Machine Learning: il team dell’Università di Bari al primo posto in gara

Si è classificata al primo posto l’Università di Bari nella competizione internazionale di Machine Learning, ovvero nell’ambito di apprendimento automatico. La stessa università ha divulgato infatti un comunicato annunciando questo successo in una delle sfide di intelligenza tra le più coinvolgenti ed entusiasmanti che ci siano. I programmi infatti prevedono la capacità, in seguito ad una fase di addestramento, di creare modelli utili che dopo una fase di preparazione riescano a prendere decisioni in maniera del tutto autonoma.

Uno dei migliori approcci sino ad ora sperimentati in questo ambito è quello che si definisce “deep learning”, ovvero “l’apprendimento profondo”. Questo meccanismo adopera architetture complesse caratterizzate da un insieme di livelli tra loro interconnessi che emulano l’organizzazione dei neuroni umani. Questo contribuisce a produrre delle rappresentazioni di dati che vanno a favorire la creazione di modelli più efficaci in quest’ambito, senza che siano richiesti interventi umani impegnativi che vadano a trasformare o processare i dati in questione. L’Università di Bari ha conquistato la prima posizione proprio in quest’ambito, nella competizione internazionale “TiSeLaC-Time Series Land Cover Classification Challenge” ovvero la competizione ospitata alla conferenza europea su Machine Learning (ECMLPKDD 2017) che avrà luogo a Skopje, in terra macedone, dal 18 al 22 settembre. I ricercatori coinvolti nel progetto barese, Teresa Basile, Antonio Vergari e Fabrizio Ventola con Nicola Di Mauro alla guida, si recheranno nella capitale macedone per la consegna del premio e per avere così la possibilità di illustrare la soluzione da loro elaborata. La competizione sul Machine Learning, ha l’obiettivo infatti di favorire la progettazione di un sistema informatico che possa interpretare e classificare i pixel, partendo dalle immagini satellitari ad alta definizione. La macchina elaborata sarà in grado di definire cosa rappresenti quel pixel in realtà se un pezzo di città, un bosco, un orto o altro. Un modello di decisione del genere consente l’interpretazione automatica di immagini ad alta risoluzione, come quelle elaborate dai satelliti funzionanti al giorno d’oggi. Grazie a questi sistemi si potrebbe infatti creare automaticamente mappe dettagliate, o scoprire in maniera semplice fonti di acqua, o monitorare flora e fauna in un determinato territorio. Altri ambiti di applicazione potrebbero essere quello medico, dove le immagini iperspettrali potrebbero iniziare ad essere diffuse ed utilizzate per la diagnostica.

Il team che ha vinto la competizione è costituito da ricercatori del Lacam, un laboratorio appartente al Dipartimento di Informatica sotto la direzione della Prof.ssa Floriana Esposito in collaborazione con una ricercatrice del Dipartimento di Fisica dell’Università degli Studi di Bari. Il gruppo partecipante si occupa in particolare di apprendimento automatico e Deep Learning. Il sistema elaborato è in grado di apprendere in parallelo diverse rappresentazioni che tenessero conto sia della natura spaziale che di quella temporale dei dati in trattamento e delle correlazioni che sono presenti in diversi canali visivi disponibili nelle immagini.