Posts in Uncategorised

AI per contrastare le cause dello sfruttamento del lavoro minorile

October 1st, 2019 Posted by Uncategorised 0 comments on “AI per contrastare le cause dello sfruttamento del lavoro minorile”

Martedì 1 ottobre dalle 11 alle 12, nell’ambito del Salone della CSR e dell’Innovazione Sociale, in programma a Milano presso l’Università Bocconi, il direttore di CIAI Francesca Silva, interverrà nell’incontro “Tecnologia, innovazione, sostenibilità” illustrando l’esperienza di CIAI in Burkina Faso con il progetto PICAPS.

Intro

Per questo progetto la sfida è stata quella di identificare correttamente il genere maschile o femminile dei bambini fotografati all’interno di un’aula scolastica. La scelta è stata di usare le reti neurali artificiali, attingendo al ricco strumentario open-source in materia di Deep Learning.

L’attività descritta è un problema di “classificazione”, in quanto abbiamo due classi (maschi e femmine) alle quali è possibile associare una data immagine.

Ricerca del modello

Nella tecnica Deep Learning, la classificazione di un’immagine non è altro che l’applicazione di un filtro multistrato ad essa. Il campo di ricerca su questo argomento è molto attivo, e vi sono vari modelli in circolazione, rilasciati sia dalle società commerciali come Google o Microsoft, sia dal settore universitario come Visual Geometry Group della università di Oxford. Come molti dei nostri progetti, anche il progetto in questione si svolge in un contesto con delle costrizioni sia di potenza dei dispositivi, sia di una scarsa connettività, quindi la scelta del modello da adottare è ricaduta naturalmente sul MobileNet proposto da Google. E’ un modello particolarmente efficiente ed al tempo stesso leggero, solo 17Mb rispetto ai modelli standard che si aggirano sulle centinaia di Mb.

Il modello, detto a  Reti Neurali Convolute, o ConvNet (CNN) sono uno degli algoritmi di Deep Learning più utilizzati oggi nella computer vision, e trovano applicazione in tantissimi campi, dalle automobili autonome ai droni, dalle diagnosi mediche al supporto e trattamento per gli ipovedenti.

Come per ogni problema di machine learning, per allenare una rete vi è il bisogno di fornire molti dati. Questi dati verranno utilizzati dal modello stesso, per parametrizzare i propri nodi interni, arrivando a capire quali caratteristiche sono determinanti per una classe e quali invece non lo sono. Ad esempio per distinguere un maschio da una femmina potrebbe essere utile considerare la grandezza relativa degli occhi, mentre invece sarebbe inutile considerare il colore della pelle. Queste astrazioni vengono scoperte in automatico dalla rete neurale, in un processo detto allenamento. Per raccogliere i dati necessari siamo andati a direttamente sul campo.

Raccolta delle immagini

Sono state raccolte circa 2000 fotografie, tramite due macchine fotografiche digitali: una per le femmine, ed una per i maschi. In questo modo siamo stati sicuri di effettuare una classificazione già all’origine, cosa non banale da fare a posteriori con un operatore umano.

Modifica della rete

2000 fotografie non sono assolutamente sufficienti per allenare una rete neurale robusta, ma per nostra fortuna esiste una tecnica chiamata Transfer Learning che permette un ulteriore allenamento di un modello già allenato in precedenza.   

Il modello MobileNet è stato allenato con il database di immagini classificate ImageNet, composto da più di 14 milioni di immagini con le relative classi, cosa che ha permesso al modello di apprendere quali sono quelle caratteristiche di base che fanno distinguere un entità da un altra. Caratteristiche come le forme geometriche ad esempio. Al termine del caricamento avevamo un modello con 89 strati sequenziali.

Allenamento

A questo punto abbiamo effettuato un ulteriore allenamento sugli ultimi 20 strati del modello, per aggiustarlo al nostro contesto ed alle nostre immagini.

Le immagini raccolte sul campo attraversano in sequenza tutti 89 filtri, diventando sempre più astratte, perdendo senso per noi umani, ma acquistando senso per la rete neurale.

Risultati

I nostri risultati si aggirano su un’accuratezza del 94%. Ci aspettiamo comunque di migliorare questo risultato raccogliendo più dati in fase di esecuzione del progetto. Di seguito il risultato su un insieme di 183 immagini mai viste dal modello in fase di allenamento.

Di seguito alcuni esempi:

I numeri sopra le immagini indicano il grado di confidenza del modello, che passa dallo 0 (confidenza minima) all’1 (confidenza massima)

Femmine con la massima confidenza

 

Maschi con la massima confidenza

Soggetti dove il modello si è confuso maggiormente

“A chi serve la valutazione? Il valore dei dati fra nuove tecnologie, questioni etiche e innovazione sociale”

September 3rd, 2019 Posted by Data Analysis, Data Collection, M&E, software development, Training, Uncategorised, web platform 0 comments on ““A chi serve la valutazione? Il valore dei dati fra nuove tecnologie, questioni etiche e innovazione sociale””

Tavola Rotonda

Nell’ambito del corso “From Paper to Tablet”

19 Settembre 2019 – H11-13

presso l’Istituto Beata Vergine Addolorata (http://www.ibva.it), Via Calatafimi 10 Milano

L’evento

La valutazione di impatto è ormai entrata a pieno titolo nella prassi ordinaria del lavoro nell’ambito della cooperazione allo sviluppo. Pur essendo sempre stata una componente essenziale del ciclo di vita del progetto, la valutazione riceve una rinnovata attenzione da parte di studiosi, donatori e ONG a partire da questo decennio. Inizialmente promossa come “buona pratica”, la valutazione è poi sostenuta dalle procedure stesse dei donatori. Ormai le parole “impatto” e “valutazione” veicolano la narrativa dello sviluppo un po’ come “sostenibilità” o “ownership” nei decenni scorsi. 

Un ruolo importante è certamente stato giocato dallo sviluppo tecnologico che ha reso possibile nel giro di pochi anni la raccolta di ingenti quantità di dati anche in contesti strutturalmente low-tech. Non è un caso che negli ultimi anni si sia assistito ad un fiorire di strumenti software per la raccolta, la gestione e l’elaborazione di dati in situazioni di connettività intermittente e con verticalizzazioni su tematiche specifiche, come salute o educazione. 

In questo nuovo rinascimento della valutazione restano però delle zone grigie che interrogano il mondo dello sviluppo e sembrano mettere in discussione la reale efficacia di questi esercizi che, in assenza di risposte, rischiano di essere relegati a mere prestazioni di stile. Come valutare l’impatto di lungo periodo con strumenti di finanziamento di breve termine? Come uscire dal circolo del progetto e valutare un programma o l’intera organizzazione? Come capitalizzare le valutazioni negative? Come scambiare la conoscenza acquisita tra diverse organizzazioni? Come coinvolgere tutti gli attori, compresi i beneficiari, in una valutazione?

Queste sono solo alcune delle domande alle quali cercheremo di iniziare a rispondere in un evento organizzato nell’ambito del corso di formazione “From paper to tablet”. L’evento sarà un seminario di confronto nel quale alcuni esperti di valutazione e data analysis porteranno il proprio punto di vista. Il dibattito sarà aperto a tutti gli attori della cooperazione internazionale. 

Relatori

  • Federico Mento, Social Value Italia
  • Enrico Testi, ARCO 
  • Federico Bastia, Fondazione punto.sud
  • Margherita Romanelli, Link2007

Modera: Christian Elevati, Changelab

Programma

11:00 – 11:05 Benvenuto ai partecipanti (Francesca Silva – CIAI)
11:05 – 11:30 Saluti istituzionale delle Fondazioni promotrici (Compagnia di San Paolo, Fondazione Cariplo)
11.30 – 12.30 Tavola rotonda esperti
12.30 – 13.15 Discussione con partecipanti
13.15 – 13.30 Conclusioni (Gnucoop)
13.30 – 14.30 Networking (light) lunch

La partecipazione all’evento è gratuita perchè inserita all’interno dell’iniziativa Innovazione per lo sviluppo promossa da Fondazione Cariplo e Compagnia di San Paolo.

Per iscriversi cliccare qui 

 

Su questi temi, la centralità dei dati ed alcuni aspetti della valutazione, abbiamo pensato di proporvi inoltre alcuni spunti di riflessione ed un breve questionario online che ci possa aiutare a mettere insieme una fotografia dello stato dell’arte nel mondo della cooperazione in Italia.

Next Steps: when you got data it’s time to gain knowledge

July 30th, 2018 Posted by AI, Blockchain, Data Analysis, Data Collection, software development, Uncategorised 0 comments on “Next Steps: when you got data it’s time to gain knowledge”

What does the ancient astronomer Taqi ad-Din, the well known scientific communicator Neil deGrasse Tyson, and the father of modern statistics, Sir Francis Galton, have in common? Their life is tightly bound with data analysis, as almost everything in our “data explosion” times, should be. The era of guessing is rapidly declining, when the data-driven paradigms are more and more on the rise. Gnucoop, being a data oriented software company from the very beginning, stays true to it’s origins. During the last Gnumeeting, an entire day was dedicated to an extended overview of the Data Science discipline, for all our team. I was delighted to introduce my colleagues to all the bolts and nuts of this fascinating, almost magic, activity called Machine Learning.

Starting with some historical anecdotes on how a wrong data interpretation could, and in fact did lead to some disastrous outcomes, we moved on experiencing how fascinating the data visualization could be. I always suggest to make a peek at David McCandless marvelous project called “informationisbeautiful.net“. It’s the best place to quickly understand how much information could be delivered to us, with simple visualization techniques, instead of using pure language.

Next we moved to the real core of the data analysis, taking a look at the data cleaning activity and some basic models like Linear Regression, applied on some standard datasets from Kaggle. Kaggle is de facto the place to go for every data enthusiast, being the main platform both for education and competitions in data science, setting all the reference benchmarks for the best models around.

Our data-garden was next enriched by Decision Trees, creating a Random Forest (pun intended). All our products and projects will expand on existing decision support systems, leveraging all our data gathering tools, and Machine Learning techniques going forward with all this rapid developing field.

Data analysis made some huge leaps in the last years, allowing software not only to see, but also to understand what is looking at. We analyzed some data sets for Classification problems, making our model actually distinguish between entities, being it some lexical notions, as in Natural Language Processing  techniques, or plain pictures containing subjects. There are several tools at our disposition for the task, from some simple Probability Models to some more advanced Convolutional Neural Networks. In conclusion we did test some other techniques regarding Time Series analysis for pattern recognition. As usual one can only predict efficiently an event which is generated from some discovered strong patterns, otherwise we go back to guessing.Artificial intelligence should and will enhance all those social interventions already done by thousands of people in the most critical areas of the globe, and I believe actually it is the best field where AI should be deployed. Using learning networks in video games is fun. Selling the right burger to the right person is nice. But what about those situations where time is not an option, nor errors are allowed. Situations where life itself depends on fast and precise reaction of those who can help. Here at Gnucoop our daily effort is committed towards deploying every useful technology, from computer vision to neural networks, from language processing to block-chain, in order to help equality, collaboration and justice.

YAGO, Yet Another GIS Online for Rímac

May 9th, 2017 Posted by DRR, GIS, software development, Training, Uncategorised 0 comments on “YAGO, Yet Another GIS Online for Rímac”

From 19th to 27th of April we have been in Lima.

This mission is part of the project Yago  (Yet Another GIS Online) we’re developing in support of COOPI and its activities in the framework of the project RIMAC DRR (Reinforcing Innovative Mechanisms for Arising Capacities in Disaster Risk Reduction in Rímac).
The purpose of the mission was the training on the use of Yago, our GIS platform, to the Municipality of Rímac staff (Area of Civil Defence, Recuperation of the Historic Centre, Environment, Security, among others) and to CENEPRED staff .
CENEPRED (Centro Nacional de Estimación, Prevención y Reducción del Riesgo de Desastres) is the institution responsible for the pillars of Disaster Risk evaluation, prevention and reduction.
The Municipality of Rímac is one district of Lima Metropolitana and it is an ally of the RIMAC DRR project.  Yago will be an important tool for the Municipality of Rímac to include the spatial component in its decision making process.

The training has been organized in 3 different daily session:
Day 1 YAGO User training (Map creation and Data visualization)
Participants: Municipality of Rímac and, CENEPRED

Day 2 Yago Administration training  (Users and permissions management, WMS sources, Layers and Themes management)
Participants: Municipality of Rímac and CENEPRED .
The training was directed to some technicians from Municipality and CENEPRED, which will be responsible for the upload of data collected by the field workers, and to one IT technician who will follow the future development of the platform.

Day 3 Yago Dev training (System architecture and maintenance)
Mainly directed to CENEPRED

 

 

 

 


All the participants, especially the Municipality staff, were really enthusiastic of the platform and they actively participated to the training.

COOPI will organize in the next weeks a presentation event to disseminate YAGO and the importance of including the use of spatial data in the daily works of the Municipality. The event will be directed to the large public to disseminate YAGO and the inclusion of the SIG in the decision making process.  


 

 

 

 

 


We spent the first 3 days working side by side with COOPI staff.
From our point of view, getting the chance to be on the field was of great utility. Working directly with end users was key to develop some new features.
The local staff contributions were very important mainly because this project is part of a framework agreement signed by Gnucoop and COOPI, for the use of YAGO platform in four different projects:

Renforcement des capacités de préparation, mitigation et réponse aux catastrophes de communautés urbaines les plus vulnérables en Haïti;
RIMAC DRR – Reinforcing Innovative Mechanisms for Arising Capacities in Disaster Risk Reduction in Rímac, Perú;
Améliorer la résilience face à la sécheresse des acteurs locaux et des familles rurales les plus vulnérables dans la partie orientale du Département du Sud-Est, Haïti;
Fortalecimiento de las capacidades del sistema CONRED y de la sociedad civil en comunidades de la Mancomunidad del Sur en el Departamento de Guatemala.

In the next months different Training sessions will be held in Haiti and Guatemala.

Pictures by COOPI-Cooperazione Internazionale Thank you!