AI är idag ett välkänt begrepp. I samma andetag pratar man gärna om såväl machine learning och deep learning. Machine learning är en nischad del av AI, och deep learning är i sin tur en nischad del av machine learning. Men vad innebär det här för själva användandet av ArcGIS?
Artificiell intelligens, AI, är ingen ny teknik. Faktiskt har olika slags AI använts inom ArcGIS i årtionden.
Ändå är det först nu, tack vare kraftfulla datorer, distribuerade databaser, tillgång till extremt stora datamängder och moderna algoritmer, som AI med sina underkategorier machine learning och deep learning visar sig på bred front.
AI handlar kortfattat om datorer som försöker efterlikna mänsklig intelligens på något sätt. Machine learning är en subkategori som tar det ett steg djupare, och deep learning ytterligare ett.
Machine learning och deep learning är fördjupningar inom AI.
1. Vad innebär machine learning?
Machine learning handlar om att använda algoritmer, eller modeller, för att identifiera mönster i data. Det sker genom träna en datormodell att själv identifiera olika typer av (vanligen strukturerad) data, efter att modellen först fått öva på utvalda exempel av data.
Algoritmer inom machine learning är inte lämpliga för problem som innebär att riktigt stora mängder data behöver bearbetas. Då är det bättre att gå över till deep learning.
Machine learning i ArcGIS
I ArcGIS finns flera verktyg som drar nytta av machine learning. Verktygen kan sorteras in under tre områden:
- Prediktion: förutspå händelser eller troliga förekomster
- Klustring: hitta gemensamma nämnare i data
- Klassificering: klassa data
Demo: Använd machine learning-verktyg i ArcGIS för att förutspå sannolikheten för trafikolyckor.
2. Vad innebär deep learning?
Deep learning strävar efter att efterlikna hur den mänskliga hjärnan, och dess biologiska neurala nätverk, fungerar. Ett artificiellt neuralt nätverk uppnås genom att skapa ett digitalt nätverk uppbyggt av flera lager av algoritmer. Varje algoritm ger en unik tolkning av ett eller flera olika dataset som undersöks.
En deep learning-modell lär sig själv identifiera vilken typ av data som undersöks, helst utifrån riktigt stora mängder data. Modellen kan hantera flera olika indatakällor och därmed även komplexa samband mellan dem.
Under upprepade träningssessioner sorterar och värderar det neurala nätverket tolkningar från algoritmerna och gör misstag som rättas till under nästa session, tills en tillräckligt hög kvalité uppnås. För att kunna hantera detta krävs, kanske inte helt oväntat, stor datorkraft.
Deep learning i ArcGIS
Inom ArcGIS används deep learning framför allt för att identifiera mönster i olika typer av bilddata, stillbilder eller rörligt. Följande fyra metoder är de vanligaste:
- Image classification – bildklassificering
- Object detection – objektigenkänning
- Semantic segmentation – pixelklassificering
- Instance segmentation – en mer avancerad form av objektigenkänning: identifierar både objekttyp och dess form (polygon)
Här kan du läsa mer om metoderna ovan.
Demo: Använd deep learning-verktyg i ArcGIS för att identifiera objekt i stora mängder bilddata.
Dina data är avgörande
Sammanfattningsvis kan du utgå ifrån följande:
- Använd machine learning-modeller när du vill träna en modell utifrån uppmärkt träningsdata och när du har en datamängd som, i relation till deep learning, är lite mindre.
- Använd deep learning-modeller när du vill bearbeta extremt stora mängder data, som kan ha komplexa samband. Kräver kraftfulla datorer.
Och kom ihåg den universella sanningen: kvalitén på datan avgör resultatet.
