Una eina d'intel·ligència artificial per monitoritzar via satèl·lit la destrucció d'edificis en guerres
Investigadors de la UAB i l'IIAE-CSIC han liderat un estudi en què han aplicat l'aprenentatge automàtic per detectar la destrucció d'edificis per artilleria mitjançant l'ús de xarxes neuronals. Aquest mètode possibilitaria monitoritzar la destrucció d'un conflicte bèl·lic, gairebé en temps real, per millorar la resposta humanitària.
07/06/2021
El mètode, desenvolupat en un projecte co-liderat per Andre Groeger, del Departament d’Economia i d’Història Econòmica de la Universitat Autònoma de Barcelona (UAB) i Hannes Mueller, de l'Institut d'Anàlisi Econòmica del CSIC, es basa en xarxes neuronals que han estat entrenades per detectar en imatges de satèl·lit característiques de destrucció d'atacs amb armament pesat (artilleria i bombardejos), com les runes d'edificis ensorrats o la presència de cràters de bombes. El projecte compta amb la implicació essencial de Joan Serrat, investigador del Departament de Ciències de la Computació de la UAB i del Centre de Visió per Computador. També hi han participat científics de la Chapman University de Califòrnia (EUA).
En el treball, els resultats del qual s’han presentat a la revista Proceedings of the National Academy of Sciences (PNAS), els científics han aplicat aquest mètode per monitoritzar la destrucció de sis de les principals ciutats de Síria (Alep, Daraa, Deir-Ez -Zor, Hama, Homs i Raqqa), castigades per un conflicte bèl·lic des de fa més de deu anys. Els resultats mostren que és molt eficient en la monitorització. "El nostre enfocament", diuen els científics, "es pot aplicar a qualsevol àrea poblada sempre que es disposi d'imatges de satèl·lit repetides i d'alta resolució".
Una de les claus del nou mètode és que la xarxa neuronal superposa i compara imatges successives d'un mateix lloc contrastant sobre una línia temporal que inclou sempre una primera imatge abans del conflicte bèl·lic. Una altra novetat és la incorporació d'informació espacial i temporal, que dona context a l'observació de destrucció. Així mateix, l'eina incorpora un mètode nou d'etiquetatge de les imatges: el sistema és capaç de fer suposicions raonables utilitzant la informació contextual i entrenar l'algoritme amb la informació de destrucció al voltant d'un edifici.
Els mètodes automatitzats han de ser capaços de detectar la destrucció en un context on la gran majoria d'imatges no aparenten destrucció. Però sovint interpreten com enderrocats edificis que realment no ho estan, donant lloc a una elevada taxa de falsos positius (FPR). Fins i tot a Alep, ciutat fortament castigada per la guerra, només el 2,8% de totes les imatges d'àrees poblades contenen un edifici que va ser confirmat com destruït pel Programa d'Aplicacions Operacionals de Satèl·lits de les Nacions Unides (UNOSAT, en les seves sigles en anglès) al setembre de 2016, on fan una classificació manual.
L'estudi demostra que l'algoritme entrenat és capaç d'identificar danys en zones de la ciutat d'Alep que no formen part de l'anàlisi de UNOSAT. També, evidencia que el seu mètode és capaç d'identificar bombardejos a les sis ciutats.
Els resultats són prometedors i permeten aplicacions per a la detecció i fins i tot el seguiment en temps gairebé real de la destrucció per conflictes bèl·lics, una forma específica de violència particularment nociva per als civils i comunament utilitzada per desplaçar poblacions. El nou mètode pot ajudar a millorar la capacitat de reacció i la resposta d’ajuda humanitària de les organitzacions internacionals.
El nostre mètode, diuen els investigadors, "és especialment adequat per aprofitar la creixent disponibilitat d'imatges d'alta resolució. Hem calculat que l'etiquetatge manual humà de tot el nostre conjunt de dades costaria aproximadament 200.000 dòlars i les repeticions addicionals d'imatges augmentarien aquest cost gairebé proporcionalment. Amb un mètode automatitzat com el nostre, una major freqüència d'imatges ajuda a millorar la precisió i el cost addicional és petit".
El treball s'ha desenvolupat en el marc d'un projecte interdisciplinari que uneix economistes i ciències de la computació (“lacaixa” Research Grants on Socioeconomic Wellbeing Evaluation - Analyzing Conflict from Space). Ja rebut finançament de la Barcelona Graduate School of Economics (BGSE) en cooperació amb la Fundació "la Caixa"; del programa Severo Ochoa per a Centres d'Excel·lència en R+D; del Ministeri de Ciència i Innovació, i de la Chapman University (EUA).
Referència: Hannes Mueller, Andre Groeger, Jonathan Hersh, Andrea Matranga, Joan Serrat. Monitoring war destruction from space using machine learning. PNAS June 8, 2021 118 (23) e2025400118; https://doi.org/10.1073/pnas.2025400118