Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
EDITORIALE<br />
Fotogrammetria e Intelligenza Artificiale for All<br />
La recente esplosione delle tecniche di Intelligenza Artificiale (AI), basata sull’apprendimento della macchina<br />
verso applicazioni dirette alla documentazione e riproduzione, sta portando risultati sempre più soddisfacenti dal<br />
punto di vista della qualità.<br />
Le attuali tendenze vogliono vedere la AI per i Beni Culturali sulle analisi predittive, il riconoscimento<br />
archeologico dei frammenti ceramici, l’attribuzione delle opere, ma quello che veramente può fare la differenza<br />
è la possibilità di cercare informazioni all’interno di diverse banche dati traendone risultati che possano essere<br />
analizzati, valutati e selezionati dalla mente umana che così impartirà alla macchina istruzioni di classificazione<br />
delle informazioni che aiuteranno anche l’intelligenza artificiale a crescere.<br />
Un esempio in questo campo è la frontiera di un progetto che si sta sviluppando all’interno delle banche dati<br />
della Sovrintendenza del Comune di Roma, dove un’intelligenza artificiale creerà le condizioni per cercare le<br />
informazioni di interesse dell’utente su decine di banche dati, normalmente aggiornate e popolate dagli addetti<br />
del settore, che verranno interrogate per fornire risposte senza archiviare nuovi dati, ma solo attribuendo<br />
criteri di affidabilità alle informazioni restituite, in funzione di come studiosi, ricercatori o normali cittadini<br />
preleveranno i risultati.<br />
Un altro aspetto in cui la AI sembra poter dare risposte coerenti è quella della analisi applicata al mondo della<br />
scansione tridimensionale della realtà, attivando un confronto analitico tra lo stato dell'arte in materia di<br />
fotogrammetria negli algoritmi di scansione 3D, attraverso una macchina che riesce autonomamente a classificare<br />
i dati ed a strutturarli gerarchicamente, trovando quelli più rilevanti e utili alla risoluzione del problema<br />
(esattamente come fa la mente umana), migliorando le proprie prestazioni con l’apprendimento continuo.<br />
Una dimostrazione è riportata nell’articolo sulla tecnica di rilievo fotogrammetrica supportata da un algoritmo<br />
di intelligenza artificiale di Nicola Santoro. L’algoritmo può essere allenato, a seconda dell'oggetto della<br />
scansione, su specifici ambiti di ricerca, medicale, artistico, paesaggistico, ingegneristico e architettonico, con<br />
un apprendimento profondo che aiuta il fotogrammetrista a catturare l'oggetto del rilievo a strati incrementali,<br />
consentendo di spaziare dalla scala reale ad ingrandimenti fino a 500 x, ottenendo un livello di dettaglio che può<br />
spingersi fino a consentire indagini sullo stato di degrado dei materiali strutturali.<br />
Di certo l’analisi statistica è alla base di tali algoritmi, i cui risultati possono essere affidabili nell’ambito di<br />
un’incertezza che nel campo della misura si definisce con un certo grado percentuale. Come è difficile poter<br />
definire il valore vero di una misura effettuabile solo con strumenti non perturbati da fattori interni sistematici o<br />
casualmente esterni, anche il risultato del lavoro dell’Intelligenza Artificiale, sempre relativo a quanto la mente<br />
umana ha progettato, è affidabile in termini di valori percentuali che possono crescere ma mai arrivare a dare<br />
una certezza di affidabilità del valore assoluto ricercato.<br />
Di certo in questo confronto si libera la potenzialità della fotogrammetria che integra le nuvole di punti<br />
direttamente rilevate, con nuovi punti originati da immagini con le procedure matematiche di algoritmi<br />
fotogrammetrici classici o algoritmi di nuova tendenza spesso derivati dalle esigenze di costruzione di mondi<br />
virtuali del cinema come quelli dello Structure from Motion.<br />
E l’integrazione ottimale di questi due mondi si sta affacciando con i nuovi Smartphone dotati di camera ToF<br />
Time-of-Flight, un sensore di profondità che utilizza i raggi infrarossi per stimare la distanza dagli oggetti nel<br />
suo campo visivo. Questo è paragonabile al processo utilizzato per creare immagini 3D con laser scanner, ma le<br />
misurazioni sono prese con lunghezze d'onda infrarosse, forse con precisioni inferiori al laser. Il nome Time-of-<br />
Fligt si riferisce al tempo impiegato da un raggio infrarosso per essere inviato e restituito al sensore dopo aver<br />
colpito un oggetto. Poiché la velocità della luce è costante, il dispositivo è in grado di calcolare quanto è lontano<br />
un oggetto basandosi sulla misura del tempo di ritorno del raggio. Una tecnologia non nuova, già presente nei<br />
progetti degli anni ’80, che ora finalmente si affaccia su strumenti alla portata di tutti sfruttando un potenziale<br />
di elaborazione che aggiunge funzionalità significative con costi minimi.<br />
Technology for All, appunto.<br />
Buona lettura,<br />
Renzo Carlucci