論文の概要: Autonomous GIS: the next-generation AI-powered GIS
- arxiv url: http://arxiv.org/abs/2305.06453v1
- Date: Wed, 10 May 2023 20:46:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-12 16:36:15.770217
- Title: Autonomous GIS: the next-generation AI-powered GIS
- Title（参考訳）: 自律型GIS:次世代AI搭載GIS
- Authors: Zhenlong Li, Huan Ning
- Abstract要約: 大規模言語モデル(LLM)は、人間の自然言語を強く理解している。
我々は,自然言語理解,推論,コーディングにおけるLLMの一般的な能力を活用する,AIを活用した地理情報システム(GIS)であるAutonomous GISを提案する。
我々は,Python 環境で GPT-4 API を用いた LLM-Geo と呼ばれるプロトタイプシステムを開発し,自律型GIS がどのようなものかを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large Language Models (LLMs), such as ChatGPT, demonstrate a strong
understanding of human natural language and have been explored and applied in
various fields, including reasoning, creative writing, code generation,
translation, and information retrieval. By adopting LLM as the reasoning core,
we propose Autonomous GIS, an AI-powered geographic information system (GIS)
that leverages the LLM's general abilities in natural language understanding,
reasoning and coding for addressing spatial problems with automatic spatial
data collection, analysis and visualization. We envision that autonomous GIS
will need to achieve five autonomous goals including self-generating,
self-organizing, self-verifying, self-executing, and self-growing. We introduce
the design principles of autonomous GIS to achieve these five autonomous goals
from the aspects of information sufficiency, LLM ability, and agent
architecture. We developed a prototype system called LLM-Geo using GPT-4 API in
a Python environment, demonstrating what an autonomous GIS looks like and how
it delivers expected results without human intervention using two case studies.
For both case studies, LLM-Geo successfully returned accurate results,
including aggregated numbers, graphs, and maps, significantly reducing manual
operation time. Although still lacking several important modules such as
logging and code testing, LLM-Geo demonstrates a potential path towards
next-generation AI-powered GIS. We advocate for the GIScience community to
dedicate more effort to the research and development of autonomous GIS, making
spatial analysis easier, faster, and more accessible to a broader audience.
- Abstract（参考訳）: ChatGPTのような大規模言語モデル(LLM)は、人間の自然言語を強く理解し、推論、創造的記述、コード生成、翻訳、情報検索など様々な分野で研究され、応用されてきた。
llmを推論コアとして採用することにより,自然言語理解,推論,コーディングにおけるllmの一般的な能力を活用した,自動空間データ収集,解析,可視化を行う自律型地理情報システム(gis)を提案する。
自律的なGISは、自己生成、自己組織化、自己検証、自己実行、自己成長を含む5つの自律的な目標を達成する必要があると期待する。
我々は,これらの5つの自律目標を達成するための自律GISの設計原則を,情報充足性,LLM能力,エージェントアーキテクチャの観点から紹介する。
我々は,Python 環境で GPT-4 API を用いた LLM-Geo というプロトタイプシステムを開発した。
両方のケーススタディにおいて、LLM-Geoは、集計数、グラフ、マップを含む正確な結果の返却に成功した。
ロギングやコードテストなどの重要なモジュールがまだいくつか欠けているが、LLM-Geoは、次世代AIによるGISへの潜在的な道筋を示している。
我々は,GIScienceコミュニティに対して,自律型GISの研究・開発により多くの努力を払って,空間分析をより容易に,より早く,よりアクセスしやすいものにすることを提唱する。
関連論文リスト
- GIS Copilot: Towards an Autonomous GIS Agent for Spatial Analysis [0.0]
ジェネレーティブAIは、空間分析に有望な機能を提供する。
これらの可能性にもかかわらず、ジェネレーティブAIと確立されたGISプラットフォームの統合はいまだ検討されていない。
GIS Copilot" はGISユーザが自然言語コマンドを使ってQGISと対話して空間分析を行うことを可能にする。
論文 参考訳（メタデータ） (2024-11-05T15:53:59Z) - Geolocation Representation from Large Language Models are Generic Enhancers for Spatio-Temporal Learning [10.438284728725842]
普遍表現モデルは、自然言語処理やコンピュータビジョンで広く使われているよりも一般的ではない。
この相違は主に入力された既存の表現モデルに関連する高コストから生じる。
本研究では,大規模言語モデルを用いて位置情報表現を導出する学習自由手法を開発した。
論文 参考訳（メタデータ） (2024-08-22T04:05:02Z) - Swarm Intelligence in Geo-Localization: A Multi-Agent Large Vision-Language Model Collaborative Framework [51.26566634946208]
smileGeoは、新しい視覚的ジオローカライゼーションフレームワークである。
エージェント間のコミュニケーションによって、SmithGeoはこれらのエージェントの固有の知識と、検索された情報を統合する。
その結果,本手法は現在の最先端手法よりも優れていた。
論文 参考訳（メタデータ） (2024-08-21T03:31:30Z) - An Autonomous GIS Agent Framework for Geospatial Data Retrieval [0.0]
本研究では,必要な地理空間データを検索できる自律型GISエージェントフレームワークを提案する。
我々はQGISプラグイン(GeoData Retrieve Agent)とPythonプログラムとしてリリースされたフレームワークに基づいたプロトタイプエージェントを開発した。
実験の結果は、OpenStreetMap、行政境界、米国国勢調査局の人口統計データなど、さまざまなソースからデータを取得する能力を示している。
論文 参考訳（メタデータ） (2024-07-13T14:23:57Z) - GeoGalactica: A Scientific Large Language Model in Geoscience [95.15911521220052]
大規模言語モデル(LLM)は、自然言語処理(NLP)における幅広いタスクを解く一般的な知識と能力で大きな成功を収めている。
我々は、LLMを地学に特化させ、さらに、地学の膨大なテキストでモデルを事前訓練し、また、カスタム収集した指導チューニングデータセットで得られたモデルを教師付き微調整(SFT)する。
我々はGeoGalacticaを65億のトークンを含む地球科学関連のテキストコーパスで訓練し、最大の地球科学固有のテキストコーパスとして保存する。
次に、100万対の命令チューニングでモデルを微調整する。
論文 参考訳（メタデータ） (2023-12-31T09:22:54Z) - GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。
我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。
実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文 参考訳（メタデータ） (2023-10-10T00:03:23Z) - Are Large Language Models Geospatially Knowledgeable? [21.401931052512595]
本稿では,Large Language Models (LLM) で符号化された地理空間的知識,認識,推論能力の程度について検討する。
自己回帰言語モデルに焦点をあて, (i) 地理座標系におけるLLMの探索と地理空間知識の評価, (ii) 地理空間的および非地理空間的前置法を用いて地理空間的意識を測定する, (iii) 多次元スケーリング(MDS) 実験を用いて, モデルの地理空間的推論能力を評価する, 実験手法を考案した。
論文 参考訳（メタデータ） (2023-10-09T17:20:11Z) - GeoGPT: Understanding and Processing Geospatial Tasks through An
Autonomous GPT [6.618846295332767]
GISの意思決定者は、空間的タスクを解決するために、一連の空間的アルゴリズムと演算を組み合わせる必要がある。
我々は,地理空間データ収集,処理,解析を自律的に行うことのできるGeoGPTと呼ばれる新しいフレームワークを開発した。
論文 参考訳（メタデータ） (2023-07-16T03:03:59Z) - K2: A Foundation Language Model for Geoscience Knowledge Understanding
and Utilization [105.89544876731942]
大規模言語モデル(LLM)は自然言語処理の一般分野において大きな成功を収めている。
我々は、地球科学におけるLLM研究をさらに促進するために開発された一連の資源とともに、地球科学における最初のLLMであるK2を提示する。
論文 参考訳（メタデータ） (2023-06-08T09:29:05Z) - GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。
オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。
我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
論文 参考訳（メタデータ） (2023-05-11T03:21:56Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳（メタデータ） (2022-09-28T18:51:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。