GeoAI - вызов или проблема?

I.G., 2026

Современные технологии перешли в эпоху повсеместного развития искусственного интеллекта и особенно областей обработки естественного языка (NLP). ИИ позволяет получить ответ на любой вопрос, основываясь на данных для обучения; автоматизируют процессы, генерируют код и помогают решать задачи. Даже в контексте картографии и геоинформатики ИИ позволяет анализировать данные с учетом пространства, и на основе аналитики предлагать рекомендации по принятию решений и давать прогнозы. В связи с этим возникла отдельная область геопространственного ИИ (GeoAI).

Бенефициарами развития области GeoAI стали крупные компании, имеющие опыт в решении задач геоаналитики, автоматизированной оцифровки данных по данным дистанционного зондирования Земли, метеорологии и других сфер, где тем или иным образом затрагивается пространственная статистика и машинное обучение. Некоторые из практических реализаций успешно интегрируются в бизнес-процессы, заменяя команды аналитиков. Однако возникает вопрос: как ИИ понимает пространство?

Существуют географические закономерности физико-географической и социально-экономической природы, которые, грубо говоря, формализованы в единые законы географии:

• первый закон Тоблера гласит о том, что «всё связано со всем остальным, но близкие вещи связаны больше, чем отдалённые»;
• второй - «Внешние по отношению к интересующей нас географической области явления влияют на то, что происходит внутри нее»;
• закон географии Арбиа гласит, что «Всё связано со всем остальным, но объекты, наблюдаемые в более мелком масштабе, связаны между собой сильнее, чем объекты, наблюдаемые при более крупном масштабе»

Эти законы в некотором приближении подтверждаются статистически, что позволяет взять их за основу ИИ. Нельзя не отметить, что бывают и исключения из этих правил, и такие аномалии в данных ИИ должен явным образом подсвечивать.

Совокупность этих законов, а также статистическая основа позволяют реализовать аналитические модели GeoAI, которые в совокупности с литературой по теме могут объяснить характер пространственного распределения тех или иных явлений. Однако есть существенное упущение: аналитика проводится без карты.

По сути своей, карта существует как набор слоёв, между которыми можно найти связи и корреляции. Но карта как некоторая осязаемая сущность (изображение, набор слоев на холсте веб-карты) может и не быть понята искусственным интеллектом. Поэтому ИИ оставляет открытую дверь, позволяя пользователю (картографу, аналитику, клиенту) самому прочитать карту и сделать по ней выводы. Человек не остался за бортом аналитического процесса, он просто может контролировать решение задачи, отданной на аутсорс, проверяя её валидность. Вопрос только в том, будет ли утруждать себя человек проверкой или пустит всё на самотёк?

Очень тревожна тенденция повсеместного упрощения дискурса, характерная в современном обществе. Эта тенденция не обошла стороной и картографию: если раньше карта как единица познания содержала в себе как можно больше явлений, то сейчас карта как единица познания примитивна. Есть большая доля вероятности, что тенденция упрощать не обойдет стороной и GeoAI, агрегируя большое количество переменных в один индекс, или оперируя только слоями как единицей познания.

Важно также понимать, что объективности искусственного интеллекта не существует в чистом виде, как и объективного подхода в картографии. Каждая карта - уникальный результат работы картографа, собирающего и интерпретирующего данные. Источники для обучения искусственного интеллекта такие же субъективные, как и источники для составления карты. Работа модели будет напрямую зависеть от того, какие идеи, предубеждения и методы в неё вложить. Естественно, модель может комбинировать несколько концепций, за счёт чего добавить себе немного баллов в объективности, но искусственный интеллект не сможет придумать что-то уникальное.

Кроме проблемы оторванности данных от карты, в некоторой степени присущей всей современной геоинформатики, существует проблема понимания географической привязки.

Рассмотрим сценарий, при котором аналитическая модель ИИ получила некоторое явление (например, плотность населения по регулярной сетке) в пределах города N. Регулярная сетка полигонов, как правило, не имеет человекочитаемых семантических данных, из-за чего аналитическая модель оперирует некоторыми внутренними идентификаторами, и при составлении отчёта пространственные отношения будут ограничены дирекционными (север-юг, запад-восток). Привязка явления на регулярной сетке к некоему образу города требует генерализации путем агрегирования статистики по некоторым границам: по административно-территориальному делению или другому более крупному (по транспортным районам, например) делению. В результате появляется контекст, позволяющий рассуждать на уровне более крупных и географически осмысленных единиц, а также добавлять в уравнение новые переменные - социально-экономические или иные показатели.

Вышеописанная модель географической привязки работает, если оперировать четко ограниченным именованным набором географических единиц (названия районов города). В случае городских территорий этого может быть недостаточно, поскольку при взаимодействием с городом как с территорией нельзя не отметить более крупные единицы, например, вернакулярных районов. Вопрос привязки “народных” урбаноидов - тема отдельных исследований. Если условиться, что этот вопрос решён, можно прийти к совершенно новому виду геопространственного ИИ: городскому искусственному интеллекту. Теоретически, он представляет собой языковую модель с возможностями понимания географического контекста путем проведения операций геообработки. Это гарантирует привязку разнородных урбаноидов к данным для более глубокого понимания контекста, формирования потенциально нетривиальных связей между явлениями и оперированием разномасштабными географическими единицами одновременно. Это также позволяет учитывать и исторический, и культурный контексты.

Данная концепция возможна не только в контексте городского ландшафта, она возможна и на более мелких масштабах от региона до континента. И если вопрос географической привязки в GeoAI является скорее преодолимым препятствием, то вопросы объекта и субъекта, примитивизации и в целом отказа от карты как традиционного способа познания – экзистенциальные в проблеме ИИ в картографии.

В картографии как в области науки существует традиция сакрального значения авторства картографа. Как было сказано ранее, за каждой картой стоит работа человека или коллектива, но отдавая процесс на аутсорс GeoAI, кто будет являться автором? Автор запроса в чат-боте, или месиво идей, смыслов, концепций, называемое искусственным интеллектом?

Боюсь предположить, что при повсеместной интеграции GeoAI бизнес-логика и бизнес-процессы перемелют все экзистенциальные вопросы ИИ в картографии в погоне за эффективностью в геоаналитическом отделе. Также они перемелют наши традиции.

Использование ИИ

Без использования ИИ