(30Science.com) – Roma, 18 ott. – ReAD, è un progetto promosso dall’Istituto di scienze e tecnologie della cognizione del Consiglio nazionale delle ricerche (Cnr-Istc), dall’Istituto Centrale per il Catalogo e la Documentazione del Ministero della Cultura (MiC-ICCD) e dal Dipartimento di Architettura dell’Università di Roma Tre (RM3-DARC), selezionato nell’ambito di Lazio Innova e finanziato attraverso il Fondo Europeo di Sviluppo Regionale FESR con l’obiettivo di promuovere la conoscenza e la valorizzazione del patrimonio architettonico, grazie all’applicazione di tecnologie legate all’intelligenza artificiale. La sua durata è di 20 mesi. “ReAD svilupperà strumenti di intelligenza artificiale che permetteranno di avviare una trasformazione digitale nel settore dei beni architettonici”, spiega Aldo Gangemi, Direttore del Cnr- Istc e coordinatore del progetto assieme a Valentina Presutti (Cnr-Istc, Università di Bologna), “il progetto si propone di fornire best-practices e strumenti utili a facilitare la conoscenza del patrimonio architettonico esistente da parte di studiosi e professionisti oggi poco abituati a usare
programmi informatici avanzati per il proprio lavoro”. ReAD offre un sistema informatico avanzato utile agli studiosi di architettura per lo svolgimento del proprio lavoro con la possibilità di effettuare analisi interpretative sui beni architettonici esistenti. La sua implementazione potrà essere messa a disposizione degli storici dell’architettura al fine di eseguire ad esempio dei confronti stilistici e tipologici utili alla propria ricerca; o ancora, supportare architetti restauratori nel conoscere in automatico, a partire dai disegni architettonici, la consistenza degli elementi su cui intervenire in fase di restauro, velocizzando il calcolo delle spese dei lavori. L’applicazione consentirà inoltre di individuare velocemente edifici cronologicamente omogenei e/o con determinate caratteristiche costruttive e stilistiche. Le molteplici interrogazioni
possibili saranno in grado di supportare agilmente anche le attività degli archivisti e dei catalogatori di beni architettonici per l’individuazione dei dati necessari e per la loro immissione nei sistemi di inventariazione e catalogazione. L’innovazione introdotta combina le più avanzate tecniche di intelligenza artificiale per il riconoscimento di fonti eterogenee nel dominio dei beni architettonici permettendo di interrogare e
combinare testi e immagini per estrapolare grandi quantità di informazioni sul patrimonio architettonico nazionale. Il rilascio dei dati all’interno del web semantico garantirà la fruibilità e l’accessibilità di tutti ai risultati del progetto ReAD. L’attività sperimentale utilizza le corpose informazioni descrittive contenute nella banca dati del Catalogo Generale dei Beni Culturali del Ministero della Cultura già disponibili in formato aperto (linked open data), e il vasto archivio fotografico dell’ICCD sul patrimonio culturale, permettendo al progetto di partire da una base significativa di sapere sui beni architettonici. Il progetto si avvale inoltre di strumenti terminologici: vocabolari controllati definiti da comunità di esperti del dominio architettonico che possono contribuire a una lettura omogenea e articolata della documentazione grafica e fotografica. Man mano che i sistemi computazionali verranno sviluppati, i dati estrapolati saranno resi pubblici per essere immediatamente riutilizzati dalle imprese operanti nel territorio e potranno avere un impatto in termini di semplificazione a beneficio di tutti gli addetti ai lavori. (30Science.com)
30Science.com
Ricerca Italiana: CNR, progetto innovativo per la lettura automatica dei dati del patrimonio
(18 Ottobre 2022)
30Science.com
Agenzia di stampa quotidiana specializzata su temi di scienza, ambiente, natura, salute, società, mobilità e tecnologia. Ogni giorno produciamo una rassegna stampa delle principali riviste scientifiche internazionali e quattro notiziari tematici: Scienza, Clima & Natura, Salute, Nuova Mobilità e Ricerca Italiana
contatti:
redazione@30science.com
+ 39 3492419582