Un nuovo studio pubblicato sulla rivista Science mostra come con l’impiego di immagini satellitare e di algoritmi ad apprendimento automatico si possa predire il livello di povertà di regioni del pianeta per le quali non è possibile ottenere dati e stime precisi. Per lungo tempo l’intensità dell’illuminazione notturna è stata utilizzata come indicatore grezzo per la stima del benessere di una determinata zona sul pianeta, ma questo metodo si è alla lunga rivelato inefficace: sono parecchie, infatti, le regioni del pianeta dove ancora non giunge l’alimentazione a corrente elettrica. Questo nuovo sistema, descritto dal suo ideatore Neal Jean, fa uso di immagini satellitari notturne e diurne, ma anche di statistiche e dati già esistenti, per formare l’intelligenza artificiale di un computer e addestrarlo al riconoscimento del livello di benessere delle aree che costituiscono l’oggetto di indagine.

Jean e il suo team hanno creato il loro algoritmo in due stadi. In un primo momento sono state date in pasto ad una rete neurale le immagini satellitare notturne e diurne di paesi quali l’Uganda, la Tanzania, la Nigeria, il Malawi e il Ruanda: il network ha identificato i villaggi e le città e ha tentato di predire l’intensità della loro illuminazione notturna. Se in una determinata regione ci sono delle case, ad esempio, il sistema si aspetta che essa sia illuminata durante la notte.

immagini satellitari povertà

Il secondo step è stato caratterizzato invece dall’inclusione di dati e statistiche economici, i quali, pur essendo incompleti per la maggior parte della regione, hanno permesso di migliorare la precisione dell’algoritmo grazie all’aumento della granularità dei dati in relazione al contesto. In questo modo il sistema ha potuto associare le immagini dei vari villaggi al loro livello di benessere, basandosi sulle statistiche ricevute come input. Nel momento in cui l’algoritmo si è trovato a processare le immagini di villaggi simili nelle vicinanze – villaggi per i quali non era disponibile alcun dato -, ha potuto stimarne il benessere economico in base a quanto “imparato” in precedenza. Stando allo studio, questo modello a doppio strato permette di creare stime con una precisione compresa tra l’81 e il 99%.

Naturalmente, anche questo sistema ha i suoi limiti. Esso infatti si rivela utile prevalentemente quando opera su larga scala, ma difficilmente è in grado di apprezzare le sottili differenze che si possono verificare all’interno di centri urbani ad alta densità. Per il momento, l’algoritmo è in grado di svolgere il proprio compito solamente sulle cinque nazioni africane con le quali è stato testato. Dal momento che le immagini satellitari di – quasi – tutto il pianeta sono pubblicamente disponibili, tuttavia, la scansione di altre aree della Terra è solo questione di tempo.

Via
Ti invieremo un' email a settimana, puoi cancellare l'iscrizione in qualunque momento.

Potrebbe interessarti anche:


Partecipa alla discussione: