Objetivo do blog
A IA pode ter um impacto profundo na forma como trabalhamos. Este blog explica como começar a ensinar com inteligência artificial geoespacial no ArcGIS: onde incorporá-la ao currículo, quais recursos estão disponíveis e quais são as possíveis limitações.
É uma série de 4 blogs:
Como começar
- As abordagens e os objetivos educacionais variam – consulte os recursos listados nesta série de blogs para ter ideias do que pode ser aplicável a você. Para quem prefere livros, a Esri Press acaba de publicar “Exploring GeoAI: Tools and Workflows” (referência abaixo), que contém exercícios passo a passo. Considere usar modelos pré-treinados específicos para determinadas tarefas, disponíveis no ArcGIS Living Atlas, e tutoriais/cursos da equipe ArcGIS Tutorials e da Esri Academy.
- Pense em como priorizar os tópicos ou integrar exemplos de IA ao conteúdo existente – você pode se deparar com a situação de “conteúdo demais; onde incluir IA?” em um curso. Por isso, considere como os tópicos/conceitos existentes poderiam ser aprimorados com abordagens de GeoAI. Um exemplo é comparar a extração de feições por métodos tradicionais e de aprendizado profundo.
- Pense nos pré-requisitos e nos conhecimentos básicos - é importante que os alunos compreendam os conceitos básicos antes de usar ferramentas de inteligência artificial geoespacial. Isso depende muito dos objetivos do curso, mas considere os pré-requisitos com antecedência, antes de modificar qualquer material.
- Os alunos devem ter conhecimentos básicos de tecnologias e análises de sensoriamento remoto (por exemplo, óptica, física e plataformas)?
- Os alunos devem ter conhecimentos de programação?
- Os alunos devem ter conhecimentos de estatística?
- Normalmente, a resposta é sim para todas essas perguntas.
Pontos a considerar
- Use um conjunto de dados menor como prova de conceito – teste os modelos em áreas pequenas e depois estime o que seria necessário para analisar áreas maiores. Há vários fatores que contribuem para o uso bem-sucedido de modelos pré-treinados. Em primeiro lugar, os dados usados são fundamentais; o ideal é usar dados semelhantes aos dados de treinamento em tipo, resolução e localização.
- Esteja preparado para várias tentativas- uma única tentativa pode não gerar resultados satisfatórios; geralmente, é preciso tentar mais de uma vez. É possível obter melhorias com técnicas como edição manual, retreinamento do modelo, aprendizado por transferência ou experimentação com outros modelos de aprendizado profundo.
- Certifique-se de que os alunos compreendam as limitações do uso de IA no aprendizado - é importante desenvolver uma visão crítica e saudável dos dados e dos resultados gerados por ferramentas de IA. Os resultados podem ser mais rápidos, mas são melhores ou mesmo corretos?
Governança, conformidade e ética
Consulte as políticas e os recursos da sua instituição, pois as orientações sobre o uso de IA variam bastante.
- Consulte os recursos de IA da sua instituição (se houver) – algumas instituições oferecem orientações como as abaixo.
- Orientações sobre IA, ferramentas de IA aprovadas e treinamento em IA
- Lista de verificação de projetos de IA para reunir informações sobre eles
- Links para workshops e webinars externos relacionados à IA
- Espaço da comunidade de aprendizado sobre IA para compartilhar, aprender e discutir lições aprendidas, desafios e soluções para o ensino com IA.
- Forneça aos alunos itens de ação e medidas de segurança (exemplos abaixo).
- Exemplos de avisos legais para planos de ensino, que descrevem a responsabilidade do usuário, o uso ético, a segurança e a privacidade dos dados, os possíveis riscos e o suporte. Mais uma vez, isso varia de uma instituição para outra.
- Processos de avaliação de riscos de TI (listas de verificação, procedimentos) – também variam de uma instituição para outra.
- Diretrizes em nível de departamento ou instituição.
- Algumas instituições têm políticas obrigatórias para todos, ou para quem atende a determinadas condições, como acesso aos sistemas da instituição, logins/autenticação, armazenamento físico de dados nos sistemas de TI institucionais etc.)
Tecnologia/hardware
Para determinados processos/fluxos de trabalho, considere os requisitos de hardware necessários:
- Os requisitos de GPU devem ser considerados (os computadores dos laboratórios de SIG estão atualizados?)
- O acesso ao hardware deve ser considerado antes de usar as ferramentas em aula (ou seja, os alunos trabalharão nos laboratórios de informática, em seus próprios computadores etc.?)
- É necessário instalar bibliotecas adicionais para executar aprendizado profundo no ArcGIS Pro antes de usar as ferramentas.
- O ArcGIS Online também oferece suporte ao GeoAI, mas é preciso considerar possíveis gargalos de rede se, por exemplo, 20 alunos acessarem o mesmo modelo.
Recursos e onde buscar ajuda
Fique à vontade para consultar os outros blogs da série:
Pontos principais a considerar ao pensar nos próximos passos:
- Não tenha medo – é fácil começar, até mesmo em cursos introdutórios.
- As ferramentas são acessíveis e já estão disponíveis no ArcGIS.
- Pense em como e se a IA é uma boa opção para o que está sendo ensinado.
Confira os recursos abaixo, que podem ser úteis em sala de aula e proporcionar aos alunos uma experiência de aprendizado mais fácil. Fique à vontade para comentar o que mais poderia ser útil.
- Como começar
- Tutoriais Learn e Esri Academy (pesquise por IA, GeoAI, assistentes de IA e séries de tutoriais de exemplo)
- Documentação e pacotes de exemplo
Se quiser conversar com alguém, entre em contato:
- Estados Unidos
- Fora dos Estados Unidos