要約
大規模な言語モデル（LLMS）によって例示された生成AIの出現は、地理的情報を表現および計算する新しい方法を開き、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GISに向けて推進します。
LLMSを決定コアとして活用すると、自律GISはジオプロセシングワークフローを独立して生成および実行して、空間分析を実行できます。
このビジョンペーパーでは、自律GISの概念についてさらに詳しく説明し、5つの自律目標、5つの自律レベル、5つのコア関数、および3つの運用スケールを定義する概念フレームワークを提示します。
自律GISが地理空間データの検索、空間分析、および4つの概念実証GISエージェントを使用してマップ作成を実行する方法を示します。
微調整および自己成長の意思決定コア、自律的なモデリング、自律的なGIの社会的および実際的な意味を調べるなど、重要な課題と将来の研究の方向性を特定することで締めくくります。
Giscienceのパラダイムシフトの基礎を確立することにより、このペーパーは、GISが従来のワークフローを超えて自律的に推論し、地理空間ソリューションを導き出し、革新し、進歩させて世界的な課題を差し引くように移動する未来を想定しています。
一方、私たちはますますインテリジェントな地理空間システムを設計および展開する際に、それらが社会的責任のある方法で開発され、公共の利益に奉仕し、Ai-Aigmentedの未来における人間の地理的洞察の継続的な価値をサポートする責任を負います。
要約(オリジナル)
The advent of generative AI exemplified by large language models (LLMs) opens new ways to represent and compute geographic information and transcends 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 further elaborate on the concept of autonomous GIS and present a conceptual framework that defines its five autonomous goals, five autonomous levels, 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 societal 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 geospatial solutions to pressing global challenges. Meanwhile, as we design and deploy increasingly intelligent geospatial systems, we carry a responsibility to ensure they are developed in socially responsible ways, serve the public good, and support the continued value of human geographic insight in an AI-augmented future.
arxiv情報
| 著者 | 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 |
| 発行日 | 2025-04-14 14:21:34+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google