Intelligence artificielle Des chercheurs utilisent un modèle basé sur l’apprentissage supervisé pour mieux gérer...

Pour approfondir le sujet

Sur le même thème :

Une interface cerveau-machine permet à des personnes handicapées d’écrire grâce à la pensée

Des chercheurs de l'Université de Stanford ont conçu une interface cerveau-machine (ICM) innovante. Cette interface neuronale directe permettra à son utilisateur d'écrire des mots...

Intelligence artificielle : la reconnaissance d’expressions faciales peut-elle être universelle ?

Dans chaque pays du monde, pour exprimer nos sentiments, nos émotions ou parfois même une idée, nous utilisons certaines expressions faciales. Toutefois, ces mimiques...

Le projet CETI : comprendre la langue des cachalots grâce à des outils d’intelligence artificielle

Comprendre la langue utilisée par les animaux est un des enjeux de certains scientifiques : c'est notamment le cas de Denise Herzing qui étudie,...

Enquête : focus sur le marché mondial du machine learning sur la période 2020-2027

Verified Market Research, une agence spécialisée dans les études de marché, a publié son enquête sur le marché du machine learning ainsi que son...

Des chercheurs utilisent un modèle basé sur l’apprentissage supervisé pour mieux gérer les inondations

Le dégel, les différences de niveau du sol, la quantité d’eau reçue et son débit : ce sont trois des variables entrant en jeu dans les inondations, rendant ce phénomène très difficile à anticiper. D’autant plus lorsqu’il s’agit de prévenir la population du danger que cela pourrait représenter et de l’informer quant aux possibles zones touchées. Une équipe de chercheurs de l’Université de Tohoku au Japon a développé une plateforme utilisant l’intelligence artificielle afin d’identifier rapidement les potentiels bâtiments inondés et inondables.

Une étude sur les inondations et les photographies des médias

Dans un article publié le 5 avril dernier, Genki Odaka, Luis Moya, Erick Mas et Shunichi Koshimura, tous les quatre chercheurs de l’Université de Tohoku, ont mis en avant leurs recherches visant à identifier l’étendue des inondations et des bâtiments touchés. Derrière leur volonté d’étudier ce phénomène, deux objectifs :

  • proposer une réponse concrète d’adaptation aux catastrophes, comme la mise en place d’opérations de sauvetage,
  • et analyser les moindres risques d’inondations à venir pour essayer de prévoir leur arrivée.

Les scientifiques ont créé un modèle de machine learning capable d’utiliser les photographies prises par les médias afin d’identifier avec précision quels bâtiments sont inondés, et ce, dans les 24 heures après le début de l’inondation. Grâce à ce modèle, les experts ont pu démontrer que les rapports rédigés rapidement par les médias ont une importance cruciale pour déterminer les zones d’inondés et réaliser une cartographie précise des dommages.

Un modèle d’apprentissage supervisé

Ce modèle a été testé lors d’une inondation due à de fortes pluies survenues à Kurashiki, au Japon. En premier lieu, les chercheurs ont identifié des photos publiées par la presse et les ont géolocalisées en fonction des repères et autres indices présents sur l’image. Ils ont ensuite utilisé des images radars à synthèse d’ouverture, fournies par l’agence d’exploration aérospatiale japonaise (JAXA), pour mettre en évidence les zones inondées et non inondées. Enfin, l’apprentissage supervisé a été pour qu’une machine à vecteurs de support puisse classer les bâtiments en deux catégories : “inondés” et “non inondés mais situés en zone inondée”.

Les chercheurs ont constaté que les informations recueillies et traitées de cette manière dans les 24 heures après une catastrophe pouvaient permettre de classer les bâtiments avec une précision d’environ 80%. Cette étude a mis en avant l’utilité des méthodes de machine learning et plus précisément celles des méthodes d’apprentissage supervisé.

Toute la pertinence de ce modèle repose sur les séries de données utilisées afin d’entrainer le modèle. Comme indiqué précédemment, les inondations sont et restent des phénomènes imprévisibles. Chaque épisode est différent, et sera soumis aux multiples variables qui composent les inondations, mais également aux caractéristiques géographiques de la zone inondée. D’où l’intérêt grandissant de se procurer les photographies d’inondations prises par les utilisateurs de réseaux sociaux ou par les médias.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
Zacharie Tazrout

Partager l'article

Générer des structures de benzénoïdes grâce à l’intelligence artificielle

Les benzénoïdes sont une sous-famille d’hydrocarbures (molécules composées uniquement d’atomes d’hydrogène et de carbone) dont les atomes de carbone forment des hexagones. Les propriétés...

5 questions à Julien Chiaroni et Arno Pons sur le rapport sur l’IA de confiance de Digital New Deal

Comment mieux encadrer l'intelligence artificielle, lutter contre les biais et les dérives et œuvrer pour la mise en place d'une IA de confiance basée...

Ce modèle de machine learning détecte les contaminations microbiennes dans les cultures cellulaires

Les chercheurs de l’Alliance Singapour-MIT pour la Recherche et la Technologie (SMART) à Singapour, ont développé un modèle de détection d’anomalies qui utilise le...

Etude du Centre Hubertine Auclert sur « Les freins à l’accès des filles aux filières informatiques et numériques »

De nombreuses études sont menées tout au long de la scolarité des élèves, certaines se rapportent à la réussite scolaire des filles et leurs...
Recevoir une notification en cas d'actualité importante    OK Non merci