Vi har nu kommit till en punkt där artificiell intelligens (AI) varken är science fiction eller bara ett buzzword. Tvärtom är det en kapacitet och möjlighet att verkligen räkna med. Vi använder och drar nytta av AI dagligen utan att reflektera över det – när vi googlar, använder sociala media eller konsumerar olika webbtjänster. Personligen tycker jag att det är extra spännande att se kombinationen GIS (geografiska informationssystem) och AI i tillämpningar som ger reell affärsnytta inom skogsnäringen.
Machine learning (ML) är en gren inom AI där en dator med hjälp av algoritmer lär känna mycket stora datamängder, bearbetar dem och mejslar ut dolda mönster och viktig information. Ju mer data av olika sort som tillförs till modellen, desto mer bättre tränad blir algoritmen och kvaliteten på de svar den ger ökar.
Geografin naturlig komponent för machine learning
Geografiska data lämpar sig väldigt bra för just machine learning. Dels är dessa dataset stora, men framförallt har den geografiska aspekten av data av naturen en förmåga att sammanlänka olika typer av data från olika källor. En värdefull tillgång i upplärningen av en ML-algoritm. Detta är faktiskt också en funktion som sedan länge finns i vårt ArcGIS. Möjligheterna har dessutom breddats i och med att externa ramverk för deep learning numer enkelt kan integreras i ArcGIS.
Svenska exempel: Underlag för att tackla klimatförändringar
Två svenska exempel där kombinationen GIS och machine learning är i bruk finns hos våra kunder Holmen och Skogsstyrelsen, som använder den för att upptäcka och analysera angrepp av skadeinsekter på skogsbestånd. Ett riktigt bra exempel på hur den här tekniken används för att tackla skogsbrukets utmaningar kopplat till klimatförändringar och för att skapa en långsiktigt hållbar affär.
Tre nyckelfaktorer för större värde med AI
Till sist några råd till om vad som gör att AI genererar verkligt värde i en organisation:
Länktips:
