Come accennato nella lezione precedente, Texty ha utilizzato due diversi algoritmi nella produzione di Leprosy of the Land.

Dopo che il primo algoritmo ha permesso al team di suddividere sezioni di immagini satellitari delle foreste ucraine in sottosezioni visivamente uniformi, c'è stato bisogno di un secondo algoritmo che potesse identificare quali sezioni di immagini satellitari somigliassero maggiormente agli esempi di immagini esistenti di estrazione dell'ambra.  In poche parole, serviva un "classificatore personalizzato".

Un classificatore personalizzato è un tipo di modello di machine learning utilizzabile quando il caso concreto che dobbiamo affrontare richiede l'applicazione di etichette predefinite per classificare un set di dati di immagini che intendiamo esaminare.

Nel nostro caso, queste etichette predefinite sono semplici: "SÌ: questa immagine include elementi visivi coerenti con i modelli che di solito mostrano l'attività di estrazione dell'ambra" e "NO: questa immagine non include elementi visivi che suggeriscono l'attività di estrazione dell'ambra".

 Google Cloud AutoML Vision ci consente di fare proprio questo. Impareremo come utilizzarlo per eseguire l'apprendimento supervisionato, vale a dire che, dopo aver fornito un set di immagini, addestreremo un modello di Machine Learning ad applicare a quelle immagini le etichette SI e NO.

Come ha affermato Jeremy Merrill di Quartz AI Studio nel suo A Crash Course for Journalists In Classifying Text with Machine Learning, "per le tue esigenze giornalistiche puoi scegliere qualunque algoritmo, purché tu scelga l’algoritmo che vada nella giusta direzione”.

AutoML Vision non è l'unico strumento che potremmo utilizzare per raggiungere l'obiettivo desiderato. In realtà, non è l'algoritmo che Texty ha utilizzato durante la sua indagine. Il motivo per cui utilizziamo AutoML Vision in questo corso è la sua accessibilità: non è necessario disporre di competenze di programmazione per apprenderne il funzionamento e per addestrare un modello dati ad alte prestazioni.

Se hai già alcune capacità di programmazione e desideri saperne di più, dai un'occhiata a anche fast.ai  e Practical Deep Learning for Coders. 

Ora puoi iniziare a utilizzare AutoML Vision. Nel resto del corso, impareremo come utilizzarlo per ottenere il risultato desiderato: addestrare un modello di Machine Learning a riconoscere l'estrazione illegale di ambra. 

Texty e JournalismAI hanno collaborato alla realizzazione di questo corso. Grazie a questa partnership, saremo in grado di utilizzare un campione delle effettive immagini satellitari utilizzate da Texty nell'indagine  Leprosy of the Land.

Prima di proseguire, assicurati di controllare altri prodotti  AI e Machine Learning  offerti da Google Cloud, tra cui Natural Language, Translation, Speech-to-Text e Text-to-Speech e molto altro ancora.