Willem Vlot

Nooit meer een editie van

het Esri Magazine missen?

AI in ArcGIS:
innovaties volgen elkaar in rap tempo op

De ontwikkeling van AI binnen ArcGIS kent op dit moment duidelijk twee stromingen waarin veel innovatie plaatsvindt: de ontwikkelingen binnen GeoAI en de nieuwste virtuele assistenten op basis van generatieve AI.

We leven in een interessante technologische periode. Elke week zijn er wel weer nieuwe ontwikkelingen op het gebied van Artificial Intelligence (AI). Het nieuws op dit moment gaat vooral over de generatieve capaciteit van AI. Tekst, afbeeldingen, audio en video die automatisch worden gemaakt en steeds realistischer overkomen. Het is soms niet te bevatten. Maar hoe gaat het gebruik van GIS hiermee veranderen? En wat betekent dit voor uw organisatie? In dit artikel verkennen we de nieuwste ontwikkelingen en mogelijkheden van AI binnen ArcGIS.

Tekst: Willem Vlot. Beeld: Esri Nederland

Op dit moment biedt AI al talloze mogelijkheden om uw GIS-workflows efficiënter in te richten en zal het de manier waarop we GIS gebruiken blijven(d) veranderen. Vanuit Esri volgen wij deze ontwikkelingen op de voet om ervoor te zorgen dat u de kracht van AI binnen GIS maximaal kunt benutten.

Als we vooruitkijken zal de integratie van AI binnen de verschillende analyse-tools gestaag uitbreiden. Ook zullen de ontwikkelingen rondom AI assistenten ons in staat stellen om bijvoorbeeld de configuratie van een kaart sneller in te richten door op basis van menselijke taal automatisch geschikte data-lagen te vinden, de kaartopmaak aan te passen en analyses voor te stellen of uit te voeren. Een eerste ‘sneak peak’ hiervan kunt u bekijken in de presentatie tijdens de Esri DevSummit 2024.

Een blik in de toekomst

Naast de blijvende ontwikkelingen op het gebied van GeoAI kunnen we ook niet meer om de virtuele assistenten heen die ons helpen om nieuwe content zoals tekst of plaatjes te genereren.

Binnen ArcGIS zullen deze AI-assistenten beschikbaar komen om eenvoudiger toegang tot geografische informatie te krijgen en het gebruik van producten te vereenvoudigen via een interface op basis van menselijke taal. In dit eerdere artikel werd door collega’s Maartje Holtslag en Jeroen van Winden al gerefereerd naar het beschikbaar komen van de Survey123-assistent, om op basis van chat-interface met menselijke taal snel en eenvoudig een idee om te zetten in een survey-ontwerp wat u daarna handmatig nog kunt verfijnen.

Tijdens het evenement Esri Connect in april 2024 heeft collega Ernst Eijkelenboom naast deze mogelijkheid in Survey123 ook een aantal andere AI-assistenten getoond. Aan bod kwamen de AI-Chatbot in de Esri Support app om te ondersteunen bij technische vragen en de assistant in de ArcGIS Hub waar je in menselijke taal vragen aan kunt stellen om eenvoudig toegang te krijgen tot datasets en de informatie die hierin is te vinden.

 

Het trainingsproces zelf kan ook verder worden geautomatiseerd met de komst van AutoDL.

Deze technologie kent gelijkenissen met AutoML, een bekend data science proces om geautomatiseerd machine learning-modellen te ontwikkelen. Dit is overigens ook al beschikbaar binnen ArcGIS en heeft recent ondersteuning gekregen voor multimodale input (bijvoorbeeld tekst en beelden tegelijkertijd).

Het bepalen van de juiste modelparameters en het beste model kan nu ook worden toegepast bij het trainen van deep learning-modellen, waarmee dit iteratieve en vaak tijdrovende proces efficiënter wordt uitgevoerd.

Ook is het in de laatste release van ArcGIS Pro mogelijk een Model Assessment Report te genereren waarmee meerdere modellen onderling kunnen worden vergeleken op basis van de model metrics voor elke klasse waarop een model is getraind.

Wanneer een getraind model wordt toegepast op een grotere schaal, helpt het tenslotte ook dat er sinds ArcGIS Pro 3.3 ook standaard ondersteuning is voor het werken met meerdere grafische kaarten (GPUs) tegelijkertijd. Hiermee wordt de schaalbaarheid van uw analyse met AI verder vergroot.

Ook in de stap van het trainen van een model zijn er ontwikkelingen. Zo komen er steeds meer deep learning-architecturen beschikbaar in zowel ArcGIS Pro als de arcgis.learn module in de ArcGIS API for Python.

U kunt denken aan uitbreidingen voor puntenwolken, waar nu naast classificatie ook objecten automatisch in kunnen worden gedetecteerd.

Virtuele assistenten op basis van generatieve AI

Ook als u zelf aan de slag gaat met het trainen van een model zijn er meer dan genoeg nieuwe ontwikkelingen.
Zo kan het labelen van objecten voorafgaand aan de training efficiënter worden uitgevoerd met de komst van AI-assisted labeling in de laatste versies van ArcGIS Pro. Door simpelweg op een object te klikken of sterker nog, simpelweg een text prompt op te geven, kunnen automatisch bounding boxes worden gegenereerd, zonder handmatig de hoeken te hoeven bepalen en in te tekenen.

zonder aanvullende training. Vaak bent u toch geïnteresseerd in een specifiek type object. Een recentelijke ontwikkeling is daarin de release van Text SAM, waarbij het eerdergenoemde SAM model wordt gecombineerd met Grounding DINO, een model wat objecten kan detecteren door middel van text prompts. Door een sequentieel gebruik van deze twee modellen is het mogelijk om met een text prompt de exacte begrenzing van objecten te detecteren en deze als GIS objecten op te slaan.

Het toepassen van GeoAI wordt steeds laagdrempeliger gemaakt op allerlei vlakken. Zo breidt het aanbod aan voorgetrainde deep learning-modellen in de Levende Atlas zich in hoog tempo uit. Hierin zien we modellen voor specifieke toepassingen zoals het detecteren van zonnepanelen, maar ook de komst van ‘foundational’ models waarmee een breed scala aan toepassingen wordt ondersteund.
Een voorbeeld hiervan is Meta’s Segment Anything Model (SAM) wat de mogelijkheid biedt om alles in een beeld te segmenteren

patronen in meldingen openbare ruimte met cluster- en tekstanalyse tot het voorspellen van huizenprijzen aan de hand van allerlei variabelen als ook het automatisch extraheren van informatie vanuit sensordata zoals luchtfoto’s, satellietbeelden of 3D-puntenwolken.

Binnen geografische analyse zien we al langer de invloed van AI-modellen, tools en technieken. GeoAI stelt ons in staat om informatie-extractie op grote schaal te automatiseren en daarmee sneller waardevolle inzichten te verkrijgen. De vraagstukken die u kunt beantwoorden lopen uiteen van het kwantificeren van

Waardevolle inzichten dankzij GeoAI
Hulp bij het trainen van een model
Objecten herkennen zonder aanvullende training
Visuele omgeving en datagedreven besluitvorming

Zelf aan de slag met GeoAI

Meer weten over GeoAI? Lees in dit blog over voorgetrainde deep learning-modellen in ArcGIS.

zonder aanvullende training. Vaak bent u toch geïnteresseerd in een specifiek type object. Een recentelijke ontwikkeling is daarin de release van Text SAM, waarbij het eerdergenoemde SAM model wordt gecombineerd met Grounding DINO, een model wat objecten kan detecteren door middel van text prompts. Door een sequentieel gebruik van deze twee modellen is het mogelijk om met een text prompt de exacte begrenzing van objecten te detecteren en deze als GIS objecten op te slaan.

patronen in meldingen openbare ruimte met cluster- en tekstanalyse tot het voorspellen van huizenprijzen aan de hand van allerlei variabelen als ook het automatisch extraheren van informatie vanuit sensordata zoals luchtfoto’s, satellietbeelden of 3D-puntenwolken.

Objecten herkennen zonder aanvullende training

Het toepassen van GeoAI wordt steeds laagdrempeliger gemaakt op allerlei vlakken. Zo breidt het aanbod aan voorgetrainde deep learning-modellen in de Levende Atlas zich in hoog tempo uit. Hierin zien we modellen voor specifieke toepassingen zoals het detecteren van zonnepanelen, maar ook de komst van ‘foundational’ models waarmee een breed scala aan toepassingen wordt ondersteund.
Een voorbeeld hiervan is Meta’s Segment Anything Model (SAM) wat de mogelijkheid biedt om alles in een beeld te segmenteren

Hulp bij het trainen van een model
AI in ArcGIS:
innovaties volgen elkaar in rap tempo op

Binnen geografische analyse zien we al langer de invloed van AI-modellen, tools en technieken. GeoAI stelt ons in staat om informatie-extractie op grote schaal te automatiseren en daarmee sneller waardevolle inzichten te verkrijgen. De vraagstukken die u kunt beantwoorden lopen uiteen van het kwantificeren van

Willem Vlot

De ontwikkeling van AI binnen ArcGIS kent op dit moment duidelijk twee stromingen waarin veel innovatie plaatsvindt: de ontwikkelingen binnen GeoAI en de nieuwste virtuele assistenten op basis van generatieve AI.

We leven in een interessante technologische periode. Elke week zijn er wel weer ontwikkelingen op het gebied van Artificial Intelligence (AI). Het nieuws op dit moment gaat vooral over de generatieve capaciteit van AI. Tekst, afbeeldingen, audio en video die automatisch worden gemaakt en steeds realistischer overkomen. Het is soms niet te bevatten. Maar hoe gaat het gebruik van GIS hiermee veranderen? En wat betekent dit voor uw organisatie? In dit artikel verkennen we de nieuwste ontwikkelingen en mogelijkheden van AI binnen ArcGIS.

Waardevolle inzichten dankzij GeoAI

Tekst: Willem Vlot. Beeld: Esri Nederland

Op dit moment biedt AI al talloze mogelijkheden om uw GIS-workflows efficiënter in te richten en zal het de manier waarop we GIS gebruiken blijven(d) veranderen. Vanuit Esri volgen wij deze ontwikkelingen op de voet om ervoor te zorgen dat u de kracht van AI binnen GIS maximaal kunt benutten.

Zelf aan de slag met GeoAI

Meer weten over GeoAI? Lees in dit blog over voorgetrainde deep learning-modellen in ArcGIS.

Ook als u zelf aan de slag gaat met het trainen van een model zijn er meer dan genoeg nieuwe ontwikkelingen.
Zo kan het labelen van objecten voorafgaand aan de training efficiënter worden uitgevoerd met de komst van AI-assisted labeling in de laatste versies van ArcGIS Pro. Door simpelweg op een object te klikken of sterker nog, simpelweg een text prompt op te geven, kunnen automatisch bounding boxes worden gegenereerd, zonder handmatig de hoeken te hoeven bepalen en in te tekenen.

Ook in de stap van het trainen van een model zijn er ontwikkelingen. Zo komen er steeds meer deep learning-architecturen beschikbaar in zowel ArcGIS Pro als de arcgis.learn module in de ArcGIS API for Python.

U kunt denken aan uitbreidingen voor puntenwolken, waar nu naast classificatie ook objecten automatisch in kunnen worden gedetecteerd.

Naast de blijvende ontwikkelingen op het gebied van GeoAI kunnen we ook niet meer om de virtuele assistenten heen die ons helpen om nieuwe content zoals tekst of plaatjes te genereren.

Binnen ArcGIS zullen deze AI-assistenten beschikbaar komen om eenvoudiger toegang tot geografische informatie te krijgen en het gebruik van producten te vereenvoudigen via een interface op basis van menselijke taal. In dit eerdere artikel werd door collega’s Maartje Holtslag en Jeroen van Winden al gerefereerd naar het beschikbaar komen van de Survey123-assistent, om op basis van chat-interface met menselijke taal snel en eenvoudig een idee om te zetten in een survey-ontwerp wat u daarna handmatig nog kunt verfijnen.

Tijdens het evenement Esri Connect in april 2024 heeft collega Ernst Eijkelenboom naast deze mogelijkheid in Survey123 ook een aantal andere AI-assistenten getoond. Aan bod kwamen de AI-Chatbot in de Esri Support app om te ondersteunen bij technische vragen en de assistant in de ArcGIS Hub waar je in menselijke taal vragen aan kunt stellen om eenvoudig toegang te krijgen tot datasets en de informatie die hierin is te vinden.

 

Virtuele assistenten op basis van generatieve AI

Het trainingsproces zelf kan ook verder worden geautomatiseerd met de komst van AutoDL.

Deze technologie kent gelijkenissen met AutoML, een bekend data science proces om geautomatiseerd machine learning-modellen te ontwikkelen. Dit is overigens ook al beschikbaar binnen ArcGIS en heeft recent ondersteuning gekregen voor multimodale input (bijvoorbeeld tekst en beelden tegelijkertijd).

Het bepalen van de juiste modelparameters en het beste model kan nu ook worden toegepast bij het trainen van deep learning-modellen, waarmee dit iteratieve en vaak tijdrovende proces efficiënter wordt uitgevoerd.

Ook is het in de laatste release van ArcGIS Pro mogelijk een Model Assessment Report te genereren waarmee meerdere modellen onderling kunnen worden vergeleken op basis van de model metrics voor elke klasse waarop een model is getraind.

Wanneer een getraind model wordt toegepast op een grotere schaal, helpt het tenslotte ook dat er sinds ArcGIS Pro 3.3 ook standaard ondersteuning is voor het werken met meerdere grafische kaarten (GPUs) tegelijkertijd. Hiermee wordt de schaalbaarheid van uw analyse met AI verder vergroot.

Als we vooruitkijken zal de integratie van AI binnen de verschillende analyse-tools gestaag uitbreiden. Ook zullen de ontwikkelingen rondom AI assistenten ons in staat stellen om bijvoorbeeld de configuratie van een kaart sneller in te richten door op basis van menselijke taal automatisch geschikte data-lagen te vinden, de kaartopmaak aan te passen en analyses voor te stellen of uit te voeren. Een eerste ‘sneak peak’ hiervan kunt u bekijken in de presentatie tijdens de Esri DevSummit 2024.

Een blik in de toekomst