Analisi e valorizzazione di documentazione scientifica d’archivio per la valutazione del rischio geo-idrologico: il contributo dei large language model

Abstract

L'Intelligenza Artificiale (IA), è uno strumento sempre più integrato nel quotidiano per lo svolgimento di compiti semplici e per la rapida consultazione di informazioni. In un contesto scientifico, queste tecnologie vengono impiegate per mansioni sofisticate e ragionamenti complessi in varie discipline. La presente tesi tratta l'utilizzo dei Large Language Models (LLM) per l'estrazione e l'elaborazione di dati a partire da un’ampia raccolta di documenti con l'obiettivo di strutturare un database idoneo a condurre analisi standardizzate. Concentrando l'analisi sulla Valle d'Aosta, una piccola regione alpina dell'Italia nord-occidentale, è stato utilizzato l'archivio regionale delle frane, il "Catasto Dissesti", che raccoglie informazioni sia storiche che recenti sui fenomeni avvenuti tra il 1600 e il 2024. L'estrazione di informazioni chiave da documenti testuali risulta una sfida: pur basandosi su campi standard, essi presentano una compilazione eterogenea e soggettiva, legata all’esperienza ed alla formazione dei differenti operatori incaricati alla compilazione a seguito del verificarsi degli eventi. Questa ricerca analizza 854 documenti PDF riguardanti crolli in roccia e frane di crollo avvenuti dal 2011 al 2023 utilizzando gli LLM, interfacce strutturate tramite una chat con cui l’utente può interagire. Perfezionando e ottimizzando numerosi prompt, sono state ridotte le prestazioni incorrette e le allucinazioni dell'IA, estraendo informazioni fondamentali per la caratterizzazione dell’evento. Questo approccio è stato testato anche su un documento storico del 1934, contenente note e disegni riportati a mano, e su un evento recente privo di scheda EDF, ottenendo in entrambi i casi risultati simili. Gli sviluppi futuri potranno essere orientati all’estrazione e alla strutturazione sistematica dei dati al fine di comporre un database completo per lo studio dei fenomeni sopra menzionati, come l'analisi delle frequenze e i metodi di riduzione del rischio.

Artificial Intelligence (AI) is an increasingly used tool that has become integrated into our daily lives to streamline simple tasks and speed up information retrieval on the Internet. In a scientific context, these technologies are used for more sophisticated tasks and complex reasoning across various disciplines. Our study focuses on using Large Language Models (LLMs) to extract and elaborate data from a large set of sheets to create a database capable of performing scientific and standardized analyses. Focusing on the Aosta Valley, a small alpine region in northwestern Italy, we utilized the regional landslide repository called “Catasto Dissesti," collecting data on rockfall events from 1600 to 2024. The main challenge is to extract key information from textual forms that have standard fields but are compiled heterogeneously and subjectively by operators after rockfall events. Our project analyzes 854 PDF forms from 2011 to 2023, using only LLMs. Through chat-based interfaces, we iteratively refined and optimized numerous prompts to reduce inconsistent performance and AI hallucinations, extracting information such as the date of the event, location, volumes, and more. This approach was also tested on a historical document from 1934, containing handwritten notes and a geological cross-section of a landslide, and on a recent phenomenon not yet recorded in official forms, with similar results in both cases. Future developments will aim to achieve systematic extraction and structuring of data to build a comprehensive database for studying the above-mentioned phenomena, like frequency analysis and risk reduction methods.