Нейросети и ГИС

Нейросети, а если быть точнее большие языковые модели (или LLM от Large Language Models) массово ворвались в современную жизнь. Они меняют многие сферы деятельности. В этой статье я расскажу, как используют большие языковые модели для работы в сфере геотехнологий, в том числе — о своем опыте.

В этой статье под нейросетями или ИИ я буду иметь в виду большие языковые модели, которые чаще всего представляют собой чат-бота. Посредством взаимодействия с ботом на обычном разговорном языке можно получать от него ответы в виде текста, изображений или даже действий в программах на компьютере. Да-да, даже в QGIS.

Принцип работы языковых моделей примерно таков. Вы пишете ИИ какой-либо запрос или вопрос, на профессиональном жаргоне это называется промт. Он же на основе того порядка слов, их сочетания, а также предыдущих ваших сообщений рассчитывает, какой ответ вас устроит, и дает его. Если вы уже работали с ИИ, то, наверное, заметили, что он дает не готовый текст, а пишет его по словам. Это потому, что происходит расчет, какое следующее слово с наибольшей вероятностью лучше всего подойдет.

Такой тип работы иногда приводит к тому, что нейросети могут давать неверную информацию, которую, услышав от человека, мы бы назвали выдумкой. В профессиональном жаргоне в таких случаях говорят, что ИИ галлюцинирует.

Больших языковых моделей сейчас очень много, субъективно, чаще всего используют ChatGPT, DeepSeek, Claude. Моя рабочая лошадка — это ChatGPT, и я использую бесплатную версию без подписки.

Одно из полезных свойств ИИ, которое начали использовать массово — поиск информации и советов. Это привело к тому, что, например Stackoverflow, сайт, где программисты помогали друг другу решать свои задачи, потерял большую часть аудитории, по некоторым оценкам до 90% пользователей.

Это довольно общий и очевидный способ использования ИИ, который многие уже пробовали, поэтому коротко опишу, с какими плюсами и минусами я столкнулся.

ИИ очень хорошо помогает переформулировать ваш запрос на научный язык, подсказать используемые термины. Например, я как-то заинтересовался тем, что если по-разному разделять пространство в городе, то результаты расчетов могут меняться. Я хотел про это больше прочитать, но ничего не находил подходящего. Но ИИ мне смог подсказать, что это называется Modifiable Areal Unit Problem (MAUP) и дальше уже было проще погрузиться в тему.

Большие языковые модели заточены на работу с текстом, чем как раз является и программный код. И это очень сильно помогает ГИС-специалистам, которые частенько либо не работают с кодом вообще, либо очень мало.

Если нужно написать небольшой простенький код на python или sql, то большинство ИИ легко справится с этой задачей

Например, я как-то делал карту вероятности выпадения снега на Новый год в России на основе архивных данных о снежном покрове, которые хранятся по типу 1 файл — 1 метеостанция, которых 620! То есть, нужно информацию из 620 файлов с одинаковой структурой перенести в одну таблицу, потом в ней посчитать нужные значения и уже потом делать карту.

Если вы не часто пишите код, то автоматизация процесса займет у вас больше времени, чем делать вручную. Но с ИИ задача решается гораздо быстрее.

Даже простые операции, которые можно делать в QGIS одним инструментом, иногда удобнее сделать с помощью кода. Это в первую очередь касается работы с большими файлами. Например, операция ресемплинга большого растра может в QGIS занимать часы, но с помощью кода она займет в разы меньше времени.

В какой-то степени, ИИ, который пишет код для реализации ваших идей — тот же интернет или сотрудник, но в данной секции я хочу поговорить о том использовании больших языковых моделей, когда они по вашему указанию работают в программах.

Сразу скажу, что с адекватно работающими бесплатными вариантами я не встречался. В лучшем случае — довольно сложная установка и ИИ, который строит буферы от линий в 10 раз дольше, чем я. Поэтому примеры ниже — платные подписки. Но если у вас есть другой опыт бесплатного использования ИИ в таком виде, то обязательно расскажите в комментариях.

Я обнаружил 2 варианта использования ИИ при работе с программами:

Для работы в таком режиме вам нужен Claude, платная подписка и специальное приложение, в названии которого будет аббревиатура MCP для вашей программы. Это самый распространенный и популярный вариант.

Я видел, как его используют с такими программами как Blender, QGIS, Excel.

А вот пример работы с Blender. Чтобы им пользоваться, нужна дополнительная программа Blender MCP, которую бесплатно можно скачать с гитхаба.

Экс-картограф National Geographic Эван Эпплгейт пишет, что Claude экономит ему много часов при работе с Blender. Он не так хорош при выставлении камеры и работе с анимацией, но быстро и неплохо может создать сферу, обернуть ее заготовленными слоями воды и суши и поставить настройки солнца и теней с которыми уже можно работать. Так можно быстрее перейти от рутины к творчеству.

Также для некоторых программ есть свои ИИ-ассистенты, которые хорошо помогают работать с программой. Например, для QGIS есть неплохой плагин Kue. И да, его использование платное.

В отличие от бесплатных плагинов, с которыми я сталкивался, он как минимум не уступает в скорости человеку. Через чат-бот его можно попросить, например, скачать данные из OSM, удалить лишние объекты, а еще перепроецировать несколько слоев и переименовать их так, чтобы было понятно, что это зто объекты.

У Arcgis, гиганта ГИС индустрии, тоже есть свой встроенный ИИ, который, получая команды от человека на обычном языке, может выполнять различные манипуляции со слоями и картой.

Нейросети могут сами генерировать целые карты, но явно с переменным успехом. Чаще всего получается треш, и есть даже отдельная ветка на реддите, куда выкладывают сгенерированные нейросетями карты.

Большую популярность имеют политические карты от ИИ. При генерации карт с границами государств он галлюцинирует больше и заметнее. У стран могут меняться границы, они могут переезжать через пол континента, островные государства становятся полуостровными. Причина такого - ИИ не использует какие-либо ГИС слои с границами для генерации, все строится на основе миллионов картинок из интернета самых разных временных эпох и фантазий.

Но если попросить ИИ делать карты рельефа или вида со спутника, то они уже могут давать довольно неплохие и реалистичные результаты, на которых не так просто найти ошибки.

Большие территории, такие как страны, области и континенты выглядят весьма правдоподобно. Но важно понимать, для их создания не используются реальные данные, а куча изображений из интернета. Поэтому при создании карт небольших территорий количество галлюцинаций ИИ многократно увеличивается.

А вот как выглядит округ Онондага на самом деле. ИИ удалил часть водных объектов и сильно изменил границы округа.

За год генерация карт относительно небольших территорий в ChatGPT не сильно изменилась.

Пример генерации карты Эльтонского сельского поселения с помощью ChatGPT самой последней модели. Выглядит красиво, но ошибки буквально везде.

Если генерация карт от ИИ неточная, а зачастую вовсе заканчивается трешем, то в улучшении изображения он завоевал хорошую репутацию. Для этого чаще всего используют модель Nano Banana от Google.

Вы можете попросить ИИ добавлять текстуру скал для территорий с резким уклоном. При этом ИИ не изменит больше ничего (главное про это упомянуть в промте): не добавит новых объектов, не уберет те что были, не добавит цветов.

Можно давать для ИИ более детальные указания, например, моушн дизайнер Дмитрий Воронцов создал изображение в программе. Затем на картинку добавил цветные пятна и использовал их для того, чтобы точно указать ИИ, что делать: синие точки должны стать водой, фиолетовые болотами, а желтые зданиями

В результате получилась вот такая трехмерная карта:

ИИ - мощный инструмент, который может сделать вашу жизнь легче и быстрее справляться с задачами. В то же время нужно быть осторожным с ИИ, и вот что я считаю важным помнить/делать при работе с ним:

Список, конечно же не является исчерпывающим, и если вам есть чем его дополнить, то обязательно напишите об этом в комментариях.