luca
Ormai proiettati nella fase di progettazione esecutiva conviene focalizzarsi sull' elemento più innovativo e caratterizzante del progetto: l' utilizzo dell' intelligenza artificiale.
Si tratta di iniezioni di parti "intelligenti" all' interno del sistema e della sua architettura.
Vediamo dove, possiamo metterla.
- Innanzi tutto nella user experience cioè nella profilazione degli utenti, nel tenere traccia delle loro operazioni nel sistema, nel proporgli percorsi di ricerca adeguati al loro profilo, nel modulare le risposte rispetto alle esigenze dell' utente. Questa parte è quindi interna al container di portale (webgis) e ne condiziona il funzionamento.
- Nel motore ETL vero e proprio cioè nella gestione della cache dati, nei criteri di normalizzazione virtuale, nelle regole di offuscamento, nel rating /priorità da dare alle singole banche dati, nel feedback da dare ai gestori delle basi di dati
- Nella gestione delle immagini. E' utile dilungarci un poco su questo..... qualsiasi query produrrà un certo numero di file immagine variamente collegate con i nostri oggetti, ebbene il nome del file e la dimensione non sono significativi se non nel caso in cui entrambi coincidano. In tal caso acquisiremo il file in cache in copia unica tenendo memoria delle fonti, ma il sistema dovrà riconoscere immagini identiche anche quando non c'è tale coincidenza (ad esempio quando l' immagine è la stessa ma ha risoluzione diversa) e agire di conseguenza. Inoltre dovrà "capire" quando una immagine è parte di un' altra. Non sono operazioni banali, ma può aiutarci la tecnica del machine learning (in fondo è simile al gioco "trova le differenze"). Un' altra strada è quella dello storage intelligente. Se mettiamo in cache tutte le immagini e la cache è ospitata su un sistema di storage software designed avremo l' automatica deduplica dei blocchi di dati, cioè ogni sequenza di bit che si ripete in modo significativo verrà memorizzata una sola volta, ebbene se lo storage contiene solo immagini la coincidenza di una sequenza (opportunamente parametrata) è per noi indizio certo della "parentela" tra le due immagini. Se riusciamo a interrogare lo storage sui file di provenienza possiamo ricostruire le immagini tra loro correlate, si tratta solo di "tarare" la lunghezza della sequenza e le "variazioni" accettabili sulla sequenza, poi col machine learning il gioco è fatto.[li]Ultimo campo che mi viene in mente è quello dell' intelligenza geografica della capacità cioè di individuare lo stesso oggetto su più coperture cartografiche anche se è rappresentato con caratteristiche diverse (punto vs area, poligono a n vetrici vs poligono a n + 1 vertici) E' una operazione semplicissima quando hanno lo stesso handle (o handle associati a livello logico) ma invece assai complessa quando gli handle o GID mancano o non sono significativi. Esaurito il dove resta da capire il come. Possiamo infatti ricorrere per gli algoritmi che ci servono ad API di altri sistemi (per esempio Google o altri fornitori) oppure farli sviluppare per noi e in tal caso è importante la collaborazione con AGID che potrebbe svilupparli o finanziarne lo sviluppo. Nel caso abbastanza probabile, di non riuscire a trovare esattamente quello che ci serve è tempo di fare un giro di orizzonte tra le società del settore per capire il possibile costo dell' operazione e chi invitare ad una eventuale gara.