IBM Pairs fa luce sui dati geospaziali

di Alessandro Ferrari



Gli IBM Scientist Xiaoyan Shao (a sinistra) e Conrad Albrecht al lavoro sul Pairs Geoscope

Incremento del 26% in termini quantitativi e del 50% dal punto di vista dell’uniformità, con un indice qualitativo delle colture pressoché raddoppiato. Il tutto utilizzando il 22% di acqua in meno. Sono questi i risultati della co-sperimentazione per un sistema di irrigazione di precisione, condotta nel 2017 in California su un terreno di 4 ettari della E. & J. Gallo Winery, la più grande azienda vinicola a conduzione familiare del mondo.

Il sistema incorporava una rete di comunicazione su cloud, centinaia di sensori e attuatori, immagini satellitari per misurare l'uniformità e la salute del verde, un modello complesso per stimare la perdita di acqua dalle colture e dal suolo basato su parametri atmosferici e uno per il meteo localizzato con cui stimare le esigenze di irrigazione future. Il test coincise con il battesimo di una tecnologia IBM denominata Pairs Geoscope, acronimo di Physical Analytics Integrated Data Repository & Services, destinata ad aprire la strada allo sfruttamento più efficace dei dati geospaziali.

Ora, dal 6 febbraio, IBM Pairs Geoscope è a disposizione di data scientists e sviluppatori software di un ampio ventaglio di settori che vanno dall’agricoltura alla finanza, dal commercio all’energia senza dimenticare le agenzie governative. Lo scopo è ottenere intuizioni utili allo sviluppo del business in chiave competitiva e alla soluzione di problemi d’interesse generale.

I dati geospaziali identificano un insieme di informazioni che comprende immagini aeree e satellitari ad alta risoluzione, modelli su scala globale (meteo, clima, oceani), sensori IoT geo-referenziati e dati catturati su piattaforme come Twitter e Gdlt. Pubblici, e quindi accessibili a chiunque, si caratterizzano per un massiccio ammontare (600 zettabytes ogni anno, a partire dal 2020 solo, quelli generati dal solo IoT) e per la complessità dei formati, due caratteristiche che ne fanno un bene di non facile uso e scalabilità, specialmente per grandi aree e applicazioni time-critical. Semplice la ragione: renderli disponibili all’analisi richiede un dispendio di lavoro tale da creare insormontabili colli di bottiglia.

Pairs Geoscope risolve il problema invertendo il processo: porta cioè gli analytics ai dati. In pratica, la piattaforma su cloud assicura un accesso semplice e diretto, via laptop o terminale, a un catalogo di informazioni che cresce di giorno in giorno a livello di terabytes. Il sistema è in grado di ingerire, curare e integrare senza soluzione di continuità le molteplici forme di dati geospaziali con un’analisi avanzata che si avvale dell’apprendimento automatico, reso possibile da grande potenza computazionale, e di tecniche di intelligenza artificiale. Così un’ampia, eterogenea mole di informazioni, in larga parte inutilizzata, trova archiviazione e ordine sotto forma di un insieme indicizzato di dati, in formato comune, che si presta a un efficiente recupero e all’attività di query.

La piattaforma è attualmente impiegata da alcune agenzie governative per predire l’impatto dei disastri naturali, inclusa la diffusione degli incendi. L’esplorazione petrolifera e l’estrattivo si candidano intanto come settori di elezione mentre l’industria primaria, l’energia e le utilities hanno già cominciato a farvi ricorso. Pairs, peraltro, è la tecnologia sottostante alle soluzioni Watson Decision Platform for Agriculture e The Weather Company Vegetation Management, entrambe decisive per attingere valore da terabyte di dati e predire meglio la resa dei raccolti e i rischi legati all’interruzione dei servizi di trasmissione elettrica provocati dalla vegetazione.

Due esempi paradigmatici ci portano negli Stati Uniti. Il primo è offerto da Bunge, azienda globale dell’agribusiness e del food. Qui Pairs Geoscope, affiancandosi all’analisi tradizionale dei dati proprietari, viene utilizzato su un ampio set di informazioni pubbliche -previsioni del tempo, produzione agricola, immagini dei satelliti- applicando metodi statistici avanzati e il machine learning alla granularità dei dati meteo e satellitari. Ciò che si ottiene sono previsioni sofisticate sull’impiego del terreno e sulla resa delle colture.

Interessante anche il caso di IHI Corporation, società di ingegneria che fornisce al mercato un ampio insieme di prodotti per il settore aeronautico, lo spazio e la difesa. IHI sta lavorando con il servizio di Pairs Geoscope per sviluppare un nuovo sistema in grado di migliorare del 30% l’accuratezza delle previsioni meteo di lungo termine, quelle dai trenta giorni in poi. Nello specifico, il team usa dati dai sensori di GPS Radio Occultation dei satelliti che alimentano i profili tridimensionali di temperatura, pressione e umidità dell’atmosfera. Miscelandoli con informazioni sia storiche sia di lungo termine, e impiegando tecniche di apprendimento automatico, si ottengono intuizioni con cui migliorare le previsioni del tempo.

L’intefaccia web interattiva del servizio permette agli utilizzatori di eseguire query, cioè domande, su petabytes di dati geospaziali. Le informazioni ottenute possono essere scaricate in vari formati. Con un vantaggio per gli sviluppatori: quello di far crescere le proprie applicazioni senza dover rimpiazzare quanto già utilizzato, dal set di mappatura alla visualizzazione, dall’acquisizione dati alle piattaforme di controllo.

Con Pairs Geoscope comincia a prendere forma una delle previsioni tecnologiche annunciate da IBM con i “5 in 5” del 2018: il “macroscope”, inteso come sistema di software e algoritmi capace di organizzare le informazioni sul mondo fisico raccolte da miliardi di dispositivi. Dalla loro analisi ricaveremo quella conoscenza che occorre per dare nuovo impulso all’innovazione e al progresso umano.

13 marzo 2019

Alessandro Ferrari, External Relations and Executive Communications lead
@alefederferrari

Visit us on LinkedIn