Toekomstige Invloeden van AI op Kaartlegging en Modernisering

KelleyArroyo

 <\/H4><\/DIV>Toekomstige Invloeden van AI op Kaartlegging en Modernisering<\/H1> <\/P><\/DIV><\/DIV>Geschreven door: Steve Snow<\/A><\/H3>

Esri Senior National Government Industry Strategy Specialist<\/P>

 <\/P>

<\/span><\/P> <\/P>Deel 1 van een serie van 7 delen die GIS en Artificial Intelligence onderzoekt<\/STRONG><\/EM><\/P> <\/P>We leven nu in een tijdperk waarin technologie de ruggengraat is van succesvolle kaartleggingsorganisaties. Door technologie te omarmen zijn alle onderdelen van de werkplek productiever geworden bij het werken aan projecten. Geospatiale organisaties hebben continu hun productie- en analyseprocessen verbeterd door automatisering en nieuwe technologieën in te voeren in het personeelsbestand. Een spannende recente toevoeging aan automatisering is de adoptie van Deep Learning (DL) door de GIS-industrie, wat heeft geleid tot een uitgebreid subdomein genaamd Geographic Artificial Intelligence (GeoAI). Deze nieuwe technologieën, gecombineerd met menselijke operators, brengen nieuwe spannende mogelijkheden die vroeger als sciencefiction werden beschouwd.<\/P>De term Artificial Intelligence (AI) werd voor het eerst geïntroduceerd door professor John Mcarthy in 1955. Door gebrek aan rekenkracht en grote publiek beschikbare datasets groeide het vakgebied AI langzaam. Dit begon allemaal te veranderen met de ontwikkeling en groei van het internet. Met de creatie van het internet werden grote hoeveelheden publiek beschikbare data beschikbaar om AI-trainingsdatasets te ontwikkelen. Deze datasets zijn noodzakelijk omdat grote hoeveelheden data nodig zijn om AI-modellen te trainen. Daarnaast maakte de komst van de Graphical Processing Unit (GPU) betaalbare verwerking mogelijk, wat versnelde ontwikkeling en gebruik van AI mogelijk maakte.<\/P>Deep Learning (DL) is een subset van AI en gebruikt voornamelijk neurale netwerken die geïnspireerd zijn op biologische neurale netwerken. DL wordt in veel gebieden gebruikt voor snelle besluitvorming en patroonherkenning bij taken zoals zelfrijdende auto's, spraakherkenning, robotica en beeldclassificatie.<\/P>De meest interessante ontwikkeling voor modernisering van kaartlegging is de evolutie en kruising van GIS of Geospatial Technology met AI en DL. Deze kruising heeft enkele van de krachtigste technologieën opgeleverd die GeoAI worden genoemd. Simpel gezegd is GeoAI de kruising van GIS, AI en Locatie.<\/P> <\/P>

Het Belang van GeoAI en Waarom Het Je Zou Moeten Interesseren<\/H2> <\/P>In alle werkplekken hebben technologie en modernisering de werk efficiëntie drastisch beïnvloed.
Modernisering is altijd een voortdurend proces geweest. Met de ontwikkeling van elektriciteit, typemachines, computers, GPS, Beeldmateriaal, Lidar, Autonome Robots en GeoAI is verandering binnen de werkplek de enige constante geweest. Door verandering is er altijd een vertraging voordat iets wordt geadopteerd. Het moeilijkste aan het aanpassen aan deze verandering is de angst om irrelevant te worden en vervangen te worden. Door angst voor vervanging is het vaak moeilijk voor werknemers om de kansen te herkennen die nieuwe technologie zeker biedt. Met GeoAI moeten nieuwe kansen voor werknemers worden herkend die kennis en begrip verbeteren waardoor het individu competitiever wordt op de werkplek. Het is belangrijk dat door deze GeoAI-kans te grijpen werknemers het risico kunnen wegnemen om achter te blijven en kunnen profiteren van een geavanceerde positie op de werkplek. Een gebied waar dit plaatsvindt is op het gebied van remote sensing.

<\/P> <\/P> <\/H2> <\/H2>GeoAI in Nationale Kaartlegging en Remote Sensing<\/H2><\/P> <\/P>
Het is belangrijk op te merken dat kaartlegging via earth observation een moeilijke taak is. Earth Observation bestaat uit meerdere domeinen zoals Lucht, Land en Zee. GIS is de verenigende technologie die nodig is voor het in kaart brengen van grote geografische datasets in nationale domeinen. Er is een GIS-platform nodig dat zaken kan ondersteunen zoals Aviation, Topografische Kaartlegging en Rampenbestrijding op wereldwijde en lokale schaal, evenals Maritieme vereisten voor het in kaart brengen van de bathymetrie van oceanen, waterkolom en littorale zones. Een dergelijke technologie die dit kan doen is Esri's ArcGIS Platform dat de mogelijkheid biedt GeoAI te gebruiken voor objectdetectie en classificatie vanuit zowel point clouds als rasteroppervlakken afgeleid van Remotely Sensed informatie. Veel internationale organisaties zoals de International Civil Aviation Organizations (ICAO) werken samen met industrieën om GeoAI in mainstream industrieën zoals aviation te brengen.<\/P> <\/P>Lees deel 2 van de serie<\/STRONG> - GIS, Artificial Intelligence, and Automation in the Workplace<\/STRONG><\/EM><\/A><\/P>