In diversi ambiti scientifici l’utilizzo del machine learning (ML) favorisce la comprensione di fenomeni complessi, per la quale sarebbero altrimenti necessari anni di raccolta dati e altrettanto tempo per la formulazione di ipotesi valide. Grazie al ML è invece possibile sviluppare modelli matematici che aiutano a semplificare l’analisi, per esempio quando si studiano i cambiamenti climatici, con una serie di benefici, si pensi anche solo alla valorizzazione di questi dati per l’agricoltura o per valutare stili di comportamento più adeguati alla tutela dell’ambiente.
In verità, i campi di applicazione delle tecnologie di ML sono infiniti. Un interessante ambito di applicazione del machine learning in biologia, per esempio, riguarda lo studio dei comportamenti degli animali così come viene utilizzato dalla biologa marina Lisa Steiner che indaga i modelli migratori dei capodogli.
La biologa studia i movimenti di questi animali al largo delle Azzorre da oltre trenta anni, con un metodo che già da solo rivela l’impegno richiesto. Steiner infatti fotografa le pinne caudali dei capodogli – uniche, come è per ognuno di noi l’impronta digitale -, cataloga le immagini in un DB, le confronta, ed in questo modo riesce ad identificare gli spostamenti dei singoli esemplari e i relativi movimenti. Una mole di lavoro importante difficile da sostenere, proprio anche per la precisione e la costanza richieste.
Inizialmente (si parla del 1988, quando è nato il progetto) il lavoro di Steiner prevedeva l’esplorazione in barca dalle 9 alle 22, e la fotografia con pellicola dei capodogli con tutti i limiti correlati (rischio di foto mosse, non riuscite etc.), poi sono arrivate la possibilità di utilizzare una fotocamera digitale e un’imbarcazione più veloce (un catamarano) che hanno agevolato il lavoro.
Steiner sulla base dell’esperienza accumulata ora sarebbe in grado di riconoscere circa 100 esemplari diversi a vista, ma è facile capire che sarebbe troppo complessa, per chiunque, la verifica in tempi rapidi e la ricerca delle corrispondenze di un database come quello attuale in continua crescita che contiene circa 8mila immagini.
Spiega la biologa: “Inizialmente lavoravo con un programma per pc ma nel tempo sono rimasta indietro nelle procedure di identificazione perché dovevo caricare le immagini, inserire a mano i dati, che descrivono specifici contorni della pinna caudale, ed il programma non riusciva a rilevare le piccole modifiche che si registrano nel tempo per esempio per l’usura, di fatto non permettendo di riconoscere lo specifico esemplare”.
La svolta nel suo lavoro c’è stata quando un dipendente Capgemini si è unito a un tour di osservazione ed ha intuito la possibilità di applicare allo studio le potenzialità del machine learning. Spiega Steiner: “Ho fornito loro tutte le mie fotografie e il team ha addestrato un algoritmo perché apprendesse ogni singolo aspetto della coda di un capodoglio” in modo da consentire di trovare corrispondenze prima difficili da individuare, in particolare quando le code presentano contorni molto lisci e quindi sono ancora più difficili da distinguere dagli altri.
E’ quindi stato sviluppato da Capgemini uno strumento basato su tecnologia Aws, che la biologa ha individuato come soluzione valida per questo compito di “catalogazione” delle pinne caudali che consente di ordinare ed abbinare in velocità le oltre 8mila immagini di pinne dei capodogli così da tracciarne i flussi migratori in velocità e con precisione.
Il servizio si chiama Fluketracker, sfrutta la tecnologia di apprendimento automatico Aws ed ha consentito a Steiner di classificare già tutte le foto dal 2019 al 2020, identificando oltre 200 nuove balene. Steiner utilizza lo strumento in collaborazione diretta con il team Aws cui fornisce un feedback sul funzionamento dello stesso e dei modelli per consentire di migliorare l’applicazione, l’utilizzo dell’AI e aggiungere eventualmente nuove funzionalità.
Ogni settimana, infatti, la biologa Lisa Steiner effettua una videochiamata dall’isola di Faial, nelle Azzorre nell’Oceano Atlantico settentrionale, e si confronta in proposito con un piccolo team di scienziati e data scientist. La biologa ora carica semplicemente le immagini, aspetta qualche minuto e, appena viene analizzata l’immagine, in pochi istanti è possibile trovare un’eventuale corrispondenza degli spostamenti in relazione all’esemplare già individuato. Catalogando e abbinando le immagini nel tempo, Steiner può identificare quindi quando lo stesso animale è tornato nell’area. “L’obiettivo finale – spiega Steiner – è rendere la piattaforma, open source, disponibile al pubblico in modo che chiunque possa inviare foto. La mia ricerca copre per ora solo le Azzorre, quindi sarebbe bello raccogliere foto da altre regioni. Più si collabora, più informazioni si possono avere a disposizione e meglio si può capire dove vanno i capodogli e come socializzano”.
© RIPRODUZIONE RISERVATA
