AI in GIS: belofte, voortgang en mogelijkheden

Door: Ismael Chivite

Dit zijn reële mogelijkheden die worden onderzocht en geëvalueerd door teams die generatieve AI-mogelijkheden integreren in ArcGIS. Vroege prototypes laten veelbelovende resultaten zien.

In GIS bieden AI-assistenten een aantrekkelijke mogelijkheid om een toch al krachtige technologie breed toegankelijk te maken. Ze stellen geospatiaal inzicht open voor een groter publiek en helpen gebruikers met alle vaardigheidsniveaus om complexe uitdagingen aan te pakken.

Momenteel wordt al een ander type AI gebruikt in ArcGIS.

Geospatial AI, oftewel GeoAI, geeft GIS-resultaten een boost door gebruik te maken van subgebieden van AI zoals patroonherkenning, computervisie, machine learning en deep learning. GIS-professionals gebruiken het om extractie en vergelijkbare repetitieve taken te automatiseren en geavanceerde analyses uit te voeren.

Vanwege de gevoelige aard van GIS-werkzaamheden en de belangrijke beslissingen die erop worden gebaseerd, moet de ontwikkeling van AI-assistenten en GeoAI zeer zorgvuldig gebeuren.

Esri omarmt de kracht en belofte van AI. Het is verleidelijk om grote stappen te zetten, maar we kunnen dingen beter goed doen dan snel.

Met GeoAI vervult kunstmatige intelligentie al haar belofte om de manier waarop organisaties locatievraagstukken oplossen sterk te verbeteren. Het stelt ArcGIS-gebruikers in staat om taken te automatiseren waarvoor eerder flinke handmatige inspanningen moesten worden gedaan.

GeoAI-tools zijn vooral goed in het extraheren van belangrijke elementen uit een scala aan bronnen, waaronder tekstdocumenten en afbeeldingen. In combinatie met een van de ruim 70 gebruiksklare en vooraf getrainde deep-learningpakketten van Esri kan ArcGIS gebruikers helpen om de extractie van elementen zoals gebouwen, polygonen, zwembaden, zonnepanelen of bomen uit afbeeldingen of 3D-puntenwolken te automatiseren.

Veel verschillende typen organisaties gebruiken GeoAI-functies om hun geografische aanpak te ondersteunen.

•     Een snelwegbeheerder kan GeoAI bijvoorbeeld gebruiken om scheuren in wegen op te sporen op basis van dronebeelden. Vervolgens kunnen medewerkers deze gegevens koppelen aan verkeerspatronen om reparatiewerkzaamheden te plannen.

•     Hulporganisaties kunnen GeoAI gebruiken om snel de omvang van schade in te schatten. Door ArcGIS en een deep-learningmodel te gebruiken, kunnen ze satellietbeelden voor en na vergelijken en beschadigde gebouwen op een kaart identificeren.

•     In dunbevolkte gebieden van de wereld kunnen lokale overheden GeoAI gebruiken om nauwkeurige volkstellingen te doen. Het proces omvat het vastleggen van luchtbeelden om vervolgens, met een deep-learningmodel, de oppervlakte van gebouwen te extraheren om het aantal bewoners te schatten.

Een ingebouwde bèta-assistent in ArcGIS Survey123 biedt een gespreksmatige benadering van gebouwinventarisatie.

In elk van deze scenario's moesten voorheen omslachtige handmatige digitaliseringstaken worden uitgevoerd. Nu kunnen gebruikers kant-en-klare deep-learningmodellen inzetten die het werk versnellen.

GeoAI maakt ook voorspellende analyse van vectorgegevens via machine-learningalgoritmen mogelijk. Er kan bijvoorbeeld een machine-learningmodel worden gebruikt om de kans op overstromingen in een gebied te schatten op basis van factoren als neerslag, topografie, hydrologie, demografie en beleid.

Dit komt allemaal ten goede aan besluitvormings- en planningsprocessen doordat gegevensgestuurde inzichten in GIS-werkstromen worden geïntegreerd.

Zoals iedereen weet, verricht de GIS-community belangrijk werk dat de basis vormt voor belangrijke beslissingen. Het is daarom essentieel dat de gebruikte gegevens nauwkeurig en up-to-date zijn.

Dit is een fundamenteel concept in GIS dat al decennialang wordt nagestreefd. AI verhoogt de inzet, vooral waar beslissingen van AI-modellen van invloed zijn op mensen en community's.

GeoAI in ArcGIS is gebouwd volgens de hoogste normen voor betrouwbare AI, inclusief goed gedocumenteerde modellen en instrumenten die gebruikers helpen om de nauwkeurigheid en afwijkingen te meten.

Zoals altijd moeten GIS-professionals de gegevens op de juiste manier bevragen.

De recente vooruitgang op het gebied van taalmodellen heeft opwindende nieuwe mogelijkheden gecreëerd voor de integratie van generatieve AI-functies in de ArcGIS-gebruikerservaring. Deze assistenten zijn nog in de vroege ontwikkelfases, maar diverse prototypen laten veel potentieel zien.

Breed gezien worden twee typen AI-assistenten geëvalueerd binnen ArcGIS.

Het eerste type, ingebouwde assistenten, wordt ontwikkeld om de productiviteit bij dagelijkse taken te vergroten. Ze leveren suggesties en automatiseren repetitieve taken binnen veelgebruikte ArcGIS-tools.

Het verst gevorderd is een bètafunctie in ArcGIS Survey123. Deze assistent vereenvoudigt het ontwerpproces met een gespreksmatige benadering van gebouwinventarisaties. Door de assistent instructies te geven, zoals bij ChatGPT, kunnen gebruikers snel een concept maken zonder menu's of interfaces in de tool te hoeven gebruiken.

Andere ingebouwde AI-assistenten bevinden zich in de vroege onderzoeks- en ontwikkelingsfasen bij Esri.

Een van deze AI-assistenten heeft als doel om ArcGIS-gebruikers te helpen SQL-, Python-, Cypher- en Arcade-expressies te maken in ArcGIS Pro. Een ander voorbeeld is de chatbot van ArcGIS Help die is getraind met grote hoeveelheden ArcGIS-documentatie en snel praktische vragen kan beantwoorden. Een derde assistent moet gebruikers gaan helpen bij marktplanning en locatiekeuze binnen ArcGIS Business Analyst.

Een AI-assistent in ArcGIS Business Analyst die momenteel wordt geëvalueerd en ontwikkeld helpt gebruikers om marktplanning uit te voeren.

Het tweede type assistent dat wordt geëvalueerd voor gebruik in ArcGIS-technologie is een bredere, algemene AI-assistent die mogelijk op een dag de gehele ArcGIS-ervaring zal omvatten. Denk hierbij aan een geavanceerde chatbot die GIS-gegevens en -tools begrijpt en vragen kan beantwoorden.

Een gemeente die ArcGIS Hub gebruikt, zou bijvoorbeeld een site kunnen bouwen met een publieksgerichte AI-assistent die een vraag over afvalophaling interpreteert. De assistent zou betrouwbare openbare informatie over de afvalkalender op de pagina van de gemeentelijke website kunnen bekijken en een geocoderingsservice kunnen gebruiken om de locatie van de gebruiker te bepalen. Bij de ontwikkeling staat nauwkeurigheid voorop. Deze assistent zou de gebruiker dan uitnodigen om diens locatie te bevestigen door een kaart te tonen met het gegeocodeerde adres. Voor transparantiedoeleinden zou de assistent zijn bron weergeven, een openbare database.

De ontwikkeling van AI-technologie gaat verbluffend snel. We hebben nog nauwelijks zicht op wat AI kan doen in GIS.

Gebruikers leggen momenteel de basis. Ze publiceren gegevens om diensten te verlenen en voegen metagegevens toe. Hoogwaardige gegevens zijn de ruggengraat van de leer- en redeneerprocessen van AI-systemen.

Bij de ontwikkeling van de AI-tools voor ArcGIS gaat veel werk zitten in het beheersen van risico's. Denk aan het beperken van invoeren tot betrouwbare bronnen en het bouwen van configureerbare begrenzingen.

Het ontwikkelingsproces vereist verantwoorde implementatie. Een adviesraad voor AI bij Esri, een multidisciplinair team samengesteld uit mensen van de technologie-, product-, beveiligings-, privacy- en juridische afdelingen van het bedrijf, verstrekt richtlijnen voor een verantwoorde implementatie van AI in ArcGIS.

Vanuit onze toewijding aan verantwoorde implementatie en doorlopend leren helpt Esri organisaties om de mogelijkheden van geografie en AI te benutten om de meest complexe problemen op te lossen.

Dit artikel is een vertaling van dit eerder verschenen artikel uit ArcNews.