Sappiamo che le reti neurali convoluzionali, sono strumenti estremamente potenti: più volte, abbiamo descritto come il riconoscimento e l’analisi automatica di grandi set di immagini, possa raggiungere i fini più disparati. Dalla creazione di ologrammi 3D in tempo reale, alla messa a punto di speciali strumenti di diagnosi e prevenzione, l’uso delle pratiche di deep learning si sta profondamente affermando in qualsiasi ambito scientifico.

Ora, ha senso applicare le stesse metodologie di ricerca, anche alle scienze umanistiche? 

A tal proposito, avevamo già scritto del progetto Cultural Landscapes Scanner, dove i ricercatori dell’IIT – Istituto Italiano di Tecnologia puntavano ad identificare – utilizzando speciali algoritmi ed immagini satellitari – nuovi siti archeologici. Mentre tal intenzione presenta ancora molte criticità ed un lungo lavoro di ricerca e sviluppo, oggi parliamo delle più tangibili opportunità illustrate nella pubblicazione “A Deep Learning Approach to Ancient Egyptian Hieroglyphs Classification“. 

Lo studio, frutto di una collaborazione tra il Consiglio Nazionale delle Ricerche, l’Università degli Studi di Firenze e il Center for Ancient Mediterranean and Near Eastern Studies – CAMNES, descrive la concreta prospettiva di codifica, riconoscimento e traslitterazione dei segni geroglifici grazie all’addestramento puntuale di una rete neurale. Ad oggi, i ricercatori hanno testato la capacità del sistema di identificare e classificare singoli ideogrammi, ottenendo risultati estremamente promettenti, tanto da poter far sperare in una sua futura capacità di traduzione automatica. 

#IntelligenzaArtificiale per il riconoscimento automatico dei geroglifici egizi
Studio di #Cnr_Ifac @UNI_FIRENZE e @CAMNES evidenzia come il #DeepLearning possa essere adoperato per classificare l’antica scrittura geroglifica egizia
Scopri di più al link👇https://t.co/ApTj9qo1c8 pic.twitter.com/pluNuFD2UB

— CNR Consiglio Nazionale delle Ricerche (@CNRsocial_) September 17, 2021

Tanta multidisciplinarità ha permesso lo sviluppo di questo progetto: primo autore dello studio pubblicato è Andrea Barucci, esperto analista di immagini biomediche con tecniche di machine e deep learning, collega della ricercatrice Costanza Cucci all’Istituto di Fisica Applicata IFAC-CNR. Dal Centro Studi CAMNES, ha partecipato l’egittologo e filologo Massimiliano Franci, mentre dal Dipartimento di Ingegneria dell’Informazione dell’Università di Firenze, Marco Loschiavo e Fabrizio Argenti:

Dal punto di vista ingegneristico eravamo sicuri delle potenzialità degli strumenti di analisi scelti, tuttavia questo era un banco di prova importante, essendo un tipo di applicazione completamente diverso. Abbiamo voluto esplorare un ambito di ricerca nuovo, che si è rivelato estremamente interessante e promettente.

L'articolo Reti neurali ed ambiziosi obiettivi di traduzione geroglifica proviene da Osservatorio C Quadra.

La ricerca, finanziata oltre che dal UW Reality Lab, anche da Facebook, Google, Futurewai ed Amazon, si era prefissata lo scopo di creare animazioni partendo da un’immagine statica ed unica, senza alcun input esterno od aggiuntivo. Insomma, si voleva usare il deep learning per trasformare una foto… in un video. 

Nella fase attualmente raggiunta, la rete neurale addestrata riesce ad animare qualsiasi oggetto o materiale abbia un’evoluzione fluida, quindi nuvole, corsi d’acqua, colonne di fumo, cascate. Il sistema opera delle previsioni in base a come si muoverebbero realmente questi elementi, grazie alle informazioni acquisite direttamente dall’immagine di partenza. 

Gli scienziati hanno addestrato la rete mediante l’analisi di migliaia di video di panorami naturali, così che l’algoritmo potesse apprendere come eventuali increspature prevedono l’andamento di uno scroscio d’acqua o come le forme delle nubi preannunciano un loro dissolvimento. Il risultato finale è un breve video in alta definizione, che si ripete in loop, dando l’impressione di un morbido movimento infinito.

📸 – Sarah McQuate, University of Washington

I ricercatori, guidati dal dottorando Aleksander Hołyński, come prossimo step, puntano ad applicare queste animazioni alle persone, generando il movimento dei capelli che fluttuano al vento, l’oscillazione di un piede o un battito di ciglia. 

Sempre rimanendo nella sfera dell’apprendimento profondo, avevamo già parlato nello scorso mese di Marzo degli studi del Massachusetts Institute of Technology riguardanti la creazione di ologrammi 3D in tempo reale, sempre addestrando la rete neurale con grandi set di informazioni. 

Molte sono le ricerche attualmente in corso che vanno a concentrarsi sul miglioramento del fotorealisimo. Intel, per esempio, ha recentemente mostrato quanto possa essere efficace l’azione del machine learning su immagini digitali, prendendo in prestito le grafiche del famosissimo videogame Grand Theft Auto V. Sfruttando una rete neurale convoluzionale ispirata a processi biologici visivi ed utilizzando un grande database di immagini ad alta risoluzione di una cittadina tedesca, la rete è riuscita a sostituire in tempo reale i vari elementi scenici con quelli realistici, ottenendo un risultato sorprendente. 

L'articolo Deep learning ed immagini: quali le applicazioni possibili? proviene da Osservatorio C Quadra.

Particolarmente significativa l’applicazione in medicina e assistenza alla persona: è in questa direzione che prende le mosse il progetto Dr. VCoach: Employment of Advanced Deep Learning and Human-Robot Interaction for Virtual Coaching dell’Università di Cagliari.

Dr. VCoach è un robot umanoide personal trainer pensato per supportare le attività motorie di allenamento delle fasce di età più avanzate. Il dispositivo, in funzione degli input verbali e visivi ricevuti durante l’attivazione e l’interazione con l’utenza, sarà in grado di definire ed eseguire un programma di esercizi mirati.

La ricerca, che durerà per due anni da settembre 2021 a ottobre 2023, sarà coordinata da Diego Reforgiato Recupero, docente di Informatica al Dipartimento di Matematica e Informatica dell’Università di Cagliari e vedrà il coinvolgimento del ricercatore Nino Cauli. Sarà quest’ultimo il beneficiario del finanziamento ottenuto dal progetto, la borsa di ricerca del programma europeo Marie Sklodowska-Curie Individual Fellowships.

Il robot sarà addestrato tramite interfaccia specifica da veri personal trainer. Basandosi sui comandi verbali ricevuti dagli utenti sarà in grado di tarare l’allenamento in modo da soddisfare le esigenze specifiche del fruitore, mentre attraverso la visione robotica installata potrà rilevare, monitorare ed eventualmente correggere i movimenti degli anziani atleti eseguendoli nel modo idoneo.

Al progetto, che sarà sviluppato al HRI Lab presso i locali del Dipartimento di Matematica e Informatica dell’Ateneo di Cagliari, collaborano anche le aziende R2M Solution s.r.l., società coinvolta in diversi progetti H2020 sul tema,  EveryWhereSport s.r.l. e VisioScientiae s.r.l., entrambe spin-off dell’università sarda.

Il laboratorio, attivo su tecnologie di Deep Learning, Sentiment Analysis, IoT, Assistive Technologies e Semantic Web, si occupa di interazione uomo-robot e ha all’attivo diversi studi basati sull’applicazione di NOA/Zora, dispositivo programmabile e autonomo in grado di interagire con l’uomo attraverso il linguaggio naturale.

Il robot sarà in grado di comunicare con l’utente, comprenderne gli stati emotivi, identificare ciò che viene eseguito davanti alla propria telecamera e generare movimenti in funzione degli stimoli ricevuti. Dr. VCoach garantirà supporto all’allenamento dei più anziani in modo coinvolgente e permettendo loro una esecuzione degli esercizi semplificata, basata sull’imitazione.

L'articolo Un personal trainer robot per l’allenamento degli anziani proviene da Osservatorio C Quadra.