Nell’articolo precedente vi abbiamo parlato di Intelligenza Artificiale e Intelligenza Collettiva e della loro possibile sinergia. A tal proposito ora vi raccontiamo gli esempi raccolti da Nesta in merito.

1) MapwithAI: creazione di una mappa aperta del mondo

intelligenza collettiva

MapwithAI utilizza la computer vision per catalogare strade e caratteristiche di un territorio  attraverso immagini satellitari ad alta risoluzione. Attraverso delle immagini, un gruppo di volontari può etichettare dati da cui vengono identificati modelli complessi, estratti grazie ad un algoritmo. Il modello prevede e traccia potenziali strade, generando un’immagine migliorata per la comunità di volontari, che in tal modo possono verificare le strade predette dall’AI, aiutando a identificare gli errori e contribuendo al suo miglioramento.

La combinazione di AI con crowdmapping ha ottenuto risultati importanti. In Kerala sono state aggiunte 21.500 strade alla mappa e in un altro progetto in Thailandia i mappatori sono stati in grado di catalogare più di 300.000 miglia di strade in soli 18 mesi, il che avrebbe richiesto altri 3-5 anni per la mappatura “tradizionale”.

2) Common Voice: il crowdsourcing per il test del software di riconoscimento vocale

Common Voice è un’iniziativa di Mozilla che consente alla comunità online di donare la propria voce e contribuire alla creazione di un database vocale globale open source. Il database verrà utilizzato da Mozzilla per creare e testare il Deep Speech, un motore di riconoscimento vocale opensource. Oltre a contribuire con le proprie voci, gli utenti possono anche fare da volontari per ascoltare e approvare il significato dei contributi vocali di altri user, il che aiuta l’AI ad analizzare e classificare meglio la grande quantità di dati.

Attualmente gli utenti hanno donato a Common Voice più di 2.500 ore di voce da 29 lingue diverse. L’obiettivo finale è quello di rendere il riconoscimento vocale aperto e accessibile a tutti e garantire che i dati utilizzati per testare gli strumenti di riconoscimento vocale rappresentino la piena diversità e inclusività delle voci delle persone reali.

3) Onesoil: un aiuto per gli agricoltori a prendere decisioni migliori

Onesoil è stato sviluppato per aiutare gli agricoltori a prendere decisioni migliori. Si tratta di una piattaforma che applica la tecnologia Computer Vision per identificare automaticamente un tipo coltura che cresce in un campo, usando immagini satellitari. Incrociando questi dati con i dati meteorologici e le informazioni fornite da altri agricoltori sui trattamenti delle colture, dà utili spunti per aiutare a scegliere le prospettive migliori per migliorare i raccolti.

OneSoil  ha mappato più di 35 milioni di campi in Europa ed è già stato utilizzato su migliaia di colture in Europa e negli Stati Uniti.

4) Syrian Archive: documentazione delle violazioni dei diritti umani

Il progetto  Syrian Archive  è stato lanciato nel 2014 per preservare i dati condivisi online e documentare gli eventi avvenuti in Siria durante la guerra.

Il team di Syrian Archive ha creato un archivio open source per catalogare dati provenienti da social media, tra cui Facebook, Youtube, Twitter. Attraverso questo processo sono stati in grado di assemblare un vasto archivio di dati video e di testo, archiviati su più server. Dopo aver assemblato questa ricca risorsa di dati, il team ha sviluppato uno schema per standardizzare i dati in un formato intuitivo per la ricerca, a cui può accedere una comunità globale di professionisti dei diritti umani e cittadini interessati.

5) WeFarm: collega gli agricoltori che necessitano di sostegno

Wefarm è un servizio peer-to-peer gratuito che consente agli agricoltori su piccola scala in Kenya, Uganda e Tanzania di condividere informazioni via SMS, senza aver bisogno di accesso a Internet e senza dover lasciare la propria fattoria.

La rete consente agli agricoltori su piccola scala di scambiarsi domande su qualsiasi argomento e di ricevere in pochi minuti contenuti e idee su misura da altri agricoltori di tutto il mondo. Le domande possono essere poste in qualsiasi lingua e la messaggistica è gratuita.

È diventato il più grande network digitale farmer-to-farmer del mondo, con oltre 1 milione di agricoltori che la utilizzano in Kenya e Uganda, condividendo ogni giorno oltre 40.000 domande e risposte.

6) Early warning project: previsione del genocidio e altre atrocità di massa

The Early Warning Project (EWP)  mira a migliorare il sistema di allarme rapido per  genocidi, utilizzando una combinazione di diversi metodi che includono previsioni, classificazione di esperti e modellistica statistica. Il progetto invita gli esperti del settore a partecipare a un’indagine comparativa annuale in cui classificano coppie di paesi, scegliendo quale è più probabile che subisca un nuovo massacro. I risultati di questo sondaggio informano la selezione di paesi “più a rischio”, di cui il Progetto di allarme rapido tiene traccia in tempo reale, attraverso uno strumento di previsione chiamato Good Judgment Open. Le previsioni vengono calcolate accumulando molte opinioni personali sulla probabilità di eventi. Ricerche precedenti hanno dimostrato che un gruppo non specializzato può prevedere eventi geopolitici in modo più accurato rispetto ai singoli esperti.

Il progetto Early Warning produce una classifica di oltre 160 paesi in base alla probabilità che si verifichino insorgenze di omicidi di massa, con l’obiettivo di indirizzare meglio le azioni preventive da parte di governi e enti di beneficenza. I genocidi  sono eventi rari che hanno pochi precedenti storici e quindi l’approccio combinatorio dell’EWP assicura che segnali deboli aiutino a colmare le lacune nella valutazione del rischio statistico e nelle raccomandazioni degli esperti. Il progetto è un esempio di combinazione di diverse capacità complementari dell’intelligenza umana e artificiale per informare il processo decisionale.

7) Zooniverse: migliorare i test sulla citizen science

Si tratta della più grande piattaforma crowd-based online per la citizen science. Zooniverse è sempre stata in prima linea nel testare diversi tipi di integrazione dell’IA pur rimanendo consapevole della responsabilità che hanno nei confronti della propria comunità di volontari.

Esempi interessanti includono il loro progetto Gravity Spy che utilizza un algoritmo di rete neurale circonvoluzionale (CNN) per ottimizzare la formazione dei volontari.

Questa nuova aggiunta al progetto Gravity Spy ha aumentato la qualità di precisioni delle classificazioni dal 54% al 90%, oltre a migliorare la fidelizzazione dei volontari. Il progetto Gravity Spy dimostra anche l’importanza di contributi unicamente umani nell’individuare tipi di glitch non osservati precedentemente. Queste scoperte fortuite dipendono da un ragionamento contestuale sofisticato che è una sfida irrisolta per l’intelligenza artificiale.

 

Articolo basato su: Nesta: AI and Collective Intelligence: case studies

LEAVE A REPLY

Please enter your comment!
Per favore inserisci qui il tuo nome