الذكاء الصنعي الجغرافي المكاني (GeoAI)

الذكاء الصنعي الجغرافي المكاني (Geospatial artificial intelligence (GeoAI

يُعدُّ الذكاء الصنعي اليوم أحد أكثر مجالات البحث المثيرة للاهتمام لمساهماته في تطوير الأنظمة التقنية للحواسيب واكتساب الذكاء الآلي لمحاكاة الطريقة التي يدرك بها الإنسان العالم ويتفاعل معه، ممَّا يمكِّن من حل المشكلات الجغرافية والمكانية بطرائق مبتكرة (1).

شهدت السنوات الأخيرة تطورات كبيرة في دمج الذكاء الصنعي والجغرافيا المكانية وخاصةً التعلُّم الآلي (machine learning) وأساليب التعلُّم العميق (deep learning) عبر تفعيل دور تقنيات الذكاء الصنعي في كلٍّ من الأوساط الأكاديمية والمهنية، ويمكن عد الذكاء الصنعي الجغرافي المكاني موضوع دراسة لتطوير برامج حاسوبية ذكية لتقليد عمليات الإدراك البشري، والتفكير المكاني، واكتشاف الظواهر والديناميكيات الجغرافية لتعزيز معرفتنا وحل المشكلات في النظم البيئية البشرية وتفاعلاتها، مع التركيز على السياقات المكانية وعلم نظم المعلومات الجغرافية (2). 

وهنا يأتي السؤال: بغرض دعم إنشاء معلومات جغرافية أكثر ذكاءً إضافةً إلى الأساليب والأنظمة والخدمات لمجموعة متنوعة من المهام اللاحقة؛ هل يمكن تطبيق الذكاء الصنعي على البيانات المكانية الحالية أم أنه يجب إعادة إنشائها خصيصًا لتلائم حيثيات هذه التقنيات (3)؟

ولمَّا كان جزء كبير من علم الجغرافيا مبنيًّا على معالجة البيانات الجغرافية والمسح الجغرافي والدراسات التجريبية لسطح الأرض أو لاستخدام الأراضي، ناهيك عن معالجة الرسومات أو إدارة المعلومات الجغرافية أو غيرها الكثير من التطبيقات المهمة لحياة الإنسان ولكوكب الأرض؛ أصبح لتكنولوجيا المحاكاة الحاسوبية ثم تكنولوجيا الذكاء الصنعي دورٌ مهمٌّ في تسهيل إنجاز هذه المهام بجودة أعلى وبدقة أكبر عبر محاكاة ما يستطيع الدماغ البشري التفكير به وتحليله في مختلف التخصصات الجغرافية (4).

صيغ مصطلح الذكاء الصنعي الجغرافي المكاني "geospatial artificial intelligence GeoAI" لأول مرة في مؤتمر (ACM SIGSPATIAL) لعام 2017م، ثم تبنَّته بسرعة شركات التكنولوجيا الفائقة، مثل (Microsoft) و(Esri)، للإشارة إلى حلولها المؤسساتية التي تجمع بين ذكاء الموقع والذكاء الصنعي، ويستخدم الباحثون الجغرافيون هذا المصطلح كثيرًا عندما يتضمن بحثهم استخراج البيانات والتعلم الجغرافي الآلي، نظرًا لتطبيقاته الكثيرة بوصفه مجالًا بحثيًّا جديدًا متعدِّد التخصصات يستغل ويطوِّر الذكاء الصنعي للتحليلات القائمة على الموقع باستخدام البيانات الجغرافية الضخمة (1).

استُخدمت تطبيقات الذكاء الصنعي بدايةً في تجميع واستخراج وتحليل البيانات الجغرافية لأنظمة الاستشعار عن بعد، ثم بدأت الخوارزمية القائمة على الشبكة العصبية (neural network-based algorithm) تتطور تدريجيًّا وتحرز تقدُّمًا مهمًّا في رسم الخرائط واسترجاع الصور الجغرافية، وصولًا إلى العديد من التطبيقات المميزة الأخرى مثل مراقبة تغير استخدام الأراضي والتصنيف التلقائي للصخور، ونمذجة تلوث المياه، وحساب المؤشر البيئي، وتحليل آثار الكوارث، واتخاذ القرارات التي من شأنها أن تخفف من تبعات الكوارث الطبيعية (4). 

تُعدُّ صور الاستشعار عن بعد إحدى أهم مصادر البيانات وأكثرها استخدامًا في الجغرافيا؛ إذ تتضمن معلومات مستخرجة عن تغيرات سطح الأرض البشرية منها والطبيعية، وتقدم التطورات الأخيرة في عملية مراقبة سطح الأرض عن طريق الطائرات من دون طيار مزايا هائلة على نطاق واسع (1)، تتجسد أهم هذه المزايا في إعداد خرائط سطح الأرض والسماح بتصنيف استخدام الأراضي، والتحديد عالي الدقة لخصائص هذا الاستخدام وفقًا للسمات الطيفية والمكانية المتعددة لسطح الأرض. وقد أصدر معهد أبحاث النظم البيئية (Esri) خريطة سنوية عالية الدقة (10م) للغطاء الأرضي باستخدام تقنيات الذكاء الصنعي وخوارزميات الشبكية العصبية (CNN+U-Net)، واستُخدمت مجموعة بيانات تجريبية ضخمة تضم أكثر من خمسة مليارات بكسل من الصور الفضائية، مستفيدةً من التغطية الشاملة والدقة المكانية العالية لصور القمر الصناعي (Sentinel-2)، واحتاجت هذه الطريقة قرابة 400000 ملاحظة أرضية لاستخدام الأراضي بسعة 400 TB مع عشرة فئات للغطاء الأرضي بما فيها المياه والغطاء الأخضر والمحاصيل والمناطقة العمرانية المبنية (5).

و طُبِّقت تقنيات الذكاء الصنعي الجغرافي المكاني في العلوم البيئية أيضًا، فعلى سبيل المثال، طُوِّرت نماذج التعرض للأوبئة البيئية عبر دمج كميات كبيرة من البيانات المكانية والزمانية الكبيرة في مجموعة متنوعة من التنسيقات والقدرات الحسابية والخوارزميات المرنة الخاصة بتطبيقات الذكاء الصنعي لاستيعاب الخصائص المرتبطة بالعمليات المكانية البيئية وإمكانية توسيع هذه النماذج عبر مناطق جغرافية مختلفة (6).

علاوةً على ذلك، يمكن لتطبيقات الذكاء الصنعي تحقيق تقدم مهم في إدارة الكوارث والاستجابة السريعة والفعالة لتبعاتها سواء كانت طبيعية أم بشرية، إذ تُستخدم خوارزميات الذكاء الصنعي بازدياد في توليد الاستنتاجات حول الظواهر الطبيعية وآثارها التي تقدمها بياناتها المكانية، وبناءً على ذلك تُتَّخذ القرارات على نحوٍ أكثر دقة، إضافةً إلى تطبيقات الذكاء الصنعي في تحليل البيانات المكانية في تحديد مناطق الخطر والاحتياجات المستقبلية للتصدي له ولتخفيف آثاره (7).

ظهرت بعض التطورات التكنولوجية المهمة لتطبيقات الذكاء الصنعي في دعم حلول تكنولوجيا المعلومات من منظور هندسة البرمجيات، بما في ذلك تطبيقات الذكاء الصنعي الجغرافي المكاني وسُحب النقاط ثلاثية الأبعاد (3D Point Clouds) فئةً رئيسية من بيانات الجغرافيا المكانية، وتُستخدم هذه السحب لتمثيل الأسطح والأشكال في العالم الواقعي، إضافةً إلى دعم بناء التوائم الرقمية الجغرافية المكانية (Geospatial Digital Twins) بوصفها نماذج رقمية للأماكن أو التضاريس أو البنى التحتية الجغرافية (3). 

ومنه، يُعدُّ الذكاء الصنعي الجغرافي المكاني -هذا التخصص العلمي الناشئ- ثورةً حقيقيةً عبر قدرته على الجمع بين الابتكارات في العلوم المكانية، وطرائق الذكاء الصنعي في التعلم الآلي (التعلم العميق)، واستخراج البيانات، والحوسبة عالية الأداء لاستخراج المعرفة من البيانات المكانية الضخمة، فهو يسعى حاليًّا إلى تطوير تقنياته وخوارزمياته وإنشاء تقنيات جديدة لتحديث التعاطي مع المعلومات الجغرافية المكانية.

المصادر: