possa leggerli tutti, specialmente nel campo dell'apprendimento automatico, che ora colpisce (e produce documenti in) praticamente ogni settore e azienda. Questa colonna ha lo scopo di raccogliere alcune delle scoperte e dei documenti recenti più rilevanti, in particolare ma non limitati all'intelligenza artificiale, e spiegare perché sono importanti.

Questa settimana porta alcune applicazioni insolite o sviluppi nell'apprendimento automatico, nonché un rifiuto particolarmente insolito del metodo per l'analisi correlata alla pandemia.

Difficilmente ci si aspetta di trovare l'apprendimento automatico nel dominio della regolamentazione del governo, se non altro perché si presume che i regolatori federali siano irrimediabilmente indietro rispetto ai tempi quando si tratta di questo genere di cose. Quindi potrebbe sorprenderti che la US Environmental Protection Agency abbia collaborato con i ricercatori a Stanford per sradicare algoritmicamente i trasgressori delle regole ambientali.

Quando vedi la portata del problema, ha senso. Le autorità dell'EPA devono elaborare milioni di autorizzazioni e osservazioni relative alla conformità al Clean Water Act, cose come quantità auto-dichiarate di inquinanti da vari settori e rapporti indipendenti da laboratori e team sul campo. Il processo progettato da Stanford li ha selezionati per isolare modelli come quali tipi di piante, in quali aree, avevano maggiori probabilità di influenzare i dati demografici. Ad esempio, il trattamento delle acque reflue nelle periferie urbane può tendere a sottostimare l'inquinamento e mettere a rischio le comunità di colore.

Lo stesso processo di riduzione della domanda di conformità a qualcosa che può essere analizzato e confrontato a livello computazionale ha aiutato a chiarire le priorità dell'agenzia, dimostrando che mentre la tecnica potrebbe identificare più titolari di permessi con piccole violazioni, potrebbe distogliere l'attenzione dai tipi di permessi generali che agiscono come un foglia di fico per più grandi trasgressori.

Un'altra grande fonte di sprechi e costi è la lavorazione dei rottami metallici. Tonnellate di esso passano attraverso i centri di smistamento e riciclaggio, dove il lavoro è ancora svolto principalmente da esseri umani e, come puoi immaginare, è un lavoro pericoloso e noioso. Eversteel è una startup dell'Università di Tokyo che mira ad automatizzare il processo in modo che gran parte del lavoro possa essere svolto prima ancora che i lavoratori umani intervengano.

Crediti immagine: Eversteel

Eversteel utilizza un sistema di visione artificiale per classificare i rottami in arrivo in quasi due dozzine di categorie e per segnalare impure (cioè una lega non riciclabile) o articoli anomali per la rimozione. È ancora in una fase iniziale, ma l'industria non sta andando da nessuna parte e la mancanza di un ampio set di dati per l'addestramento dei loro modelli (dovevano crearne uno proprio, informati da lavoratori dell'acciaio e immagini) ha mostrato a Eversteel che questo era davvero un territorio vergine per AI. Con un po 'di fortuna, saranno in grado di commercializzare il loro sistema e attirare i finanziamenti di cui hanno bisogno per entrare in questa grande industria ma affamata di tecnologia.

Un'altra applicazione insolita ma potenzialmente utile della visione artificiale è il monitoraggio del suolo, un compito che ogni agricoltore deve svolgere regolarmente per monitorare i livelli di acqua e nutrienti. Quando riescono ad automatizzarlo, è fatto in un modo piuttosto pesante. Un team dell'Università dell'Australia Meridionale e della Middle Technical University di Baghdad ha dimostrato che i sensori, l'hardware e le termocamere utilizzate ora potrebbero essere eccessivi.

Crediti immagine: UNISA / Middle Technical University

Sorprendentemente, la loro risposta è una fotocamera digitale RGB standard, che analizza il colore del suolo per stimare l'umidità. "L'abbiamo testato a diverse distanze, tempi e livelli di illuminazione, e il sistema era molto preciso", ha detto Ali Al-Naji, uno dei creatori. Potrebbe (ed è previsto) essere utilizzato per creare un sistema di irrigazione intelligente economico ma efficace che potrebbe migliorare la resa delle colture per coloro che non possono permettersi sistemi standard del settore.

Fonte: https://techcrunch.com/2021/03/19/deep-science-ai-is-in-the-air-water-soil-and-steel/