In Gran Bretagna, il Progetto Leo (Livestock environment opendata), promosso dall’Aia e concluso nel novembre 2023, ha recentemente catturato l’attenzione di prestigiosi ambienti accademici oltre Manica grazie alle potenzialità legate all’intelligenza artificiale e al suo contributo alla valorizzazione dei dati zootecnici e alle applicazioni digitali nel settore.
Uno dei momenti chiave è stato l’evento “AI hackathon for livestock data”. Un hackathon è un evento collaborativo, solitamente della durata di alcuni giorni o settimane, durante il quale gruppi di esperti e appassionati di tecnologia lavorano insieme per sviluppare risposte asfide specifiche.
Questi eventi offrono una occasione unica per far incontrare esperti di diverse discipline, come sviluppatori di software, ricercatori, e data scientist, incoraggiandoli a condividere competenze. Durante l’hackathon, i partecipanti analizzano i temi proposti e utilizzano dati forniti dagli organizzatori per sviluppare modelli di analisi o soluzioni tecnologiche inedite.
Nello specifico, l’hackathon, dedicato all’applicazione dell’intelligenza artificiale ai dati zootecnici Open di Leo e intitolato “AI hackathon for livestock data” è stato promosso in collaborazione con importanti partner come l’Università del Surrey, la piattaforma vHive (The veterinary health and innovation engine), Zoetis e, ovviamente, i partner del progetto Leo stesso. La banca dati Open di Leo, al momento la più grande e ricca a livello mondiale, si è dimostrata lo strumento ideale per stimolare i partecipanti sui seguenti obiettivi tematici:
- identificare schemi nascosti nei dati e analizzare possibili connessioni tra parametri apparentemente scollegati, al fine di comprendere più a fondo le interazioni tra i parametri di laboratorio e il benessere degli animali;
- sviluppare strumenti di visualizzazione e infografiche, introducendo modalità efficaci per presentare i dati sugli animali zootecnici in un formato chiaro e accessibile per allevatori e tecnici;
- predire l’insorgenza di patologie nel bestiame utilizzando intelligenza artificiale e algoritmi di apprendimento automatico, attraverso la creazione di modelli di rischio e l’identificazione di indicatori chiave per anticipare quanto più possibile la diagnosi;
- creare chatbot avanzati (sistemi di intelligenza artificiale progettati per interagire con gli utenti tramite conversazioni automatiche in linguaggio naturale) per offrire consulenza virtuale personalizzata, come allevatori, veterinari, consorzi, associazioni e scienziati di accedere ai dati del Progetto Leo.
Il primo premio assegnato al progetto “MegaUle”
Il confronto si è sviluppato nell’arco di cinque settimane e si è concluso a dicembre 2024 con la partecipazione di 22 team provenienti da Stati Uniti (2), India (1), Kenya (6), Inghilterra (8), Spagna (1), Germania (1) e Italia (3) e appartenenti a 13 università e 2 enti di ricerca. Tutti i partecipanti avevano una età compresa tra 25 e 30 anni con formazione prevalentemente statistica, informatica e produzioni animali.
Solo 6 team hanno completato il progetto seguendo tutte le specifiche richieste. Una giuria, composta da rappresentanti delle organizzazioni promotrici, ha selezionato i tre vincitori sulla base di criteri consentendo a diversi soggetti interessati come allevatori, veterinari, consorzi, associazioni e scienziati di accedere ai dati del Progetto Leo, quali innovazione, originalità e potenziale applicabilità. Nella valutazione finale è stato attribuito peso anche ai giudizi espressi dai partecipanti, invitati a valutare i progetti sviluppati da team diversi dal proprio.
Il primo premio è stato assegnato al progetto “MegaULE”, realizzato da un team dell’Università di León, in Spagna. Questo lavoro innovativo ha utilizzato modelli statistici complessi e algoritmi di machine learning per predire, sulla base dei dati storici, il rischio-benessere futuro della mandria stimando cinque indicatori chiave disponibili nel database Leo: longevità, mastite, chetosi subclinica, acidosi subclinica e riproduzione.
Progetto Leo dell’Aia come
riconoscimento del valore delle
innovazioni presentate
Il secondo posto è stato conquistato da un team italiano dell’Università della Tuscia, che ha utilizzato l’intelligenza artificiale per analizzare l’impatto dello stress da caldo sulle performance riproduttive delle bovine di razza Frisona in Italia. Il progetto ha elaborato i dati relativi all’indice di temperatura-umidità (THI) e ai “Days Open” (il numero medio di giorni tra il parto e il concepimento) di una serie storica formata da informazioni raccolte dal gennaio 2017 al dicembre 2023.
Il terzo posto è stato assegnato a un team coreano dell’Università del Wisconsin per il progetto MooPower che ha utilizzato i dati del Progetto Leo per sviluppare una reportistica interattiva. Questo strumento offre un supporto decisionale agli allevatori in ambiti strategici in stalla come il miglioramento genetico e il monitoraggio dello stato di salute della mandria. Il lavoro si è basato sui dati raccolti in allevamenti della razza bovina Grigio Alpina, scelta come caso-studio.
Il momento conclusivo dell’hackathon si è svolto lo scorso 10 dicembre presso la sede dell’Università del Surrey a Guildford tra i promotori dell’iniziativa, con la cerimonia di premiazione. Ai vincitorisono stati assegnati premi in denaro offerti dal Progetto Leo dell’Aia in riconoscimento del valore dei loro progetti.
L’hackathon Leo si è dimostrato un’opportunità unica per mettere in luce il potenziale per il settore zootecnico italiano della piattaforma Leo accoppiata ai nuovi strumenti di intelligenza artificiale, evidenziando come la collaborazione internazionale e l’analisi dei dati possano offrire soluzioni innovative e concrete alle sfide del settore. Le idee emerse non solo testimoniano l’importanza della raccolta dei dati per migliorare il benessere animale e l’efficienza produttiva, ma rappresentano anche una fonte di ispirazione per le future generazioni di ricercatori e professionisti, aprendo la strada a un’innovazione guidata dal dato e orientata alla sostenibilità e alla tecnologia.
