L’Istituto di Scienza e tecnologie dell’informazione del Cnr, con la Fondazione Bruno Kessler di Trento e l’Argonne National Laboratory negli Usa, ha sviluppato un algoritmo, basato sull’intelligenza artificiale, in grado di prevedere e spiegare in dettaglio i flussi di mobilità. Lo studio e’ stato pubblicato su Nature Communications Il modello tradizionale utilizzato per la previsione dei flussi di mobilità sia a piedi che con automezzi, è il cosiddetto “gravitazionale”. Ispirato alla legge di gravitazione universale di Isaac Newton, esso anno che il flusso di mobilita’ tra due luoghi, per esempio due di una città, e’ alla loro popolazione e inversamente. Nella pratica, il modello gravitazionale e’ spesso inaccurato perche’ si basa su due sole variabili e cioè distanza e popolazione e non e in grado di catturare relazioni complesse tra di loro.
“Deep Gravity” è un algoritmo che aggiunge al modello gravitazionale due ingredienti fondamentali e cioè: l’utilizzo di diverse variabili che ricerca i punti di interesse in un ristoranti, alberghi, ospedali e strade, e le relazioni complesse tra queste variabili grazie all’utilizzo del deep learning. “Esperimenti condotti su tre Paesi (Italia, Inghilterra e Stato di New York) hanno dimostrato che Deep Gravity e’ in grado di prevedere i flussi con un’accuratezza che e’ fino a mille volte migliore di quella del modello gravitazionale”, dichiara Luca Pappalardo del Cnr-Isti e autore principale dell’articolo. L’utilizzo di “Explainable AI” (Intelligenza Artificiale spiegabile) ha consentito agli utenti di comprendere le motivazioni dietro i flussi di spostamento tra aree nei tre sotto analisi. A differenza di previsto dal modello gravitazionale, quanto variabili che guidano al loro spostamenti tra paesi e anche distanza e popolazione sono quelle piu’ importanti.
