Quando si parla di Intelligenza Artificiale, la mente di molte persone corre subito a immagini profondamente false o a ChatGPT. Tuttavia, le metodologie di Intelligenza Artificiale stanno dimostrando di essere incredibilmente utili in una vasta gamma di applicazioni, soprattutto in settori ad alto consumo di dati come l’osservazione della Terra. Attraverso l’utilizzo di nuovi modelli governativi e commerciali, i clienti sono in grado di monitorare da remoto grandi flotte di navi, misurare la povertà in dettaglio e monitorare i disastri naturali per fornire aiuti tempestivi e mirati alle persone bisognose.
Agenzie governative e aziende private stanno sviluppando strumenti di Intelligenza Artificiale innovativi per dare priorità all’elaborazione delle immagini satellitari in situazioni di emergenza, nonché in altri eventi in cui è fondamentale una risposta rapida.
I satelliti in orbita producono oggi una quantità di dati senza precedenti e gli operatori si rivolgono sempre di più a sofisticate tecniche di elaborazione per consentire analisi più rapide e significative in una vasta gamma di applicazioni. Nell’ambito dei satelliti per l’osservazione della Terra (EO), soprattutto quelli che generano immagini ottiche, un elemento sta rapidamente diventando indispensabile: l’Intelligenza Artificiale (AI).
Il 3 agosto, la NASA e IBM hanno rilasciato il primo modello di base open source per l’analisi delle immagini satellitari, ospitato sulla piattaforma Hugging Face e addestrato utilizzando i dati Harmonized Landsat Sentinel-2 (HLS). Questo rilascio comprende modelli dimostrativi addestrati per l’identificazione di caratteristiche geografiche come cicatrici da incendi e inondazioni.
Rahul Ramachandran, project manager e ricercatore senior presso la NASA, ha sottolineato l’importanza dei modelli di base per l’avanzamento dell’analisi geospaziale in una dichiarazione congiunta per questa partnership. “I modelli di base di Intelligenza Artificiale per l’osservazione della Terra offrono un enorme potenziale per affrontare complessi problemi scientifici e accelerare la diffusione più ampia dell’Intelligenza Artificiale in diverse applicazioni”, ha dichiarato.
Il modello di base della NASA e IBM rappresenta solo una delle pietre miliari raggiunte nell’ambito dell’Intelligenza Artificiale nell’industria spaziale negli ultimi anni. L’Intelligenza Artificiale e lo spazio hanno una lunga storia di collaborazione, che va dalle manovre satellitari e dalla telemetria dei veicoli spaziali alla navigazione robotica su Marte e all’analisi degli esopianeti. Con la crescita delle costellazioni di satelliti EO commerciali, le aziende stanno sviluppando software basati sull’Intelligenza Artificiale per gestire i dati e fornire prodotti utilizzabili e facili da interpretare ai propri utenti finali.
Il mercato dei dati EO commerciali è in crescita costante, poiché clienti commerciali e governativi, tra cui le agenzie di sicurezza nazionale con i propri satelliti ad alta risoluzione, stanno riconoscendo i vantaggi delle costellazioni satellitari e degli strumenti analitici. Secondo Markets and Markets, il mercato dell’analisi geospaziale, stimato a 78,5 miliardi di dollari nel 2023, potrebbe crescere fino a 141,9 miliardi di dollari entro il 2028.
L’industria dell’EO ha fatto molti progressi rispetto ai primi giorni della corsa allo spazio, in cui telecamere erano legate a razzi suborbitali. Ora, satelliti commerciali e governativi catturano ogni giorno milioni di immagini della Terra da diverse orbite.
Tuttavia, con un flusso costante di immagini ad alta risoluzione arrivano anche milioni di file di grandi dimensioni che devono essere trasferiti sulla Terra e archiviati per l’analisi. L’archivio dei dati scientifici della Terra della NASA conteneva già 72 petabyte (un petabyte equivale a 1 milione di gigabyte) di immagini satellitari entro la fine dell’anno fiscale 2022. Si prevede che questa quantità crescerà rapidamente nei prossimi anni, con il lancio di ulteriori missioni satellitari EO. La NASA prevede che l’archivio potrebbe raggiungere i 600 petabyte entro la fine del decennio. Alla fine del 2022, il programma europeo Copernicus aveva 34 petabyte nel suo archivio dati, e si prevede che crescerà fino a 80 petabyte entro sei anni.
Poiché molte aziende EO utilizzano costellazioni di piccoli satelliti anziché uno grande, come fanno molte missioni governative, anche queste aziende producono enormi quantità di dati. Ad esempio, la costellazione di Planet Lab ha fotografato ogni luogo sulla Terra in media 1.300 volte. Maxar Technologies, fondata nel 2017, ha accumulato oltre 125 petabyte nel proprio archivio dati.
L’Intelligenza Artificiale sta portando efficienza nell’analisi delle immagini satellitari. Il campo dell’Intelligenza Artificiale offre una versatilità tale da permettere l’utilizzo di diverse tecniche per l’intero ciclo di vita dell’analisi dei dati satellitari, garantendo maggiore velocità e accessibilità. Esri, la società di sistemi di informazione geografica (GIS) dietro la famiglia di software ArcGIS, identifica tre principali modi di applicare l’Intelligenza Artificiale all’analisi geospaziale: automatizzare le attività per eseguirle rapidamente su larga scala, analizzare modelli passati per fare previsioni e scoprire modelli nascosti in grandi quantità di dati.
Con il rilascio del modello di base per l’analisi delle immagini satellitari da parte della NASA e IBM, il processo di pulizia dei dati diventa più semplice e accurato nella fase iniziale, consentendo ai ricercatori di concentrarsi sull’analisi effettiva delle caratteristiche individuate. Questo modello di Intelligenza Artificiale ha dimostrato un miglioramento del 15% rispetto ai modelli tradizionali, richiedendo solo la metà del tipico set di dati di addestramento. Per i set di dati di immagini EO, in cui il modello apprende da funzionalità identificate manualmente, il requisito più piccolo del set di dati di addestramento rappresenta un progresso significativo nel campo.ppresenta un enorme risparmio di tempo.