هوش مصنوعی در اطلاعات مکانی از کجا پدید آمد؟/ کاربردی‌سازی داده‌های ماهواره‌های سنجش از دور با هوش مصنوعی

دکتر علیرضا شریفی؛ متخصص حوزه فضایی و کارشناس سنجش از راه دور ماهواره‌ای در گفت‌و‌گو با خبرنگار فضا و نجوم خبرگزاری تسنیم اظهار کرد: همانطور که می‌دانیم رهبر معظم انقلاب اسلامی در 26 آبان 1400 از "هوش مصنوعی" به‌عنوان یک مسئله مهم و آینده‌ساز نام بردند و تأکید کردند که این مسئله در اداره آینده دنیا نقش دارد و باید به‌گونه‌ای عمل کنیم که ایران جزو 10 کشور برتر هوش مصنوعی در دنیا قرار بگیرد.

وی گفت: همچنین ایشان در 14 خرداد 1402 بیان فرمودند که در دوران هوش مصنوعی و کوانتوم و اینترنت نمی‌شود با همان ابزارهای چهل سال قبل کار کرد باید ابزارها متناسب با زمان باشند. بدین ترتیب بکارگیری هوش مصنوعی در علوم مختلف علاوه بر یک ضرورت علمی برای پژوهشگرانی که در لبه دانش فعالیت می‌کنند، یک خواسته مهم مسئولان نظام جمهوری اسلامی هم است و باید به‌عنوان یکی از اولویت‌های مهم پژوهشی کشور در نظر گرفته شود و سازماندهی مناسب و نیز اعتبار کافی برای این حوزه تخصیص یابد.

مفهوم GEOAI یا "هوش مصنوعی در اطلاعات مکانی" از کجا پدید آمد؟

شریفی با اشاره به مفهوم هوش مصنوعی در اطلاعات مکانی یا GEOAI تصریح کرد: در دهه اخیر، پیشرفت قابل توجهی در تحقیقات هوش مصنوعی حاصل شده است. یادگیری عمیق و قدرت محاسباتی با کارایی بالا در این پیشرفت سریع نقش اساسی داشته‌اند به‌نحوی که امروزه آموزش مدل‌های پیچیده بر روی کلان داده‌های سنجش از دور که چند ده گیگابایت حجم دارند در عرض چند ساعت انجام می‌شود. با توجه به اینکه داده‌های مکانی در حجم بسیار زیاد و در طول دوره‌های زمانی مختلف در دسترس است لذا تلاش‌های زیادی توسط دانشگاه و صنعت برای تسهیل ادغام اطلاعات مکانی و هوش مصنوعی انجام شده و نتیجه آن ایجاد یک حوزه جدید به نام هوش مصنوعی در اطلاعات مکانی یا GEOAI در سال 2017 بوده است.

ارتباط حوزه هوافضا با اطلاعات مکانی چیست؟

این متخصص حوزه فضایی تصریح کرد: حل مسائل مرتبط با مکان، نیازمند رویکرد مکان‌مبنا و با اتصال داده‌های توصیفی و آماری به اطلاعات مکانی امکان‌پذیر است. سامانه اطلاعات مکانی، داده‌های توصیفی و آماری را به اطلاعات مکانی متصل کرده و امکان انواع پرسش و تحلیل‌های مکانی و توصیفی را برروی آنها فراهم و تصمیم‌گیری درباره بسیاری از موارد مانند مکان‌یابی برای استقرار نیروگاه‌های تجدیدپذیر، پیش‌بینی وضع هوا، گزارش قطع برق در شبکه، تحلیل الگوی جرم و... را تسهیل می‌کند.

وی ادامه داد: از آنجا که تصاویر ماهواره‌ای یکی از اصلی‌ترین منابع برای تولید داده مکانمند هستند، لذا پیوند بسیار محکمی بین این دو حوزه برقرار است. با توجه به اینکه کشور عزیزمان جزو 10 کشور دارای زنجیره کامل حوزه فضایی است، بنابراین کاربردی‌سازی داده‌های جمع‌آوری شده توسط ماهواره‌های سنجش از دور نیازمند توسعه زیرساخت‌هایی است که بتواند حجم بالای داده‌های موجود را جمع‌آوری، ذخیره و پردازش کند و خروجی مورد نظر را به ذینفعان تحویل دهد که این امر با بکارگیری هوش مصنوعی و کلان داده سنجش از دور میسر شده است.

شریفی گفت: بعنوان مثال، تولید نقشه‌های پیش‌بینی پوشش اراضی سال 1410 استان تهران، می‌تواند به متخصصین برنامه‌ریزی شهری کمک کند تا الزامات فنی مورد نظر را در طرح‌های توسعه‌ای مدنظر قرار دهند. همچنین، تولید نقشه‌های مربوط به پیش‌بینی توسعه اراضی کشاورزی استان اصفهان در سال 1415، می‌تواند مبنایی برای برنامه الگوی کشت قرار گیرد تا هم از هدررفت منابع آب شیرین جلوگیری کند و هم از فرسایش خاک. بدین ترتیب صنعت فضایی (بعنوان یک صنعت بالادست) به صنعت اطلاعات مکانی (بعنوان یک صنعت پایین دست) ارتباط پیدا می‌کند و زنجیره فضایی کشور را از طراحی، ساخت و پرتاب ماهواره تا تولید اطلاعات مکانمند از تصاویر ماهواره‌ای تکمیل می‌کند.

آیا داده‌های سنجش از دور ماهیت کلان داده دارند؟

این کارشناس سنجش از راه دور ماهواره‌ای خاطرنشان کرد: همانطور که می‌دانیم، کلان داده‌ها نقش بسیار مهمی در دنیای هوش مصنوعی ایفا می‌کنند زیرا هوش مصنوعی بر پایه تجزیه و تحلیل داده‌ها و استخراج الگوها و اطلاعات مفید از آنها بنا شده است. کلان داده‌ها به عنوان منبع اصلی اطلاعات برای آموزش مدل‌های هوش مصنوعی عمل می‌کنند چون آموزش مدل با حجم بالایی از داده‌ها، می‌تواند الگوها و روابط پیچیده‌تر را بهتر شناسایی کند.

وی گفت: همچنین، با استفاده از کلان داده‌ها و روش‌های تحلیل داده، می‌توان الگوها، روندها و روابط پنهان در داده‌ها را شناسایی کرده و پیش‌بینی کرد. معیارهایی مانند حجم، سرعت و تنوع به‌عنوان سه عنصر اصلی در تعریف کلان داده مورد استفاده قرار می‌گیرند که در داده‌های سنجش از دور قابل ملاحظه‌اند. امروزه سنجنده‌های متنوع نصب شده بر روی ماهواره‌های سنجش از دور قادرند در طول موج‌های مختلف الکترومغناطیسی از سطح زمین داده‌برداری کنند.

شریفی تأکید کرد: همچنین، وجود منظومه‌های مختلف از این نوع ماهواره‌ها سرعت جمع‌آوری داده‌ها را به چند ترابایت در طول یک شبانه روز افزایش داده است که بدین ترتیب، در طول سال حجم زیادی از داده‌ها در دسترس عموم قرار می‌گیرند. لازم به ذکر است، با توجه به تاریخچه غنی اخذ تصاویر ماهواره‌ای از کره زمین، برخی کشورهای اقدام به تولید مکعب داده محلی (Local data cube) برای سرزمین خود کرده‌اند. این مکعب داده شامل لایه‌های مکانمند در حوزه‌های کاربری مختلف و در قالب یکسری زمانی مکانی است که کاربر قادر است با استفاده از آن لایه‌های مورد نیاز را در دوره زمانی موردنظر انتخاب کرده و برای تحلیل‌های مبتنی بر هوش مصنوعی از آنها استفاده کند.

کاربردهای هوش مصنوعی در اطلاعات مکانی

این متخصص حوزه فضایی با بیان اینکه یکی از کاربردهایی که هوش مصنوعی در اطلاعات مکانی دارد، ایجاد مدل‌های پیش‌بینی برای ترافیک است، تصریح کرد: با استفاده از الگوریتم‌های هوش مصنوعی، می‌توان مدل‌هایی را طراحی کرد که با توجه به اطلاعات مکانی و زمانی، ترافیک در مسیرهای مختلف شهری را پیش‌بینی کنند و باعث بهبود ترافیک شوند. همچنین، هوش مصنوعی می‌تواند به سامانه‌های مکانمند در حفاظت از محیط زیست و پیش‌بینی وقوع طوفان‌ها و آتش‌سوزی‌ها کمک کند.

وی ادامه داد: از این سامانه‌ها می‌توان به منظور طبقه‌بندی تصاویر ماهواره‌ای یا پهپادی استفاده کرد که این امر به پایش محیط زیست، برنامه‌ریزی توسعه شهری، پایش محصولات کشاورزی، شناسایی زیرساخت‌های آسیب‌دیده یا شناسایی فعالیت‌های غیرقانونی کمک می‌کند. از سوی دیگر، سامانه‌های GEOAI می‌توانند با تحلیل داده‌های سری زمانی گذشته، به پیش‌بینی آینده (با ریسک و قابلیت اطمینان معین) جهت ارائه الگوهای آتی کاربری اراضی و ارائه پیشنهادات برای برنامه‌ریزی استفاده از زمین به کار روند که شامل شناسایی مناطق مناسب برای توسعه، پیش‌بینی تأثیر توسعه بر محیط زیست یا توصیه بهترین مکان‌ها برای زیرساخت‌های جدید است.

شریفی در پایان تأکید کرد: با توجه به اهمیت این حوزه دانشی، نشریه‌ای نیز با عنوان "پژوهش‌های سنجش از دور و اطلاعات مکانی" راه‌اندازی شده است تا بتوان از این طریق ظرفیت‌های علمی موجود در کشور در زمینه سنجش از دور و اطلاعات مکانی را در جهت پیشبرد اهداف عالی کشور هدایت کرد.