Page 11 - cleared_03_2024
P. 11
Language Processing) termine che si riferisce al
settore dell’informatica – che si occupa di dare ai
computer la capacità di comprendere il testo e le
parole nello stesso modo in cui lo fanno gli esseri
umani. Più specificamente, partendo da un modello
di riconoscimento vocale generico open source,
pre-addestrato su un set di dati audio diversificati,
si è deciso di addestrare la macchina a riconoscere
la fraseologia aeronautica, cioè la raccolta delle
parole e delle frasi utilizzate nelle trasmissioni radio
aeronautiche.
Per dar vita a questo nuovo modello denominato
ASR4ATC (Automatic Speech Recognition for Air
Traffic Control), si è utilizzato un processo di Machine
Learning con apprendimento supervisionato. In
questo scenario, una persona (supervisore) fornisce
alla macchina degli esempi pratici di audio, con delle Sede ENAV Ciampino
trascrizioni da lui validate (etichette) come dataset
per l’apprendimento. In ogni esempio sono dunque di estendere la sperimentazione a Padova ACC,
indicate le variabili di input e il risultato corretto. La alla struttura di Lorenzo Rocchini che, insieme al
macchina impara dagli esempi ed elabora un modello collega Raffaele Nanni, ha iniziato ad utilizzare lo
predittivo che associa all’audio il testo adeguato. strumento e sottoporre ad Alessandro Longobardi e
Questo processo viene ripetuto n volte (n indica Matteo Cavalletti (i due Data Scientist dell’Innovation
le epoche di allenamento); ad ogni fine iterazione, si Lab) preziosi contributi. Una menzione particolare
misura l’accuratezza di ogni epoca e, quando smette va anche a chi purtroppo non c’è più: il collega
di migliorare, si ferma l’allenamento. dell’ufficio di Roma Fabrizio Pellegrini, scomparso
Nel nostro caso, i data scientist con il personale purtroppo recentemente, che dalle prime fasi del 9
di Safety hanno agito da supervisori e insegnato progetto ha fornito preziosi consigli grazie alla sua
al computer come apprendere e riconoscere le lunga esperienza come CTA.
parole “etichettate”. Nello specifico, per iniziare Anche sui tavoli internazionali del settore aeronautico
sono state utilizzate delle registrazioni audio il tema dell’Automatic Speech Recognition è
aeronautiche pubbliche e le relative trascrizioni molto rilevante. Nel NDTECH (Network Directors of
in testo, come dataset di addestramento. A valle di Technology Working Group) si è discusso nel task 5
questa fase sperimentale, la macchina ha iniziato a “Speech-to-text (STT)/automatic speech recognition
riconoscere quanto già ascoltato per poi trascriverlo (ASR)” con gli altri Air Navigation Service Provider
correttamente in testo e parole nello stesso modo in e le industrie di settore su come poter utilizzare le
cui viene fatto dal personale di Safety. tecnologie ASR nel contesto ATM, le sperimentazioni
Successivamente a questa prima fase di trascrizione, in corso e le best practice da mettere a fattor comune.
denominata “speech to text”, grazie ai feedback La sperimentazione che sta portando avanti ENAV
ricevuti dagli operatori di Safety, abbiamo addestrato è stata selezionata per essere presentata il 29 e
la macchina ad apprendere l’alfabeto Aeronautico 30 aprile a Bruxelles al FLY AI FORUM, evento
dell’ICAO, i codici ICAO delle compagnie, il ruolo organizzato da EUROCONTROL sulle ultime novità
degli interlocutori e creato un interfaccia software dell’intelligenza artificiale applicate all’aviazione.
personalizzata sulle esigenze specifiche del Oggi si fa un gran parlare di intelligenza artificiale
personale ENAV, in compliance alle normative di e nuove tecnologie, ogni previsione sul futuro
security e privacy. è condita da questo termine, sia che si tratti di
Questa fase sperimentale è iniziata lo scorso anno visioni futuristiche che di consigli per innovare le
negli uffici di Roma ACC sotto la supervisione del aziende. In ENAV, con un approccio pratico, tramite
responsabile di struttura Marco Chiavari. Con il sperimentazioni concrete come ASR4ATC stiamo
supporto e i preziosi suggerimenti trasmessi dal suo cercando di contestualizzare questa tecnologia nel
gruppo, il tool ha appreso e migliorato le capacità nostro settore, in ottica di supporto al personale e
di comprendere, raggiungendo delle percentuali di di continuo miglioramento delle performance, per
accuratezza alte. Visti i buoni risultati, si è deciso continuare ad innovare e disegnare il cielo del futuro.
marzo 2024