Doel van de blog
AI heeft mogelijk een ingrijpende invloed op de manier waarop we ons werk doen. In deze blog wordt toegelicht hoe we aan de slag kunnen gaan met lesgeven in georuimtelijke AI in ArcGIS: waar nemen we dit op in het curriculum, welke bronnen zijn beschikbaar en wat zijn mogelijke beperkingen?
Het is een reeks van 4 blogs:
Hoe ga ik aan de slag
- Onderwijsbenaderingen en -doelstellingen verschillen – bekijk de bronnen in deze blogreeks voor ideeën over wat voor u relevant kan zijn. Voor wie de voorkeur geeft aan boeken: Esri Press heeft onlangs “Exploring GeoAI: Tools and Workflows" gepubliceerd (zie de verwijzing hieronder), met stapsgewijze oefeningen. Overweeg om taakgerichte, vooraf getrainde modellen uit de ArcGIS Living Atlas te gebruiken, evenals tutorials en cursussen van het ArcGIS Tutorials-team en Esri Academy.
- Bedenk hoe u onderwerpen kunt prioriteren of bestaande inhoud kunt verrijken met AI-voorbeelden – in een cursus kunt u te maken krijgen met de vraag: “te veel inhoud; waar voeg ik AI toe?” Bedenk daarom hoe bestaande onderwerpen en concepten kunnen worden uitgebreid met GeoAI-methoden. Een voorbeeld is het vergelijken van objectextractie met traditionele methoden en deep learning.
- Denk na over voorkennis en basiskennis - het is belangrijk dat studenten de basisconcepten begrijpen voordat ze georuimtelijke AI-tools gebruiken. Dit hangt sterk af van de cursusdoelstellingen, maar denk tijdig na over de vereiste voorkennis, voordat u lesmateriaal aanpast.
- Moeten studenten basiskennis hebben van analyses en technologieën voor remote sensing (bijvoorbeeld optica, natuurkunde en platforms)?
- Moeten studenten kunnen programmeren?
- Moeten studenten statistiek beheersen?
- Het antwoord is doorgaans ja op al deze vragen.
Aandachtspunten
- Gebruik een kleinere dataset als proof of concept – test modellen op kleine gebieden en extrapoleer vervolgens wat er nodig is om grotere gebieden te analyseren. Er zijn verschillende factoren die bijdragen aan een succesvol gebruik van vooraf getrainde modellen. Om te beginnen zijn de gebruikte gegevens cruciaal; het is het beste om gegevens te gebruiken die qua type, resolutie en locatie vergelijkbaar zijn met de trainingsgegevens.
- Houd rekening met meerdere pogingen- één poging levert mogelijk geen bevredigende resultaten op; meestal zijn meerdere pogingen nodig. Verbeteringen zijn mogelijk met technieken zoals handmatige bewerking, het opnieuw trainen van het model, transfer learning of experimenteren met andere deep-learningmodellen.
- Zorg ervoor dat studenten de beperkingen van AI in het onderwijs begrijpen - het is belangrijk om een gezonde kritische blik te ontwikkelen op gegevens en resultaten die met AI-tools zijn gegenereerd. De resultaten zijn misschien sneller beschikbaar, maar zijn ze ook beter of zelfs correct?
Governance, naleving en ethiek
Controleer het beleid en de hulpmiddelen van uw instelling; de richtlijnen voor het gebruik van AI lopen namelijk sterk uiteen.
- Controleer de AI-hulpmiddelen van uw instelling (indien beschikbaar) – sommige instellingen bieden bijvoorbeeld de onderstaande richtlijnen.
- AI-richtlijnen, goedgekeurde AI-tools en AI-training
- Checklist voor AI-projecten om informatie over AI-projecten te verzamelen
- Links naar externe workshops en webinars over AI
- Ruimte voor de AI-leergemeenschap om ervaringen, uitdagingen en oplossingen rond lesgeven met AI te delen, ervan te leren en erover te discussiëren.
- Geef studenten actiepunten en waarborgen mee (zie de voorbeelden hieronder).
- Voorbeeldteksten voor syllabusdisclaimers over de verantwoordelijkheid van gebruikers, ethisch gebruik, gegevensbeveiliging en privacy, mogelijke risico's en ondersteuning. Ook dit verschilt per instelling.
- Procedures voor IT-risicobeoordeling (checklists, procedures) – ook deze verschillen per instelling.
- Richtlijnen op afdelings- of instellingsniveau.
- Sommige instellingen hanteren beleid waaraan iedereen zich moet houden, of waaraan men moet voldoen als aan bepaalde voorwaarden is voldaan, zoals toegang tot instellingssystemen, inloggegevens en authenticatie, of fysieke opslag van gegevens op de IT-systemen van de instelling.
Technologie/hardware
Houd voor bepaalde processen en workflows rekening met de benodigde hardware:
- Houd rekening met de GPU-vereisten (zijn de computers in het GIS-lab up-to-date?)
- Denk na over de toegang tot hardware voordat u dit in de les inzet (werken studenten bijvoorbeeld in computerlokalen of op hun eigen computers?)
- Voordat u de tools gebruikt, moeten aanvullende bibliotheken voor deep learning in ArcGIS Pro worden geïnstalleerd.
- ArcGIS Online ondersteunt ook GeoAI, maar houd rekening met mogelijke netwerkknelpunten als bijvoorbeeld 20 studenten hetzelfde model gebruiken.
Hulpbronnen en waar u hulp kunt vinden
Bekijk gerust ook de andere blogs in deze reeks:
Belangrijke punten om over na te denken bij de volgende stappen:
- Wees niet bang – u kunt gemakkelijk aan de slag, zelfs in inleidende cursussen.
- De tools zijn toegankelijk en al beschikbaar in ArcGIS.
- Bedenk hoe en of AI geschikt is voor wat er wordt onderwezen.
Bekijk de onderstaande bronnen; deze kunnen van pas komen in de les en het leren voor studenten vergemakkelijken. Laat gerust weten wat nog meer nuttig zou kunnen zijn.
- Aan de slag
- Tutorials en Esri Academy (zoek naar AI, GeoAI, AI-assistenten en voorbeeldreeksen met tutorials)
- Documentatie en voorbeeldpakketten
Neem contact met ons op als u met iemand wilt spreken:
- Verenigde Staten
- Buiten de Verenigde Staten