L’intelligenza artificiale scansiona i social media mentre avvengono i disastri naturali per aiutare i primi soccorritori.
L’intelligenza artificiale può analizzare enormi quantità di post dai social in caso di disastri per orientare gli interventi dei primi soccorritori. Quando uragani, incendi o terremoti colpiscono, la rapidità d’intervento diventa questione di vita o di morte. E in uno scenario in cui miliardi di utenti condividono contenuti ogni giorno, anche i social network possono diventare un radar. A patto che qualcuno — o qualcosa — sia in grado di interpretarli in tempo utile.
Il limite degli strumenti attuali
I sistemi già in uso di analisi dei social media in situazioni d’emergenza si affidano a pattern visivi o testuali — come immagini di edifici danneggiati o parole chiave (“aiuto”, “incendio”) — per segnalare le criticità. Questo procedimento ha due limiti: è facilmente manipolabile e spesso incapace di distinguere tra contesto reale e fake news. Ademola Adesokan, ricercatore in informatica all’università del Missouri, sta lavorando su modelli di intelligenza artificiale in grado di analizzare flussi massivi di post in tempo reale, con una comprensione che va oltre la semplice ricerca per parola chiave. Il suo approccio, presentato su The Conversation, si concentra sull’analisi semantica per identificare segnali critici e localizzarli, dando così alle squadre di soccorso un vantaggio temporale e informativo. I modelli sviluppati da Adesokan puntano a una lettura che considera insieme testo, immagini e metadati (come la geolocalizzazione).
Il valore dell’analisi multimodale
Uno dei progressi centrali della ricerca è proprio l’analisi multimodale: testi e immagini vengono processati insieme, migliorando l’accuratezza nella classificazione delle situazioni e nell’identificazione delle richieste d’aiuto. Un sistema del genere, già in fase di test con team di emergenza negli Stati Uniti, può catalogare i post in base all’urgenza e alla tipologia (per esempio: richiesta di soccorso, danno infrastrutturale, commento generico), offrendo un quadro dinamico delle priorità operative. Durante l’uragano Sandy, nel 2012, oltre 20 milioni di tweet furono pubblicati in sei giorni. Se modelli di questo tipo fossero stati operativi, avrebbero potuto fornire indicazioni tempestive sulle aree critiche anche in assenza di report ufficiali, riducendo i tempi di risposta. Il sistema affronta inoltre due problemi strutturali dell’informazione social: la disinformazione e la ridondanza. Adesokan ha introdotto un modulo di verifica automatica della credibilità che valuta l’affidabilità dell’utente, la coerenza linguistica del messaggio e il grado di conferma da parte di altri post. Dal punto di vista etico, l’algoritmo esclude dati non pubblici e anonimizza i contenuti, restituendo mappe aggregate prive di riferimenti individuali.
Dai dati al soccorso grazie all’AI
L’obiettivo non è l’analisi fine a sé stessa, ma l’integrazione nei processi operativi delle squadre di intervento. I prototipi già testati sono in grado di evidenziare in tempo reale le aree dove le richieste di aiuto si concentrano, indicare il grado di urgenza e supportare la logistica delle risorse.
Con l’aumento della frequenza e dell’intensità degli eventi climatici estremi, cresce la necessità di strumenti predittivi e adattivi. Le future evoluzioni della ricerca di Adesokan puntano anche alla previsione: riconoscere pattern pre-disastro, intercettare segnali deboli e costruire mappe di rischio basate sull’osservazione sociale in tempo reale. L’AI, in questa visione, diventa un’estensione delle capacità operative della protezione civile: una rete neurale che ascolta milioni di voci e seleziona ciò che conta.
Andrea Indiano
Giornalista con la passione per il cinema e le innovazioni, attento alle tematiche ambientali, ha vissuto per anni a Los Angeles da dove ha collaborato con diverse testate italiane. Ha studiato a Venezia e in Giappone, autore dei libri "Hollywood Noir" e "Settology".
