Skip to main content

GeoAI

GeoAI は、理解を深めて空間的問題を解決するために、空間データ、科学、地理空間技術と人工知能 (AI) を統合します。 GeoAI には、構造化データと非構造化データから情報を抽出、分類、検出して空間データを生成する従来の AI 手法の応用が含まれています。 また、GeoAI は、空間データの解析を通じて空間的問題を解決するように設計された空間明示的な AI 手法を利用したものでもあり、パターンの検出、推定の実行、時空間的予測などの手法が含まれています。

GeoAI の詳細

重要な概念

次の用語は、ArcGIS Pro での GeoAI の使用を理解するのに役立ちます:

  • 空間解析 - 単純なオーバーレイから高度な空間統計やその他の解析手法に至るまでの一連の手法を通じて、空間データ内の位置、属性、関係を調べるプロセス。

  • AI - 知覚、推論、学習など、従来は人間の知性を必要とするタスクを実行する機械 (コンピューターなど) の能力。 AI アプリケーションは、スマート フォンのスマート アシスタント、ソーシャル メディア フィードのおすすめ、自動運転技術やロボットなど、日々の生活のいたるところで目にするようになりました。 AI には、機械学習とディープ ラーニングの両方が含まれます。

  • 機械学習 (ML) - AI のサブセットで、コンピューターがデータ内のパターンを学習し、明示的にプログラミングしなくても知識を取得できるようにする一連の手法を指します。 通常、ML の手法は、分類、クラスタリング、推定 (回帰や予測など) の問題を解決する統計方法やデータ駆動型アルゴリズムの形で提供されます。 ML は、AI を実現するためのアプローチと考えることができます。

  • ディープ ラーニング (DL) - 人工ニューラル ネットワークの形でトレーニング可能な学習アルゴリズムを使用する ML のサブセット。 これらのネットワークのマルチレイヤー アーキテクチャーは、人間が周囲の世界を概念の入れ子階層として学習および理解するという人間の脳の働きから発想を得ています。 DL のアルゴリズムは、人間の脳のように機能すると考えることができ、コンピューターは単純な概念をつなぎ合わせることで複雑なパターンや概念を学習します。 未加工の入力データはネットワークの異なるレイヤーを介して解析され、連続する各レイヤーで、データ内のより複雑で具体的な特徴やパターンの定義が学習および獲得されます。

人工知能、機械学習、ディープ ラーニングの図

GeoAI は、ArcGIS のさまざまなジオプロセシング ツールや探索的解析ツールに組み込まれています。 ArcGIS の ML アルゴリズムは、空間データの解析で使用され、クラスタリング、推定 (分類と回帰)、時空間的予測を実行します。 DL は、ピクセル分類と画像セグメンテーション、オブジェクトの検出とフィーチャの抽出、オブジェクトの追跡、変化の検出、画像シミュレーションの手法とツールを使用して、ArcGIS でセンサー データ (画像や点群を含む) から地理空間情報を生成するために使用されます。 DL は、さまざまな自然言語処理の手法を使用して、非構造化テキストから地理空間データを生成するのにも使用されます。 また、DL は、推定や予測を行う空間データの解析にも使用できます。 ただし、困難な問題の多くには、その課題を理解して効果的に対処するために、GeoAI と他の空間解析手法を統合する必要があります。

人工知能と空間解析のベン図

問題の解決

GeoAI は、幅広い応用分野において空間的問題を解決する役割を果たします。

GeoAI の重要な側面は、構造化データと非構造化データから情報を抽出、分類、検出して空間データを生成する処理に、従来の AI 手法を応用することです。 このデータには、表形式データ、リモートセンシング データ (ラスター、画像、LiDAR 点群、ビデオなどを含む)、テキスト データが含まれます。 この空間データの生成には、画像内のオブジェクトの検索とカタログ化、LiDAR からの 3D データの作成、後のジオコーディングに利用する非構造化テキストからの位置情報の抽出などを行うアプリケーションが含まれます。 ArcGIS には、事前トレーニング済み DL モデルのセットも含まれており、トレーニング プロセスで最も時間がかかりリソースを大量に消費する負担を軽減します。 DL を使用して、これまで面倒だった空間データの抽出と作成のプロセスを自動化することは、多くのワークフローで有益であり、時間とリソースの大幅な節約につながります。 この空間データは、空間データの管理からパターンと関係性の高度な空間解析に至るまで、あらゆる下流のワークフローへの貴重な入力にもなります。

画像からのフィーチャ抽出を自動化するために使用されるディープ ラーニングの詳細と例

GeoAI のもう 1 つの重要な側面は、空間パターンの検出、推定や時空間的予測の実行などのアプリケーションのために、空間明示的な統計および機械学習手法を含む ML と DL の手法を空間データ解析に適用することです。 空間データに ML と DL の最新のツールを利用することで、困難な問題空間を探索するための新たな選択肢を得ることができます。 空間データに ML 手法を使用し、ジオグラフィーの側面 (位置、形状、近接性など) をアルゴリズムに直接組み込む空間明示的なモデルを取り入れることで、モデルがより効率的になるだけでなく、多くの場合、モデル化しようとしている現実をより正確に表現したものになります。 これらの手法を使用すると、意味のある空間パターンに基づいてリソースを割り当て、空間と時間の傾向や異常性を見つけ、推定や予測に空間的な関係を組み込むことができます。

空間データに適用される機械学習手法の詳細と例

最終的に、GeoAI の概念が用いられているツールは、思慮深いアナリストやデータ サイエンティストが使用した場合に最も効果を発揮します。 他のツールと同様に、アナリストは、問題を完全に理解し、意欲的に解析を反復処理して調整し、情報プロダクトを意思決定者に提供するときにプロセスの透明性を確保する必要があります。 GeoAI を使用する場合でもこれらの原則は変わらず、誠実な解析の必要性はこれまで以上に重要になっています。 ArcGIS Pro は、GeoAI ツールを実行し、その結果を評価し、効果的かつ責任を持って関係者に伝えるための手段を提供します。

詳細を見る

詳細については、以下のリソースをご参照ください。