Μια σημαντική παγκόσμια διάκριση απέσπασε το Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας (ΔΕΤ) του Ελληνικού Μεσογειακού Πανεπιστημίου (ΕΛΜΕΠΑ) (https://mst.hmu.gr/). Επιστημονική εργασία ερευνητών του Τμήματος, με αντικείμενο την αξιοποίηση της Τεχνητής Νοημοσύνης (AI) στη διαχείριση καταστροφικών πλημμυρών, επιλέχθηκε ως το κύριο θέμα εξωφύλλου στο έγκριτο διεθνές επιστημονικό περιοδικό «Remote Sensing».
Όπως αναφέρει το Τμήμα, το μέγεθος της συγκεκριμένης ακαδημαϊκής επιτυχίας αναδεικνύεται από το κύρος του διεθνούς περιοδικού. Το Remote Sensing αποτελεί σταθερά ένα από τα κορυφαία επιστημονικά περιοδικά παγκοσμίως στο πεδίο της Τηλεπισκόπησης. Μάλιστα, σύμφωνα με τις επίσημες μετρήσεις του Google Scholar, το περιοδικό βρίσκεται στην 1η θέση παγκοσμίως στη συγκεκριμένη κατηγορία. Είναι αξιοσημείωτο ότι η συγκεκριμένη έρευνα του ΕΛΜΕΠΑ κατάφερε να ξεχωρίσει και να κερδίσει τη θέση του εξωφύλλου ανάμεσα σε 124 συνολικά επιστημονικές εργασίες που δημοσιεύτηκαν στο συγκεκριμένο τεύχος (Volume 18, Issue 6), επιβεβαιώνοντας την υψηλή ποιότητα και τον παγκόσμιο αντίκτυπο του ερευνητικού έργου του Τμήματος ΔΕΤ.
Η καινοτομία του «AIFloodSense»
Η αυξανόμενη σφοδρότητα των πλημμυρών σε παγκόσμιο επίπεδο, ως συνέπεια της κλιματικής αλλαγής, καθιστά επιτακτική την ανάγκη για ισχυρά εργαλεία αντιμετώπισης καταστροφών. Μέχρι σήμερα, τα μοντέλα Τεχνητής Νοημοσύνης περιορίζονταν από γεωγραφικά περιορισμένα δεδομένα, μειώνοντας την αποτελεσματικότητά τους σε διαφορετικά περιβάλλοντα. Για να αντιμετωπιστεί αυτό το κενό, η ερευνητική ομάδα του Τμήματος ΔΕΤ παρουσίασε το AIFloodSense: ένα καινοτόμο σύνολο δεδομένων (dataset) αεροφωτογραφιών υψηλής ανάλυσης, το οποίο έχει καταγραφεί μέσω μη επανδρωμένων αεροσκαφών (UAVs / drones). Το AIFloodSense καλύπτει 230 διαφορετικά πλημμυρικά φαινόμενα σε 64 χώρες και έξι ηπείρους, ξεπερνώντας τους μέχρι πρότινος περιορισμούς και προσφέροντας πρωτοφανή γεωγραφική ποικιλομορφία.
Το συγκεκριμένο σύνολο δεδομένων παρέχει λεπτομερείς επισημειώσεις για τρεις ζωτικής σημασίας εργασίες της Υπολογιστικής Όρασης (Computer Vision):
Ταξινόμηση σκηνής (scene classification)
Σημασιολογική κατάτμηση (semantic segmentation)
Οπτική απάντηση ερωτήσεων (Visual Question Answering – VQA)
Παράλληλα, η έρευνα παρέχει ολοκληρωμένα σημεία αναφοράς (benchmarks) και για τις τρεις αυτές εργασίες, κάνοντας χρήση των πιο σύγχρονων αρχιτεκτονικών Βαθιάς Μάθησης και Τεχνητής Νοημοσύνης.
Η ισχύς της ακαδημαϊκής συνεργασίας
Αξίζει να σημειωθεί ότι η επιτυχία αυτή είναι αποτέλεσμα συλλογικής προσπάθειας μελών του Τμήματος από όλες τις ακαδημαϊκές του βαθμίδες. Συγκεκριμένα, στη συγγραφή και εκπόνηση της έρευνας συμμετείχαν δύο Μεταπτυχιακοί φοιτητές (Α. Παπανικολάου και Π. Γιαννακάκης που είναι και απόφοιτος του Τμήματος), ένας Υποψήφιος Διδάκτορας (Γ. Σημαντήρης), ένα μέλος του Έκτακτου Διδακτικού Προσωπικού (Κ. Μπαχαρίδης) και Καθηγητής του Τμήματος (Κ. Παναγιωτάκης). Η σύνθεση αυτή αποδεικνύει έμπρακτα ότι, μέσω της ουσιαστικής συνεργασίας και της φοιτητοκεντρικής προσέγγισης που ακολουθεί το Τμήμα ΔΕΤ, μπορεί να επιτευχθεί το βέλτιστο αποτέλεσμα.
Θέτοντας ως προτεραιότητα τη γεωγραφική ποικιλομορφία, το AIFloodSense προωθεί σημαντικά την κλιματική ανθεκτικότητα με γνώμονα την Τεχνητή Νοημοσύνη, προσφέροντας στις αρχές πολιτικής προστασίας παγκοσμίως ένα ισχυρό εργαλείο.
Η δημοσίευση είναι διαθέσιμη με ανοιχτή πρόσβαση στον ακόλουθο σύνδεσμο: https://www.mdpi.com/2072-4292/18/6/938
