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