Grazie al miglioramento tecnologico dei telescopi spaziali, e la loro elevata diffusione su tutto il pianeta, l’astronomia contemporanea può vantare una produzione enorme di immagini astronomiche da dover vagliare per la scoperta di nuove pianeti, stelle e galassie.
L’intelligenza artificiale ed in particolare la componete definita Computer Vision, sta permettendo la semplificazione della ricerca astronomica in quanto permette di vagliare una grande mole di dati, che altrimenti dovrebbero essere vagliati dagli stessi astronomi prolungando i tempi della ricerca stessa. La Computer Vision viene molto fruttata nella ricerca di quei corpi celesti che essendo in fase di formazione o comunque di piccole dimensioni spesso sfuggono all’occhio analitico dell’astronomo. Grazie proprio all’intelligenza artificiale è stata fatta una scoperta molto interessante ovvero la scoperta di una giovane galassia, questa è stata individuata tra 40 milioni di oggetti celesti questa è stata chiamata HSC J1631+4426, è lontana circa 430 milioni di anni-luce, la sua massa solare è pari a 0.8 milioni M¤ e paragonata alla via lattea è circa 1.000.000 più piccola, al livello semplicistico è come paragonare una mandorla con una utilitaria. La Computer Vision sta diventando sempre più fondamentale in campo astronomico, e l’analisi di milioni se non miliardi di dati permette a questa particolare intelligenza artificiale di migliorare ogni giorno il suo algoritmo per la ricerca di nuovi corpi celesti. L’apprendimento anche per questa nuova rete neuronale artificiale deve essere continua di fatti il sistema aveva identificato 27 candidati possibili come nuovi oggetti celesti ma soltanto 1 è stato identificato come giovane galassia, gli studiosi però comunicano che sono entusiasti della scoperta e che questa tecnologia aiuterà sicuramente la scienza astronomica.
La scoperta di galassie molto giovani è fondamentale per comprendere le modalità di formazione e dello sviluppo e delle stesse galassie. Questo perché la maggior parte delle galassie che si osservano in cielo o che si scoprono sono generalmente vecchie.
L’intelligenza artificiale in ambito astronomico mediante lo studio di nuovi algoritmi nonostante le scoperte non dà cenno di fermarsi di fatti a maggio 2020 sul “The Astrophisical Jurnal” è stato pubblicato il nuovo modello di Computer Vision denominato Morpheus che mediante la classificazione morfologica pixel per pixel riesce ad identificare i corpi celesti ed addirittura identificare dei possibili falsi positivi.
È stata sviluppata una nuova rete neurale artificiale, Pulse, questa permette di trasformare le immagini sfocate, in immagini ad alta definizione migliorando addirittura di 64 volte la risoluzione.
Questo nuovo strumento è stato sviluppato dai ricercatori della Duke University e portato a conoscenza al mondo scientifico durante l’International Conference on Computer Vision and Pattern Recognition dal 14 al 19 giugno 2020
L’algoritmo è stato sperimentato con i volti delle persone, e riesce a delineare le caratteristiche del volto con una risoluzione mai raggiunta, una tecnologia simile era stata già sviluppata ma con un miglioramento massimo dell’immagine di 8 volte. Il sistema può convertire un’immagine di 16×16 pixel di una faccia in 1024 x 1024 pixel in pochi secondi, aggiungendo più di un milione di pixel, simile alla risoluzione HD. Dettagli come pori, rughe e ciocche di capelli, che sono irrilevanti nelle foto a bassa risoluzione, diventano nitide nelle versioni generate con Pulse. L’algoritmo sfrutta una base di dati, che nel test specifico sono centinaia di volti in alta risoluzione, questi vengono ridotti alle stessa risoluzione dell’immagine in input, ne verifica le somiglianze ed incrementa i singoli punti (pixel) dell’immagine in input, generando un’immagine ad alta risoluzione con caratteristiche molto simile al volto originale. Cynthia Rudin, la direttrice del progetto ha dichiarato che il sistema non è infallibile, ma riesce a fornire un risultato di sicuro plausibile per il riconoscimento di individui come ad esempio da un fermo-immagine di una videocamera di videosorveglianza.
Questo sistema testato con dei volti di persone in realtà potrebbe essere utilizzato con diverse tipologie di immagine come mediche, microscopiche, astronomiche, satellitari e tanto altro.
Rudin, uno studente che ha lavorato a questo progetto ha affermato: “Abbiamo utilizzato uno strumento di apprendimento automatico chiamato generative adversarial network, o GAN, in cui due reti neurali artificiali collaborano per restituire un’immagine realistica del volto e questo sistema tende a migliorare con l’esperienza”.
In questo periodo di emergenza dovuto al Covid-19, che sta interessando tutte le nazioni, si è riscontrato sicuramente un decremento di determinate attività che riguardano gli aspetti sociali e di contatto con il pubblico. Ma è anche vero che ne sta incrementando altri. Colossi mondiali, e non solo, dediti all’informatica come: Microsoft, Google, IBM, Nvidia, stanno galoppando sul mercato azionario. Se prendiamo ad esempio Nvidia una sua azione, da novembre 2019 ad oggi, ha avuto un incremento di 540$. Nvidia, forte di questo incremento, e consapevole della necessità di incrementare l’uso dell’intelligenza artificiale anche al piccolo pubblico dove in passato, “nerds” come Steven Jobs, Bill Gates o Lerry Page, partendo da un piccolo garage hanno fondato un impero come Apple, Microsoft e Google, ha deciso di portare sul mercato la NVIDIA Jetson Nano 2GB. Questo start kit consente ai neofiti e non solo, di acquisire e sperimentare i concetti dell’intelligenza artificiale come Machine Learning e Computer Vision. Il costo davvero piccolo 59$ pari a circa 50€ ma con una buona dotazione. Di fatto la macchina ha le seguenti caratteristiche: • Nvidia JetPack SDK • Software Linux Development Environment • 2GB di memoria • GPU NVIDIA Maxwell a 128 core • CPU ARM A57 quad-core a 64 bit • 472 GFLOPS Con le sue dimensioni ridotte e il basso costo, il Jetson Nano 2GB, può alimentare le applicazioni di Computer Vision in robot o droni. La sua GPU può analizzare i flussi video dalla telecamera in tempo reale, riconoscere oggetti e volti in ogni fotogramma video e inviare i comandi di controllo corrispondenti tramite i suoi pin GPIO o connettori USB. Tutto questo permette a studenti e nerds di imparare giocando e magari permetterà la start−up di un nuovo colosso dell’intelligenza artificiale, il tutto partito dalla propria stanzetta. Puoi preordinare il Jetson Nano 2GB su BidPlanet e con disponibilità tra fine Novembre inizi di Dicembre. Inoltre puoi segui gli approfondimenti ed i tutorial dal sito Web di NVIDIA per iniziare a programmare applicazioni AI sulla tua GPU!
L’ingresso del VAR nei massimi campionati di calcio, delle varie nazioni, non ha avuto l’effetto sperato, ovvero la riduzione significativa dei ricorsi da parte delle squadre nei confronti dell’operato dell’ arbitro in quanto questo è libero di selezionare la migliore inquadratura per valutare la presenza o meno di un’infrazione in particolar modo per le azioni di fuorigioco, causando in aggiunta un allungato dei tempi anche di diversi minuti spezzando i ritmi di gioco delle squadre.
Il massimo organo calcistico internazionale ovvero la FIFA (Fédération Internationale de Football Association) ha dichiarato su Forbes che ha iniziato a lavorare su un sistema dotato di Intelligenza Artificiale per la valutazione del fuorigioco, in modo da coadiuvare l’arbitro nelle decisioni di gioco.
Il sistema utilizza la Computer Vision per il tracciamento ottico, questa tecnologia è già in uso nel mondo del calcio, e non solo, è utilizzata per l’analisi delle prestazioni degli atleti, dove il sistema attribuisce ad ogni giocatore un punto, e lo segue per tutto il tempo di gioco.
Similmente l’intelligenza artificiale attribuisce da 15 a 20pt per ogni giocatore in modo da andare a ben definire gli arti dello stesso. Sulla base di questi punti elabora una linea di fuorigioco e verifica la posizione del giocatore avversario rispetto alla posizione della palla in un determinato momento.
La rete neurale adotta una modalità di auto apprendimento definito Machine Learning, questa modalità di apprendimento ha necessità di tempo per poter ottimizzare al meglio i dati fornite e le immagini analizzate, in quanto deve poter riconoscere la composizione delle squadre ed escludere autonomamente la terna arbitrale durante le valutazioni, creando l’esigenza di portare questa tecnologia direttamente in campo.
Johannes Holzmüller delegato FIFA ha dichiarato a Forbes che il primo l’addestramento sul campo, dell’intelligenza artificiale, è stato nell’ultimo Campionato Mondiale per Club del 2019 con risultati incoraggianti, ma ha aggiunto che per ottenere un’ottima precisione di questo strumento è necessario continuare l’addestramento, di fatti sussiste una collaborazione con alcuni club per permettere il proseguimento dell’addestramento della rete neurale artificiale.
Il debutto potrebbe avvenire nel giro di qualche anno e porterà sicuri miglioramenti mettendo a tacere le così dette “chiacchiere da bar” oltre che a velocizzare il gioco.
In ultima battuta Holzmüller ha affermato che come l’intelligenza artificiale sta cambiando il mondo dalla medicina al marketing, così cambierà il mondo del calcio, e non esclude che altre sistema di intelligenza artificiale possano subentrare in aggiunta nel prossimo futuro.
