L’intelligenza artificiale nasce insieme ai calcolatori elettronici negli anni ’50, se vogliamo risalire ad uno dei primi programmi creato da Newell e Simon, chiamato General Problem Solver (o GPS acronimo successivamente utilizzato per altri scopi), ideato con lo scopo di imitare i processi di risoluzione dei problemi utilizzati dagli esseri umani.
Sviluppatasi con il progredire della capacità computazionale, oggi l'intelligenza artificiale si riferisce a sistemi o programmi che possono completare compiti che normalmente richiederebbero l'intelligenza umana, come l'analisi dei dati, la percezione visiva, il riconoscimento vocale o il processo decisionale.
L'intelligenza artificiale o IA, dalle iniziali delle due parole in italiano (l'acronimo invertito, AI, in italiano, si usa per "agenti intelligenti", mentre corrispondenti inglesi sono a loro volta invertiti: l'intelligenza artificiale si indica con AI, da Artificial Intelligence, mentre gli agenti intelligenti si indicano con IA, da Intelligent Agents), è prevista essere una delle principali aree di crescita nel settore geospaziale nei prossimi anni. L'intelligenza artificiale cambierà radicalmente il modo in cui l'analisi supporta le operazioni commerciali quotidiane, offrendo maggiori opportunità di intelligenza in una moltitudine di settori.
Le tecnologie correnti :
- Location Intelligence
- Dashboard Visualization
- Predictive Analysys
Le emergenti:
- Data Mining
- Geosocial Networking
Le future:
- Natural Language Processing
- Deep Learning
- Computer Vision
Impatto nel settore geospaziale
Fino ad oggi, le tecniche di intelligenza artificiale sono state ampiamente utilizzate dalla comunità geospaziale per analizzare set di dati geospaziali "strutturati". Questi set di dati tendono a essere quantitativi, facilmente raggruppabili e memorizzati in fogli di calcolo o altri tipi di database tradizionali. I dati "non strutturati", d'altra parte, possono essere più qualitativi e potenzialmente difficili da archiviare e analizzare. Gli esempi includono vari tipi di riprese video, come immagini video satellitari e riprese CCTV, nonché dati vocali e in linguaggio naturale.
L’apprendimento automatico (noto anche come machine learning, ML, che è una branca dell'intelligenza artificiale che raccoglie un insieme di metodi quali: statistica computazionale, riconoscimento di pattern, reti neurali artificiali, filtraggio adattivo, teoria dei sistemi dinamici, elaborazione delle immagini, data mining, algoritmi adattivi, ecc), implica la costruzione di modelli statistici basati su dati di esempio per fare previsioni o prendere decisioni senza essere esplicitamente programmati per eseguire l'attività. Ciò è stato effettivamente sfruttato dalle società geospaziali per consentire ai sistemi di ricavare informazioni dettagliate e prendere decisioni da set di dati strutturati e non strutturati con un intervento umano minimo.
Le tecnologie di osservazione della Terra (EO, da Earth Observation) applicano sistematicamente le tecniche di elaborazione e classificazione delle immagini per interpretare e mappare i paesaggi e caratteristiche di interesse. Più recentemente, l'industria è stata in grado di applicare algoritmi di rilevamento delle modifiche per identificare automaticamente le aree di cambiamento, inclusa l'identificazione di nuovi aree di deforestazione, sviluppo urbano, o per supportare la mappatura della valutazione dei danni a seguito di un evento catastrofico. Si stanno sviluppando algoritmi di Deep Learning (l’apprendimento profondo, in inglese deep learning, è quel campo di ricerca dell'apprendimento automatico e dell'intelligenza artificiale che si basa su diversi livelli di rappresentazione, corrispondenti a gerarchie di caratteristiche di fattori o concetti) in grado di rilevare schemi nelle immagini satellitari, per supportare le istituzioni finanziarie a prendere migliori decisioni di investimento. Esistono diverse realtà imprenditoriali che hanno niziato ad utilizzare tecniche simili per scopi di protezione ambientale o per fornire informazioni gestibili sulle risorse naturali.
Le società geospaziali stanno inoltre utilizzando queste tecnologie per la gestione del territorio. La Urban Intelligence inglese, ad esempio, ha sviluppato un sistema di intelligenza artificiale che mira a fornire un "punteggio di credito" per i terreni, in base alla loro idoneità allo sviluppo. Numerosi fornitori di servizi nella comunità geospaziale si sono anche mossi verso il supporto dei requisiti di intelligence assicurativa. Nel mercato delle assicurazioni automobilistiche, ad esempio, i modelli di comportamento del conducente vengono ora elaborati e analizzati da sistemi ML con dispositivi di bordo e collegati alla posizione per fornire analisi su misura.
Il GNSS e le tecnologie di posizionamento in genere sono influenzate positivamente dall'intelligenza artificiale, interessando settori come la logistica e i sistemi di navigazione. Ad esempio, elaborando milioni di punti GPS in tempo reale, i sistemi sono in grado di prevedere le mutevoli condizioni del traffico ad uso dei conducenti e dei trasportatori terrestri ma anche marittimi.
Il LiDAR e Radar richiederanno inoltre potenziate capacità analitiche automatizzate se le future applicazioni come i veicoli connessi e autonomi (CAV) diventeranno realtà. Si sta esplorando in molte realtà industriali e di ricerca, in che modo i CAV possono condividere informazioni sul posizionamento e sulla sicurezza in tempo reale.
La combinazione dell'intelligenza artificiale con altre tecnologie emergenti come l'IoT comporterà anche una serie di nuove opportunità per il settore. Il numero crescente di sensori all'interno di smartphone e altri dispositivi di localizzazione richiede un'analisi avanzata per trarre significato dalle informazioni che trasmettono. Ad esempio, tracker sanitari e dispositivi indossabili integrati aiutano sempre più gli operatori sanitari a riconoscere i segni delle malattie, aiutati da algoritmi diagnostici avanzati. In futuro, i sistemi analitici saranno potenzialmente in grado di mappare le metriche sulla salute della popolazione in intere comunità e l'adozione di analisi avanzate migliorerà tali capacità. D'altronde non dobbiamo dimenticare che la prima vera analisi geospaziale venne effettuata a seguito della epidemia di colera a Londra del 1854 (“Ghost Map” di Broad Street del 1854 di John Snow).
Piattaforma di monitoraggio dell’epidemia da Coronavirus tramite ESRI Storymap
Consideriamo inoltre che i sistemi di posizionamento interno (IPS Indoor Positioning System) diventeranno una parte estremamente importante del settore geospaziale nei prossimi anni, consentendo il potenziale posizionamento onnipresente di individui o macchine. Pointr ad esempio, con la sua Deep Location, si qualifica come The Leading Location Platform For “Smart Indoors”
Fornendo tutte le soluzioni necessarie, dall’Indoor Positioning all’Indoor Navigation, Augmented Reality Navigation, Location Based Messaging, Indoor Analytics e Indoor Tracking, sfruttando il posizionamento interno e l'intelligenza artificiale, utilizzando sensori bluetooth che raccolgono informazioni sul movimento dei clienti negli spazi di vendita al dettaglio e in altri ambienti interni per modellare il passo e il movimento dei clienti per sviluppare strategie di marketing e di business mirate.
--
Per la serie Quali Tecnologie nel futuro prossimo, vedi anche:
1 - Cameras, Imaging and Sensing
2 - Unmanned Vehicle Systems and Drones
3 - Survey, Measurement and 3D Scanning
4 - Artificial Intelligence
5 - Smart Sensors and the Internet Of Things
6 - Immersive Technologies
7 - Simulation
8 - Connectivity
Copia qui lo "short link" a questo articolo
www.geoforall.it/{sh404sef_shurl}
