Aggiornamenti recenti Maggio 8th, 2026 12:03 PM
Ott 11, 2022 Marina Londei Approfondimenti, Tecnologia 0
Negli ultimi anni, con l’aumento dei disastri naturali, i ricercatori hanno studiato metodi sempre più precisi per prevedere le calamità e monitorare i danni in tempo reale. CONUS è uno degli ultimi sistemi realizzati che sfrutta l’intelligenza artificiale per realizzare una mappa dei danni e mantenerla sempre aggiornata.
Gli autori del sistema sono Zhe Zhu e Su Ye, entrambi ricercatori dell’Università del Connecticut. CONUS è in grado di combinare le immagini satellitari precedenti al disastro con quelle aggiornate per identificare le aree che hanno subito più danni, in modo da concentrare i primi aiuti su quelle zone.
Il sistema rileva sia le alterazioni fisiche delle aree che la gravità del cambiamento con una precisione di 30 metri. Utilizzando un modello di machine learning creato ad-hoc è possibile prevedere quali aree sono più a rischio durante una calamità futura.

Questo nuovo approccio si basa sul confronto tra le lunghezze d’onda delle immagini pre e post disastro. Se la differenza tra i due valori supera un certo limite significa che c’è stata un’alterazione importante nell’area in esame (per esempio è stato esposto molto terreno dove prima c’erano case).
L’obiettivo dei ricercatori è migliorare il sistema per renderlo funzionante in real-time. Allo stato attuale il problema più grande è l’assenza di immagini satellitari aggiornate: il governo le rende disponibili solo diversi giorni dopo il disastro.
I continui cambiamenti climatici non faranno che aumentare il numero e la forza delle calamità naturali. Secondo un report del New York Times, la probabilità che si formi un uragano di categoria 3 o superiore è aumentata dell’8% per ogni decade dal 1979.
Sebbene le squadre di risposta alle calamità siano in grado di sorvegliare aree grazie a droni e aeroplani, manca un quadro generale dei danni. CONUS si occupa di generare un’immagine completa dell’intera nazione, identificando le zone più colpite e più a rischio.
Feb 13, 2026 0
Gen 29, 2026 0
Gen 15, 2026 0
Gen 14, 2026 0
Mag 07, 2026 0
Apr 29, 2026 0
Apr 28, 2026 0
Apr 23, 2026 0
Mag 07, 2026 0
Il problema del dipendente “infedele” è vecchio quanto...
Apr 29, 2026 0
Stanno arrivando, ma non nascono già pronti. Stiamo...
Apr 28, 2026 0
Come sappiamo, le auto moderne sono sempre più simili a...
Apr 23, 2026 0
Vi ricordate il vecchio adagio “cambia la password almeno...
Apr 16, 2026 0
Nel panorama delle minacce informatiche, esiste una...
Gen 29, 2025 0
Con l’avvento dell’IA generativa...
Ott 09, 2024 0
Negli ultimi anni sempre più aziende stanno sottoscrivendo...
Ott 02, 2024 0
Grazie al machine learning, il Global Research and Analysis...
Set 30, 2024 0
Il 2024 è l’anno delle nuove normative di sicurezza:...
Mag 21, 2024 0
Una delle sfide principali delle aziende distribuite sul...
Mag 08, 2026 0
L’intelligenza artificiale sta, ovviamente e...
Mag 07, 2026 0
Il problema del dipendente “infedele” è vecchio quanto...
Mag 06, 2026 0
Un nuovo malware Linux altamente sofisticato sta attirando...
Mag 04, 2026 0
CISA ha inserito Copy Fail tra le vulnerabilità sfruttate...
Apr 30, 2026 0
La compromissione della supply chain software continua a...
