論文の概要: GIScience in the Era of Artificial Intelligence: A Research Agenda Towards Autonomous GIS
- arxiv url: http://arxiv.org/abs/2503.23633v1
- Date: Mon, 31 Mar 2025 00:12:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-01 19:35:57.22033
- Title: GIScience in the Era of Artificial Intelligence: A Research Agenda Towards Autonomous GIS
- Title（参考訳）: 人工知能時代におけるGIScience:自律GISに向けた研究
- Authors: Zhenlong Li, Huan Ning, Song Gao, Krzysztof Janowicz, Wenwen Li, Samantha T. Arundel, Chaowei Yang, Budhendra Bhaduri, Shaowen Wang, A-Xing Zhu, Mark Gahegan, Shashi Shekhar, Xinyue Ye, Grant McKenzie, Guido Cervone, Michael E. Hodgson,
- Abstract要約: 自律型GISの概念を詳述するとともに,その5つの目標,5レベルの自律性,5つのコア機能,3つの運用規模を定義する枠組みを提案する。
我々は,4つの概念実証GISエージェントを用いて,自律型GISがデータ検索,空間解析,マップ作成を行う方法を示した。
本稿は、GISが従来のものから自律的な理由づけ、導出、革新、先進的なソリューションを超えて世界的課題を推し進める未来を構想する。
- 参考スコア（独自算出の注目度）: 4.313594488242332
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The advent of generative AI exemplified by large language models (LLMs) opens new ways to represent and compute geographic information and transcend the process of geographic knowledge production, driving geographic information systems (GIS) towards autonomous GIS. Leveraging LLMs as the decision core, autonomous GIS can independently generate and execute geoprocessing workflows to perform spatial analysis. In this vision paper, we elaborate on the concept of autonomous GIS and present a framework that defines its five autonomous goals, five levels of autonomy, five core functions, and three operational scales. We demonstrate how autonomous GIS could perform geospatial data retrieval, spatial analysis, and map making with four proof-of-concept GIS agents. We conclude by identifying critical challenges and future research directions, including fine-tuning and self-growing decision cores, autonomous modeling, and examining the ethical and practical implications of autonomous GIS. By establishing the groundwork for a paradigm shift in GIScience, this paper envisions a future where GIS moves beyond traditional workflows to autonomously reason, derive, innovate, and advance solutions to pressing global challenges.
- Abstract（参考訳）: 大規模言語モデル(LLM)によって実証された生成AIの出現は、地理情報を表現し、計算し、地理的知識生産のプロセスを超越し、地理情報システム(GIS)を自律的なGISへと導く新しい方法を開く。
LLMを決定コアとして活用することで、自律GISは独立してジオプロセッシングワークフローを生成し、空間分析を行うことができる。
本稿では,自律型GISの概念を詳述し,その5つの目標,5レベルの自律性,5つのコア機能,3つの運用規模を定義する枠組みを提案する。
4つの概念実証GISエージェントを用いて地理空間データ検索、空間分析、地図作成を自律GISで行う方法を示した。
我々は、細調整および自己成長型意思決定コア、自律モデリング、自律GISの倫理的および実践的意義の検証など、重要な課題と今後の研究方向性を特定して結論付ける。
GIScienceのパラダイムシフトの基盤を確立することで、GISが従来のワークフローを超えて、自律的に推論、導出、革新、先進的な解決策を世界的課題に迫る未来を構想する。
関連論文リスト
- OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence [51.0456395687016]
マルチモーダル大言語モデル(LLM)が人工知能の新しいフロンティアをオープンした。
地理空間応用に適したMLLM(OmniGeo)を提案する。
自然言語理解の長所と空間的推論の長所を組み合わせることで,GeoAIシステムの指示追従能力と精度を高めることができる。
論文 参考訳（メタデータ） (2025-03-20T16:45:48Z) - PEACE: Empowering Geologic Map Holistic Understanding with MLLMs [64.58959634712215]
地質図は地質学の基本的な図として、地球の地下と地表の構造と構成に関する重要な洞察を提供する。
その重要性にもかかわらず、現在のマルチモーダル大言語モデル(MLLM)は地質図の理解に乏しいことが多い。
このギャップを定量化するために、地質地図理解においてMLLMを評価するための最初のベンチマークであるGeoMap-Benchを構築した。
論文 参考訳（メタデータ） (2025-01-10T18:59:42Z) - A comprehensive GeoAI review: Progress, Challenges and Outlooks [0.0]
Geospatial Artificial Intelligence (GeoAI)は、最も関連性の高い研究と産業応用で注目を集めている。
本稿では,地理空間データに人工知能(AI)手法とモデルを適用した相乗的概念としてGeoAIを包括的にレビューする。
論文 参考訳（メタデータ） (2024-12-16T10:41:02Z) - 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) - 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) - 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) - Autonomous GIS: the next-generation AI-powered GIS [0.0]
AIを活用した地理情報システム(GIS)として自律GISを導入する。
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た。
あらゆるケーススタディにおいて、LLM-Geoは集計された数、グラフ、マップを含む正確な結果を返すことができた。
論文 参考訳（メタデータ） (2023-05-10T20:46:29Z) - Philosophical Foundations of GeoAI: Exploring Sustainability, Diversity,
and Bias in GeoAI and Spatial Data Science [1.0152838128195467]
本章では、GeoAIと空間データ科学の哲学的基盤を形成する基本的な前提と原則について述べる。
それは、持続可能性、トレーニングデータのバイアス、スキーマ知識の多様性、そして、統一倫理的な視点からGeoAIシステムの中立性(潜在的に欠如している)といったテーマを強調している。
論文 参考訳（メタデータ） (2023-03-27T14:01:22Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - 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。