-Du bestemmer retningen for GeoAI

Kunstig intelligens brer om seg i geomatikkbransjen. Men vi tror ikke den kommer til å ta jobben din. Fagkompetanse og lokalkunnskap kommer ikke til å gå ut på dato. Faktisk mener vi det er motsatt: Din kompetanse blir viktigere enn noen gang før.

Artikkelbilde øverst: t.v: Joachim Eckbo Juell, t.h: Scott Beckstrøm

Tekst: Joachim Eckbo Juell og Scott Beckstrøm, Geodata AS

Er du usikker på hvilken rolle du skal ta når KI og GeoAI begynner å ta plass innen geomatikkfaget? Vi mener det ikke er noen grunn til å gjøre noe annet enn å omfavne og forsøke å utnytte teknologien. Fra vårt ståsted, ser vi på KI innen særlig tre hovedområder som er interessante for oss som fagmiljø.

Produksjon av geografisk data

KI vil komme til å hjelpe oss å produsere større mengder med geografiske data enn før. Vi går fra «Computer Vision» - evnen til å hente informasjon fra digitale bilder, til store, kraftige språkmodeller som GPT4 som håndterer tekstlig data.

Generativ KI gir oss mulighet til å for eksempel enkelt konvertere radarsatellittbilder over til en RGB-visualisering eller skalere opp oppløsning i bilder.

I flere år har vi brukt satellittdata og maskinlæring for å produsere arealdekkeklassifiseringer – et tidskrevende arbeid. I dag får du Sentinel 2-data fra hele verden, som kontinuerlig oppdateres med arealdekkeklassifiseringer rett i nettleseren gjennom et samarbeid mellom Esri, Microsoft og Impact Observatory. Innen 3D skjer det også mye. I Norge har vi scannet hele landet med laserdata og stadig flere bruker droner og fly for å samle punktskydatasett. Ved hjelp av maskinlæring kan disse omsettes til nøyaktig, oppdaterte geografiske datasett.

Innsikt i komplekse problemstillinger

Det hjelper lite med mer geografisk data, om vi ikke forstår hva de sier oss. Også her er nøkkelen maskinlæring. I Geodata bruker vi ArcGIS for å benytte statistiske og maskinlæringsbaserte modeller for å finne forklaringer på fenomenene vi er interessert i. Det gir oss muligheter til å for eksempel predikere utfall eller spredning i en pandemi. Vi kan finne avvik eller ekstremverdier i tidsserier og egenskapsinformasjon. Vi kan finne mønstre og klynger i tid og rom.

Et annet viktig verktøy er forklarbar KI (XAI). Det kan forklares som et sett med prosesser og metoder som hjelper menneskelige brukere å forstå og stole på resultatene av maskinlæringsalgoritmer. Nevrale nettverk produserer svar som kan være forbløffende gode, men det kan også være vanskelig å forklare akkurat hvordan modellen kom til det svaret. Om du sammenligner med regresjonsanalyser, så står det veldig tydelig i ligningen av parameterne hva det er som bidrar til modellens resultat. Forklarbar AI kan dermed hjelpe oss å være mer etterrettelige og beskrive beslutningsgrunnlaget vi har landet på til andre som er involverte.

I Norge er vi heldige som har gode geografiske data, som gir oss et godt treningsgrunnlag for å skape maskinlæringsmodeller, takket være det store kartleggingsarbeidet bl.a. Kartverket og kommunene gjennomfører. Allerede i dag har vi programvare og teknologi som gir oss mulighet til å bla. å detektere bygninger, vei, ugjennomtrengelige overflater og infrastruktur. Med datagrunnlaget vi allerede har – vil AI hjelpe oss i stor grad med både produksjon av nye data og innsikt og analyser, både raskt og effektivt.

Smart assistanse og brukerstøtte

Denne siste grenen av KI er kanskje ikke koblet direkte opp til vårt fagfelt, men er viktig likevel. Det er mange som snakker om demokratisering av data eller teknologi, og vi ser at bedre assistanse og brukerstøtte kan hjelpe oss å senke brukerterskelen for kompliserte kartapplikasjoner og analyser vi bruker i vårt fag.

Det finnes flere konkrete eksempler på dette allerede. Blant annet kan du nå bruke språkmodeller for å raskt lage spørreskjemaer, hente ut attributtdata eller sladde bilder ved hjelp av maskinlæring. Et annet eksempel er bruk av språkmodeller til å oversette komplekse grensesnitt til et mer normalt språk. OSM-GPT (Open Street Map GPT) gir deg mulighet til å gjøre konkrete spørringer i kartet for å få oversikt over tema du er interessert i. Hvis du er mer teknisk anlagt, så har vi GitHub Copilot som kan hjelpe deg skrive hva som helst av kode, for eksempel ArcPy, Arcade, JavaScript, eller bare noe helt annet.

Din fagkompetanse er viktig

KI gir faget vårt store muligheter. Men våre egenskaper som fagfolk er fortsatt viktig – og kanskje viktigere enn før. Vi får større mengder data og dermed mulighet til å finne enda flere svar. Da trenger vi også innsikten dere har som fagpersoner for å treffe de riktige, gode beslutningene. Det er vi som samlet fagmiljø som må sette dagsorden og legge premisser for fremtiden med KI og GeoAI.