SituationAwareness@UNISA
In ambienti complessi e critici diventa di cruciale importanza eseguire processi decisionali rapidi, adattivi, flessibili, predittivi, robusti e sostenere la collaborazione ed il lateral thinking.
Al fine di sostenere tali processi, abilitando tutte le caratteristiche desiderate, è necessario sfruttare le grandi moli di dati eterogenei che emergono dai suddetti ambienti.
Prende vita il cosiddetto data-driven decision making, la cui complessità aumenta all’aumentare dei dati, in termini di volumi e velocità, e all’aumentare dell’eterogeneità dei dati, in termini di tipologia, accuratezza e valore offerto.
Nasce, così, lo studio dei Big Data per i quali è richiesto anche di agire in tempo reale (real-time), ovvero di estrarre informazioni e conoscenza utili senza avere a disposizione tutti i dati ma uno o più flussi (stream) di dati da elaborare.
Le più importanti sfide tecnologiche per il data-driven decision making riguardano l’integrazione e la combinazione (soprattutto semantica) di dati provenienti da differenti silos informativi per produrre valore (conoscenza) e la selezione e la raccolta di dati “realmente” rilevanti (per lo specifico obiettivo). Tali sfide non possono essere risolte soltanto con sistemi tecnologici ma c’è bisogno di dispiegare piattaforme ibride uomo-macchina secondo l’approccio denominato human-in-the-loop. Tale approccio genera ulteriori sfide: gli uomini hanno tempi di esecuzione superiori alle macchine, subiscono maggiormente il problema dell’information overload e compiono degli errori dovuti a modelli mentali errati, alla scarsa concentrazione e ad altri fattori.
E’ possibile migliorare le performance delle piattaforme ibride attraverso l’implementazione di modelli per la Situation Awareness.
Il termine Situation Awareness indica la “consapevolezza” di ciò che ci accade intorno, comprenderlo e poterlo proiettare nell’immediato futuro al fine di prendere decisioni. E’ quello che succede quando vogliamo attraversare una strada trafficata o quando guidiamo la nostra automobile. Le decisioni che prendiamo devono essere immediate e le variabili in gioco da considerare sono numerose. In questo caso la “consapevolezza” delle informazioni e, in particolar modo, di quelle realmente rilevanti rispetto all’obiettivo corrente, ci aiuta a decidere su come agire in tempi rapidi.
E’ forte, quindi, l’esigenza di progettare ed implementare piattaforme uomo-macchina che sostengano e migliorino la Situation Awareness. I domini applicativi sono molteplici, basti pensare alla sicurezza negli aeroporti e alla gestione dei grandi eventi. Tali piattaforme devono supportare gli operatori umani a percepire gli elementi dell’ambiente monitorato, a riconoscere e comprendere situazioni (e situazioni anomale) e a proiettare tali situazioni (per anticipare, ad esempio, possibili minacce). Tutto ciò al fine di supportare i processi decisionali e compiere le giuste azioni nei tempi più adeguati.
La definizione di teorie, modelli, metodologie e strumenti capaci di supportare la progettazione e la realizzazione di piattaforme uomo-macchina abilitanti forme di Situation Awareness è all’attenzione della comunità scientifica.
In questo contesto agisce il Gruppo di Ricerca su “Modelli, Metodi e Sistemi per la Situation Awareness” del DISA-MIS che, da un lato, lavora su attività di ricerca di base ed applicata (considerando diversi domini applicativi quali Cyber Security, Antiterrorismo, Logistica, etc.) con particolare riferimento alle Architetture Cognitive, alla Computational Intelligence e al Granular Computing e, dall’altro, garantisce le attività didattiche necessarie per sostenere lo sviluppo di competenze per gli studenti del corso di laurea magistrale in “Business Innovation & Informatics” relativamente alla progettazione di sistemi uomo-macchina basati sulla Situation Awareness.