In evidenza
Sezioni
Magazine
Annunci
Quotidiani GNN
Comuni
      1. Aiello del Friuli
      2. Amaro
      3. Ampezzo
      4. Andreis
      5. Aquileia
      6. Arba
      7. Arta Terme
      8. Artegna
      9. Arzene
      10. Attimis
      11. Aviano
      12. Azzano Decimo
      1. Bagnaria d'Arsa
      2. Barcis
      3. Basiliano
      4. Bertiolo
      5. Bicinicco
      6. Bordano
      7. Brugnera
      8. Budoia
      9. Buia
      10. Buttrio
      1. Camino al Tagliamento
      2. Campoformido
      3. Campolongo al Torre
      4. Caneva
      5. Carlino
      6. Casarsa della Delizia
      7. Cassacco
      8. Castelnovo del Friuli
      9. Castions di Strada
      10. Cavasso Nuovo
      11. Cavazzo Carnico
      12. Cercivento
      13. Cervignano del Friuli
      14. Chions
      15. Chiopris-Viscone
      16. Chiusaforte
      17. Cimolais
      18. Cividale del Friuli
      19. Claut
      20. Clauzetto
      21. Codroipo
      22. Colloredo di Monte Albano
      23. Comeglians
      24. Cordenons
      25. Cordovado
      26. Corno di Rosazzo
      27. Coseano
      1. Dignano
      2. Dogna
      3. Drenchia
      4. Enemonzo
      5. Erto e Casso
      1. Faedis
      2. Fagagna
      3. Fanna
      4. Fiume Veneto
      5. Fiumicello
      6. Flaibano
      7. Fontanafredda
      8. Forgaria nel Friuli
      9. Forni Avoltri
      10. Forni di Sopra
      11. Forni di Sotto
      12. Frisanco
      1. Gemona del Friuli
      2. Gonars
      3. Grimacco
      1. Latisana
      2. Lauco
      3. Lestizza
      4. Lignano Sabbiadoro
      5. Ligosullo
      6. Lusevera
      1. Magnano in Riviera
      2. Majano
      3. Malborghetto Valbruna
      4. Maniago
      5. Manzano
      6. Marano Lagunare
      7. Martignacco
      8. Meduno
      9. Mereto di Tomba
      10. Moggio Udinese
      11. Moimacco
      12. Montenars
      13. Montereale Valcellina
      14. Morsano al Tagliamento
      15. Mortegliano
      16. Moruzzo
      17. Muzzana del Turgnano
      1. Nimis
      1. Osoppo
      2. Ovaro
      1. Pagnacco
      2. Palazzolo dello Stella
      3. Palmanova
      4. Paluzza
      5. Pasian di Prato
      6. Pasiano di Pordenone
      7. Paularo
      8. Pavia di Udine
      9. Pinzano al Tagliamento
      10. Pocenia
      11. Polcenigo
      12. Pontebba
      13. Porcia
      14. Pordenone
      15. Porpetto
      16. Povoletto
      17. Pozzuolo del Friuli
      18. Pradamano
      19. Prata di Pordenone
      20. Prato Carnico
      21. Pravisdomini
      22. Precenicco
      23. Premariacco
      24. Preone
      25. Prepotto
      26. Pulfero
      1. Ragogna
      2. Ravascletto
      3. Raveo
      4. Reana del Rojale
      5. Remanzacco
      6. Resia
      7. Resiutta
      8. Rigolato
      9. Rive d'Arcano
      10. Rivignano
      11. Ronchis
      12. Roveredo in Piano
      13. Ruda
      1. Sacile
      2. San Daniele del Friuli
      3. San Giorgio della Richinvelda
      4. San Giorgio di Nogaro
      5. San Giovanni al Natisone
      6. San Leonardo
      7. San Martino al Tagliamento
      8. San Pietro al Natisone
      9. San Quirino
      10. San Vito al Tagliamento
      11. San Vito al Torre
      12. San Vito di Fagagna
      13. Santa Maria La Longa
      14. Sauris
      15. Savogna
      16. Sedegliano
      17. Sequals
      18. Sesto al Reghena
      19. Socchieve
      20. Spilimbergo
      21. Stregna
      22. Sutrio
      1. Taipana
      2. Talmassons
      3. Tapogliano
      4. Tarcento
      5. Tarvisio
      6. Tavagnacco
      7. Teor
      8. Terzo d'Aquileia
      9. Tolmezzo
      10. Torreano
      11. Torviscosa
      12. Tramonti di Sopra
      13. Tramonti di Sotto
      14. Trasaghis
      15. Travesio
      16. Treppo Carnico
      17. Treppo Grande
      18. Tricesimo
      19. Trivignano Udinese
      1. Udine
      1. Vajont
      2. Valvasone
      3. Varmo
      4. Venzone
      5. Verzegnis
      6. Villa Santina
      7. Villa Vicentina
      8. Visco
      9. Vito d'Asio
      10. Vivaro
      1. Zoppola
      2. Zuglio
Biodiversità

Grazie a due ingegneri di Google l'Ai riconosce il canto degli uccelli per salvare le foreste

L'intelligenza artificiale istruita per ascoltare i richiami dell'avifauna, che aiutano a comprendere lo stato di salute degli alberi. Il sistema basato sulla bioacustica sviluppato da Tom Denton e Scott Wisdom: "Applicabile in vari ecosistemi, come la barriera corallina"

2 minuti di lettura

Ettari ed ettari andati in fumo. Capita ogni anno in California e non solo lì. I grandi incendi si fanno sempre più frequenti e non è facile stabilire la profondità del danno. Oltre alle piante, che alcuni ormai fanno contare all'intelligenza artificiale attraverso la scansione delle immagini satellitari, anche la fauna e in generale la biodiversità vengono minacciate se non seriamente compromesse da eventi del genere. E così due ingegneri in forza a Google, Tom Denton e Scott Wisdom, hanno insegnato ad un algoritmo ad ascoltare e riconoscere il canto degli uccelli per capire lo stato di una foresta o di qualsiasi altro ambiente naturale grazie alla "bioacustica" ai tempi dell'intelligenza artificiale (Ai).

"Gli uccelli sono ovunque intorno a noi e, ascoltando, possiamo imparare molte cose sul nostro ambiente" racconta in collegamento video dalla California Tom Denton. Originario di St. Louis, 40 anni, è cresciuto in una famiglia di musicisti e a Google si occupa per lo più di sistemi di compressione della voce. Ma in quel 20% del tempo che il colosso del web permette che i dipendenti impieghino in progetti propri, ha deciso di sviluppare uno strumento gratuito che potesse aiutare gli ecologisti a stabilire con precisione le conseguenze di un incendio.

L'intelligenza artificiale di Google riconosce il canto degli uccelli

"Si usano da sempre i richiami degli uccelli per capire lo stato di salute delle foreste", continua l'ingegnere. "Se ci sono molti picchi, ad esempio, significa che abbonda il legno morto. Poiché gli uccelli comunicano e segnano il territorio con i canti e richiami, è più facile identificarli a orecchio. Se ne possono individuare fino a dieci volte più rispetto alla vista. Ma per farlo bisogna passare molto tempo all'ascolto, sul luogo o lasciando degli apparati di registrazione. Ecco perché abbiamo addestrato un'intelligenza artificiale a riconoscere in automatico le varie specie". 

Più facile a dirsi che a farsi. Gli uccelli spesso cantano l'uno sull'altro, specialmente durante il cosiddetto "coro dell'alba", quando molte specie lanciano i loro richiami al sorgere del sole. Inoltre, le registrazioni nelle quali c'è il richiamo di una sola specie, sulle quali fare allenare l'intelligenza artificiale, sono poche. "Non è come la voce umana, dove basta fare una serie di sessioni in studio", prosegue Denton. "Quasi tutti i dati disponibili vengono da registrazioni in esterno, dunque rumorose, nelle quali sono presenti anche altri suoni come il vento, gli insetti e perfino l'attività umana. Non è semplice per una Ai isolare i suoni, riconoscerli e catalogarli".  

Di conseguenza i modelli di classificazione del canto esistenti faticano a fare il loro lavoro. I due ingegneri di Google hanno usato le registrazioni prese dal sito Xeno-Canto e quelle della Macaulay Library riuscendo a ottenere risultati molto al di sopra della media. Hanno poi aggiunto altre registrazioni realizzate sulle montagne della Sierra Nevada e nei parchi di New York. Per separare automaticamente i canti senza poter contare su campioni di suoni isolati, i due ricercatori di Google hanno messo a punto un nuovo metodo di apprendimento delle macchine non supervisionato chiamato mixture invariant training (MixIT) associato ad un secondo, mixture of mixtures (MoM). Il primo separa su singoli canali i vari canti contenuti in un'unica registrazione, MoM invece serve ad allenare MixIT per renderlo via via più abile unendo due diverse registrazioni prese dal mondo reale per gestire un livello di difficoltà doppio rispetto alla media. Il tutto è stato poi rilasciato open source su GitHub. Non è un sistema perfetto, cade in errore in certi frangenti, ma come dicevamo ha ottenuto risultati interessanti.  

"È un sistema che può funzionare in vari ambiti", conclude Tom Denton. "Attualmente stiamo lavorando con la California Academy of Sciences per capire come l'habitat e le specie si mescolano dopo gli incendi. Ma la tecnica MixIT può essere utilizzata per creare indici acustici per misurare la salute di un ecosistema attraverso l'attività di uccelli, insetti e anfibi senza necessariamente mirare all'individuazione delle singole specie. E si potrebbe adattarla per l'uso sott'acqua per monitorare ad esempio la salute della barriera corallina". I due stanno anche pensando a campi molto differenti, specie nella medicina, convinti che la bioacustica possa in prospettiva fare passi da gigante. Grazie però all'intelligenza artificiale.