論文の概要: Toward Governance-Aware Autonomous GIS: A Narrative Review of Ethical and Privacy Risks in LLM-Enabled GeoAI
- arxiv url: http://arxiv.org/abs/2609.16232v1
- Date: Mon, 14 Sep 2026 18:58:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.184049
- Title: Toward Governance-Aware Autonomous GIS: A Narrative Review of Ethical and Privacy Risks in LLM-Enabled GeoAI
- Title（参考訳）: ガバナンスを意識した自律GISに向けて--LLM対応ジオAIにおける倫理的・プライバシー的リスクのナラティブレビュー
- Abstract要約: 大規模言語モデル(LLM)を利用したGeoAIは、空間情報をクエリ、生成、解釈する能力を拡張している。
本総説では, LLM対応GeoAIの8つの課題について述べる。
この合成に基づいて,LLM対応自律型GISのためのガバナンス対応アーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Geospatial artificial intelligence (GeoAI) powered by large language models (LLMs) is expanding the capacity to query, generate, and interpret spatial information through natural-language interfaces and agentic autonomous GIS workflows. This capability creates governance challenges that general AI ethics discussions do not fully capture, including passive location inference from mobility traces, spatially structured bias amplification driven by spatial autocorrelation and scale effects, hallucinated spatial facts, and uncertainty compounding across multimodal geospatial inputs. This narrative review identifies eight recurring issues in LLM-enabled GeoAI: data provenance and consent, spatial privacy and inference risk, algorithmic bias and spatial inequity, spatial mechanisms as structural risk (spatial autocorrelation, the modifiable areal unit problem, and scale effects), LLM-specific technical risks, explainability, policy and regulatory gaps, and public enablement and workforce development. For each issue, we characterize the underlying mechanism, ground it in an illustrative example from the literature, and assess the current state of technical or institutional responses, ranging from largely unaddressed to actively debated or subject to emerging policy. Building on this synthesis, we propose a governance-aware architecture for LLM-enabled autonomous GIS that maps each issue to enforceable controls and auditable artifacts across the geospatial data lifecycle, illustrated through a worked flood-response routing scenario. The review highlights a persistent evidence gap: proposed responses remain largely conceptual, and field-tested evaluations of governance controls for LLM-enabled GeoAI remain limited. We close by outlining a research agenda emphasizing empirical validation, spatially specific interpretability tools, and workforce training aligned with these emerging risks.
- Abstract（参考訳）: 大規模言語モデル(LLM)を活用した地理空間人工知能(GeoAI)は、自然言語インターフェースとエージェント自律GISワークフローを通じて、空間情報をクエリ、生成、解釈する能力を拡張している。
この能力は、モビリティトレースからの受動的位置推定、空間的自己相関とスケール効果によって引き起こされる空間的構造化されたバイアス増幅、幻覚された空間的事実、マルチモーダルな地理空間的入力をまたいだ不確実性など、一般的なAI倫理に関する議論が完全には捉えられないガバナンス上の課題を生み出す。
このナラティブレビューでは、LLM対応のGeoAIにおいて、データ証明と同意、空間プライバシーと推論リスク、アルゴリズムバイアスと空間不平等、構造的リスクとしての空間メカニズム(空間自己相関、変更可能なアダル・ユニット問題、スケール効果)、LLM固有の技術的リスク、説明可能性、ポリシーと規制のギャップ、そして公共的実現と労働力開発という8つの繰り返しの問題が特定されている。
各課題について, 基礎となるメカニズムを特徴付け, 文献から実証的な例に定め, 技術的・制度的な対応の現況を評価する。
本研究では,LLM対応自律型GISのためのガバナンスアーキテクチャを提案する。このアーキテクチャは,各課題を地理空間データライフサイクル全体にわたって実施可能なコントロールや監査可能なアーティファクトにマッピングする。
提案された回答は概ね概念的であり、LLM対応のGeoAIのガバナンス管理に関するフィールドテストによる評価は限定的のままである。
我々は、経験的検証、空間特異的解釈可能性ツール、これらの新興リスクに対応する労働トレーニングを強調する研究課題の概要を概説する。
関連論文リスト
- Agentic AI for Remote Sensing: Technical Challenges and Research Directions [37.28125428920207]
地球観測(EO)は、データ、参照ツール、地理空間状態の協調推論を必要とする多段階解析への静的予測を超えて進んでいる。
本稿では,これらの課題は偶発的ではなく構造的仮定であると主張する。
次に、構造的地理空間状態、ツール認識推論、検証者誘導実行、地理空間的および物理的妥当性に適合した学習目標を中心に、EOネイティブエージェントの設計原理を概説する。
論文 参考訳（メタデータ） (2026-04-27T18:59:49Z) - GeoAgent: Learning to Geolocate Everywhere with Reinforced Geographic Characteristics [91.17301794848025]
本稿では,人間と密に推論し,詳細なアドレス結論を導出できるGeoAgentについて述べる。
従来のRLベースの手法は、パフォーマンスと解釈可能性においてブレークスルーを達成したが、AI生成のチェーン・オブ・プリート(CoT)データとトレーニング戦略に依存しているため、依然として懸念が残っている。
論文 参考訳（メタデータ） (2026-02-13T04:48:05Z) - Large Language Models for Geolocation Extraction in Humanitarian Crisis Response [0.0]
本稿では,大規模言語モデルが人文的文書から位置情報を抽出する際の地理的格差に対処できるかどうかを検討する。
LLMをベースとした名前付きエンティティ認識とエージェントベースのジオコーディングモジュールを組み合わせた2段階のフレームワークを提案する。
その結果,LLM法は人道的テキストからの位置抽出の精度と公平性の両方を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2026-02-09T16:34:25Z) - Domain adaptation of large language models for geotechnical applications [5.576513036374959]
大規模言語モデル(LLM)は、複雑なテキストリッチなデータに依存する地理工学の機会を変えつつある。
本稿では,迅速な工学,検索拡張生成,ドメイン適応型事前学習,微調整など,4つの重要な適応戦略を批判的に検討する。
ドメイン適応型LLMは推論精度、自動化、解釈可能性を大幅に改善するが、データの不足、検証の課題、説明可能性の問題によって制限される。
論文 参考訳（メタデータ） (2025-07-08T02:45:44Z) - Can LLMs Learn to Map the World from Local Descriptions? [50.490593949836146]
本研究では,Large Language Models (LLMs) がコヒーレントなグローバル空間認識を構築できるかどうかを検討する。
都市環境を模擬した実験により, LLMは実空間分布に一致した潜在表現を示すことを示した。
論文 参考訳（メタデータ） (2025-05-27T08:22:58Z) - The Role of Open-Source LLMs in Shaping the Future of GeoAI [11.083173173865491]
大規模言語モデル(LLM)は地理空間人工知能(GeoAI)を変換している
本稿では,このトランスフォーメーションにおけるオープンソースパラダイムの重要性について考察する。
論文 参考訳（メタデータ） (2025-04-24T13:20:17Z) - 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) - A Survey on Post-training of Large Language Models [185.51013463503946]
大規模言語モデル(LLM)は、自然言語処理を根本的に変革し、会話システムから科学的探索まで、さまざまな領域で欠かせないものにしている。
これらの課題は、制限された推論能力、倫理的不確実性、最適なドメイン固有のパフォーマンスといった欠点に対処するために、先進的な訓練後言語モデル(PoLM)を必要とする。
本稿では,タスク固有の精度を向上するファインチューニング,倫理的コヒーレンスと人間の嗜好との整合性を保証するアライメント,報酬設計の課題によらず多段階の推論を進める推論,統合と適応の5つのパラダイムを体系的に追跡したPoLMの総合的な調査について述べる。
論文 参考訳（メタデータ） (2025-03-08T05:41:42Z) - 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) - GeoAI Reproducibility and Replicability: a computational and spatial perspective [3.46924652750064]
本稿では,このトピックを計算的,空間的両面から詳細に分析することを目的とする。
まず,GeoAI研究を再現するための主要な目標,すなわち検証(再現性),類似あるいは新しい問題の解法(再現性)の学習と適応,研究成果の一般化可能性(再現性)について検討する。
次に、GeoAI研究におけるR&Rの欠如の原因となる要因について、(1)トレーニングデータの選択と使用、(2)GeoAIモデル設計、トレーニング、デプロイメント、推論プロセスに存在する不確実性について論じる。
論文 参考訳（メタデータ） (2024-04-15T19:43:16Z) - 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)
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。