Representantes del proyecto DeepCube (H2020-SPACE), entre los que se encuentra la Universitat de València, han celebrado su primera reunión de trabajo con el fin de iniciar y coordinar actividades necesarias para cumplir con sus objetivos: abordar problemas nuevos de alto impacto medioambiental y social, mejorar la comprensión de los procesos de la Tierra correlacionados con el Cambio Climático y generar valor empresarial. Todo ello, mediante Inteligencia Artificial (IA) y modelos de datos semánticos.
El programa de observación de la Tierra Copernicus, de la Unión Europea, proporciona datos gratuitos y abiertos a gran escala y de alta calidad, lo que constituye un cambio de paradigma en la observación de la Tierra. En la actualidad, Copernicus produce varios terabytes de datos cada día. Sin embargo, la disponibilidad de su enorme volumen de datos supera la capacidad de los investigadores para extraer información significativa de ellos.
‘DeepCube-Explainable AI pipelines for big Copernicus data’ es un proyecto de tres años financiado por el programa Horizonte 2020 de la Unión Europea bajo el tema ‘Big data technologies and Artificial Intelligence for Copernicus’. La iniciativa consiste en explotar el potencial de los datos de este programa de la UE y la ESA, aprovechando los últimos avances tanto en el campo de la Inteligencia Artificial como en los modelos de datos semánticos. Los objetivos finales de DeepCube son abordar problemas nuevos y ambiciosos que impliquen un alto impacto medioambiental y social, mejorar la comprensión de los procesos de la Tierra que están correlacionados con el Cambio Climático, y generar de forma viable un alto valor empresarial.
Para lograrlo, los equipos de investigación del Consorcio DeepCube combinarán TIC consolidadas y nuevas, como el Earth System Data Cube –conjunto de datos homogeneizado de variables esenciales del sistema Terrestre–, la plataforma Hopsworks para el Deep Learning distribuido, o herramientas de visualización de última generación que se integrarán para permitir el desarrollo de nuevos modelos y aplicaciones basadas en Deep Learning, capaces de extraer valor de los grandes datos de Copernicus. DeepCube desarrolla arquitecturas que se extienden a datos y problemas no convencionales, e introduce un novedoso paradigma de modelado híbrido para modelos de Inteligencia Artificial basados en datos que respetan las leyes físicas, abriendo la caja negra del Deep Learning a través de la IA y la causalidad.
Las tecnologías resultantes tendrán aplicaciones en seis campos: previsión de impactos de sequías y calores extremos localizados en África, migración inducida por el clima en África, previsión de riesgos de incendio a corto plazo en el Mediterráneo, detección y alerta automática de deformaciones volcánicas, detección de cambios de tendencias de deformación para la monitorización de infraestructuras críticas, y servicios de Copernicus para un turismo sostenible y respetuoso con el medio ambiente.
El Consorcio DeepCube está formado por 9 socios de 6 países europeos, que representan a la industria espacial y de observación de la Tierra, a la investigación y al mundo académico, y a las PYMES de inteligencia artificial.
Para diseñar sus aplicaciones, los socios colaborarán con los usuarios finales, entre ellos el Servicio de Bomberos de Grecia, Survey Technologies –empresa de ingeniería topográfica con sede en Qatar– y Terra Nordeste, una agencia de viajes brasileña especializada en turismo sostenible–.
El Consorcio lanzó oficialmente el proyecto el 1 de enero de 2021, y los días 26 y 27 de enero el Observatorio Nacional de Atenas –coordinador de DeepCube– acogió la reunión inicial online con todos los socios, a la que asistieron más de 40 personas (@DeepCube_H2020).
Además del Image Processing Laboratori (IPL) de la Universitat de València, forman parte del proyecto el National Observatory of Athens (NOA), el Max Planck Institute for Biogeochemistry (MPG) , el Logical Clocks (LC), la National and Kapodistrian University of Athens (UoA), i les empreses GAEL Systems (GAEL), TRE-ALTAMIRA (TREA), INFALIA (INFALIA) y Murmuration (MUR).
Más información:
https://twitter.com/DeepCube_H2020
https://www.linkedin.com/company/deepcube-h2020/about/