L’Università degli Studi di Bari Aldo Moro conquista il primo posto in una competizione internazionale di Machine Learning (Apprendimento Automatico).
Fra le più entusiasmanti sfide in Intelligenza Artificiale vi è quella di costruire programmi che, a seguito di una fase di addestramento, apprendano autonomamente modelli utili per prendere decisioni. Uno degli approcci più recenti e promettenti in questo ambito è quello del Deep Learning (Apprendimento Profondo). Il Deep Learning usa architetture complesse, costituite da insiemi di livelli interconnessi fra di loro che imitando l’organizzazione dei neuroni nel cervello umano. Si tratta di un sistema in grado di produrre modelli decisionali molto accurati. Può produrre nuove rappresentazioni dei dati che favoriscono la costruzione di modelli più efficaci, il tutto senza richiedere laboriosi interventi umani per trasformare e processare i dati in questione.
L’università barese conquista la prima posizione proprio in questo campo nella competizione internazionale “TiSeLaC – Time Series Land Cover Classification Challenge”. La competizione è ospitata presso la conferenza europea su Machine Learning (ECMLPKDD 2017) che si terrà a Skopje, in Macedonia, tra il 18 e il 22 settembre. Pertanto il prossimo mese, i ricercatori membri del giovane team barese, Teresa M. A. Basile, Antonio Vergari e Fabrizio Ventola, guidati da Nicola Di Mauro, voleranno nella capitale macedone per ritirare il premio e illustrare la loro soluzione.
Obiettivo della competizione, organizzata da ricercatori dell’Istituto di ricerca francese UMR TETIS a Montepellier, è stato quello di creare un sistema informatico capace di interpretare e classificare ogni singolo pixel (ovvero i “punti” che costituiscono l’unità minima di una foto) a partire da immagini satellitari ad alta definizione. La macchina ci dirà se quel singolo pixel rappresenta un pezzo di città, un bosco, un orto, etc.
Apprendere un modello decisionale di questo tipo che sia accurato (cioè che classifichi correttamente il maggior numero possibile di pixel) consente di interpretare automaticamente le immagini ad alta risoluzione prodotte dai numerosi satelliti oggi a disposizione. Fra le diverse ricadute applicative, vi sono la creazione automatica di mappe dettagliate, la scoperta automatica di fonti di acqua o il monitoraggio di flora e fauna di un territorio. Inoltre, un metodo che risolva la competizione potrebbe essere applicato ad altri domini quali quello medico, in cui immagini iperspettrali iniziano ad essere diffuse come supporto per la diagnostica.
Il team vincitore della competizione TiSeLac è composto da ricercatori del LACAM, un laboratorio del Dipartimento di Informatica fondato e diretto per trent’anni dalla Prof.ssa Floriana Esposito, e da una ricercatrice del Dipartimento di Fisica dell’Università degli Studi di Bari. Il gruppo, che ha partecipato con il nome “baML”, si occupa di apprendimento automatico ed in particolare Deep Learning. I ricercatori di “baML” hanno progettato, implementato ed addestrato una architettura “deep” che fosse in grado di apprendere in parallelo differenti rappresentazioni per i pixel di una stessa immagine. Queste rappresentazioni sono state apprese in maniera tale da tener conto sia della natura spaziale e sia di quella temporale dei dati trattati, nonché delle forti correlazioni presenti nei differenti canali visivi disponibili nelle immagini iperspettrali. Tutte le rappresentazioni così indotte hanno concorso congiuntamente all’apprendimento di un modello di decisione per la classificazione dei singoli pixel della immagine, ottenendo un risultato considerevolmente migliore rispetto ai team avversari.
