Una recente ricerca pubblicata sull’International Journal of Speleology dimostra come il l’apprendimento automatico possa prevedere la localizzazione delle grotte attraverso un modello di distribuzione di specie
La ricerca scientifica ha fatto un passo avanti nella comprensione della distribuzione delle grotte all’interno dei paesaggi carsici grazie all’utilizzo del machine learning.
Uno studio condotto in Kentucky ha dimostrato come un modello di distribuzione di specie, MaxEnt, possa essere utilizzato per prevedere la localizzazione delle grotte in tre regioni geomorfologiche diverse.
Le grotte rappresentano il punto di contatto tra la morfologia della superficie e quella sotterranea nei paesaggi carsici e la loro distribuzione può aiutare a identificare le aree critiche per il flusso delle acque sotterranee.
Tuttavia, la loro individuazione è spesso difficile e incompleta.
Per affrontare questo problema, i ricercatori hanno utilizzato un modello di distribuzione di specie, comunemente utilizzato in ecologia per prevedere la presenza di specie in aree geografiche specifiche.
Attraverso l’analisi di variabili del paesaggio, come la distanza da pozzi, sorgenti, faglie, l’elevazione, la litologia, la pendenza e l’esposizione, i ricercatori hanno costruito un modello di distribuzione di specie in grado di prevedere correttamente la localizzazione delle grotte in tutte e tre le regioni geomorfologiche.
Gli studiosi hanno scoperto che le variabili più importanti per prevedere la presenza di grotte sono la distanza da pozzi e sorgenti. Inoltre, questo innovativo utilizzo del machine learning potrebbe essere applicato anche ad altre caratteristiche del paesaggio difficili da individuare con tecniche tradizionali.
Il machine learning, o apprendimento automatico, è una tecnologia informatica che consente ai computer di apprendere e migliorare l’esecuzione di una specifica attività, senza essere esplicitamente programmato per farlo.
In questo caso, il machine learning è stato utilizzato per creare un modello di previsione della localizzazione delle grotte in base a dati geografici e ambientali.
In altre parole, il computer ha appreso le relazioni tra le variabili del paesaggio e la presenza di grotte, per poi utilizzare queste informazioni per effettuare previsioni su nuove aree.
Questo studio dimostra come l’intelligenza artificiale possa aiutare a scoprire i segreti delle grotte e delle caratteristiche del paesaggio altrimenti difficili da individuare.
Fonte e articolo originale: https://digitalcommons.usf.edu/ijs/vol52/iss2/2/