Big Data

Big data analytics, deep learning, AI e social network: il ruolo della ricerca

12 January 2021 | Scritto da Tech4Future.info

Deep learning, big data analytics, data science e intelligenza artificiale possono contribuire a impiegare i dati provenienti dai social network per migliorare la resilienza delle nostre società. La ricerca offre un aiuto importante, come testimonia Stefano Cresci, fresco vincitore del premio che “incorona” il più interessante giovane ricercatore europeo.

A cura di Andrea Ballocchi

Big data analyticsdeep learningdata science possono migliorare o rendere più critica la nostra vita. Già oggi il tessuto stesso della società è rimodellato dalla tecnologia, ma è destinato a esserlo ancora di più.

Pensiamo solo all’impatto dei social network nella nostra vita quotidiana. Tante conversazioni, tante informazioni, vere o fasulle circolano in rete. Nei primi nove mesi del 2020 Facebook ha cancellato 4,5 miliardi e mezzo di account falsi. Lo stesso problema lo registrano Twitter & C. Un bel problema anche per la cyber security. Eppure gli stessi social network possono essere utili anche per aiutare a gestire i momenti immediatamente successivi a un disastro o a un attacco terroristico.

Negli ultimi anni, i lati online e offline delle nostre vite tendono progressivamente a unirsi, in una convergenza socio-tecnica tale che diventano indistinguibili. Per migliorare la resilienza delle nostre società, non si può più ignorare la parte online, dato che moltissimi aspetti della nostra esistenza sono influenzati dai dati e dagli algoritmi

A dirlo è Stefano Cresci, ricercatore dell’Istituto di informatica e telematica del Consiglio Nazionale delle Ricerche. È il neo vincitore del “Cor Baayen Young Researcher Award” di ERCIM – The European Research Consortium for Informatics and Mathematics, consorzio composto da diciassette Enti di ricerca europei.

È un premio particolarmente prestigioso, riconosciuto dal 1995 a giovani ricercatori particolarmente promettenti: erano nove anni che un italiano non lo vinceva. Cresci lo ha ottenuto grazie alla “eccezionale qualità scientifica delle sue ricerche e dell’impatto sulla scienza e sulla società”, sottolinea lo stesso Ercim.

I suoi algoritmi hanno trovato impiego presso l’Istituto nazionale di geofisica e vulcanologia (Ingv) ma anche presso la Polizia di Stato, l’Europol e l’European Monitoring Centre for Drugs and Drug Addiction.

È anche coautore di un libro fresco di stampa intitolato “New Dimensions of Information Warfare”, ovvero le nuove dimensioni della guerra dell’informazione. Attualmente è coinvolto, col team di ricerca guidato da Dino Pedreschi, docente presso il Dipartimento di Informatica dell’Università di Pisa, al progetto europeo SoBigData++ il cui obiettivo è creare un’infrastruttura di ricerca per la big data analytics in ambito social.

 

Dottor Cresci, qual è il focus della sua attività di ricerca, che fa uso di deep learning, AI e big data analytics?

Mi occupo fondamentalmente di social media e online social network e della gestione dei dati, relativamente a due aspetti: uno riguardante lo sfruttamento dei dati per scopi benefici, in particolare per migliorare la gestione delle emergenze; l’altro riguardante il “lato oscuro” del Web. Non tutte le informazioni reperibili dalle piattaforme social sono credibili: quindi, bisogna affrontare il problema di comprenderne l’attendibilità, l’autorevolezza, la veridicità per evitare di cadere in inganno. Nella mia ricerca adotto e sviluppo tecniche di web crawling e web scraping, big data analytics, nuove tecniche di intelligenza artificiale (in particolare machine learning, deep learning, computer vision) e data science.

 

Partiamo dall’impatto positivo dell’AI e di altre tecniche: come possono aiutare nel gestire eventi critici estremi e su cosa si è orientata la sua ricerca?

Innanzitutto ho cercato di focalizzare l’attenzione sulla possibilità di sfruttare le informazioni presenti sulle piattaforme social in situazioni di particolare stress. A seguito di situazioni estreme quali un terremoto o un attacco terroristico c’è un bisogno informativo enorme. Le piattaforme social consentono di soddisfare questa “fame di notizie”, in quanto su di essi circolano rapidamente informazioni, più o meno attendibili. Così moltissime persone si ritrovano sui social network a scambiarsi informazioni su quanto è accaduto. Da qui abbiamo lavorato per sfruttare questa mole di informazioni a beneficio di chi deve gestire al meglio e in maniera più tempestiva l’emergenza, dando loro gli strumenti per avere un quadro quanto più aggiornato ed efficace sulla situazione. Pensiamo solo alla condivisione social di foto e video amatoriali relativi a zone diverse dove è accaduto un sisma: questi si rivelano preziosi per comprendere quali aree abbiano subito maggiori danni e abbiano bisogno in maniera prioritaria di un intervento. Per questo si impiegano varie tecniche, in primis di big data analytics e poi di data science, di AI e machine learning in modo da selezionare le info davvero importanti e sottoporle al personale addetto all’emergenza. Si tratta di milioni di informazioni, video e testuali, da verificare e selezionare in un arco temporale assai ristretto, operazioni altrimenti impossibili. In questo caso gli algoritmi aiutano gli esseri umani a selezionare e capire per poi programmare meglio gli interventi.

 

Può fare un esempio di impiego?

Il nostro staff dell’IIT-CNR ha collaborato con l’Istituto nazionale di geofisica e vulcanologia, i cui analisti erano interessati a capire quali erano le conversazioni social a seguito di terremoti di magnitudo significativa. In questo caso intendevano capire come gestire la comunicazione per evitare la diffusione di false informazioni, fornendo invece notizie vere e puntuali. Il rischio in questi momenti è che circolino notizie inattendibili e, ancor peggio, che vengano veicolati – in buona fede – persino da autorevoli personaggi istituzionali. All’estero, so che la Protezione civile degli USA o quella del Qatar sfrutta queste informazioni per mappare in maniera rapida i danni causati. Partendo da algoritmi di Intelligenza Artificiale cerca di comprendere lo stato dell’arte dell’evento, ricavando appunto info da immagini messe in rete dagli utenti sui social. Attraverso un processo di geocodifica si cerca di capire da quali aree è arrivata una determinata foto o video in modo poi da costituire delle mappe di crisi visualizzando le aree più o meno critiche. Deep learning e computer vision sono le tecniche maggiormente utilizzate per monitorare queste situazioni.

 

Scopri come si potrebbe ridurre il rischio dell’infodemia, continua a leggere su Tech4Future.it

Tech4Future.info
Tech4Future.info

Tech4Future è un progetto editoriale che ha voluto racchiudere in un programma divulgativo l’essenza di un futuro Human-Tech dove la relazione uomo-macchina sarà sempre più stretta e, forse, anche imprescindibile.

leggi tutto