Loin d’être une technologie de « science-fiction », l’intelligence artificielle (IA) joue déjà un rôle crucial dans de nombreux domaines et révolutionne les technologies existantes. Au cours de la dernière décennie, les techniques d’IA telles que l’apprentissage automatique (ML) et surtout l’apprentissage profond (DL) ont considérablement progressé en raison de l’abondance des données associée aux progrès du calcul haute performance. Comme dans de nombreux domaines technologiques, ces nouvelles capacités d’IA ont réorienté et transformé les SIG et la télédétection, en fournissant de nouvelles solutions et en augmentant considérablement l’efficacité. L’application des technologies d’IA pour résoudre les problèmes rencontrés par la communauté géospatiale est désormais connue sous le nom de « GeoAI ».
La communauté scientifique géospatiale, par exemple, utilise couramment l’IA et les techniques associées pour mieux exploiter le volume insurmontable de données d’observation de la Terre (OT) créées pour l’analyse géospatiale dans divers domaines, tels que les villes intelligentes, la gestion de l’environnement et la gestion des catastrophes. Cependant, les applications possibles de la géoIA commencent seulement à émerger.
« Je définirais GeoAI comme un ensemble de méthodes ou d’entités automatisées qui utilisent des données géospatiales pour percevoir, construire (automatiser) et optimiser les espaces dans lesquels les humains – ainsi que tout le reste – peuvent poursuivre en toute sécurité et efficacement leurs activités référencées géographiquement », a déclaré Kyoung-Sook Kim, coprésident du groupe de travail du domaine GeoAI de l’OGC.
« La géointelligence artificielle peut apporter des avantages considérables pour stimuler la prochaine génération d’innovations de services dans de nombreuses applications, notamment le transport autonome, la planification et la mise en œuvre de villes intelligentes et durables, la gestion augmentée des bâtiments et de l’énergie, la fabrication auto-optimisée, la prévision des épidémies, l’amélioration de l’expérience personnelle, etc. Cependant, elle est également confrontée à une variété de nouveaux défis éthiques, juridiques, sociaux et technologiques. Je pense que les normes internationales joueront un rôle essentiel pour garantir une interopérabilité et des avantages en matière de sécurité généralisés entre les différentes disciplines traitant de l’IA. »
Les innovations en matière d’IA géospatiale reposant sur des normes ouvertes ont des coûts de développement et de mise en œuvre plus faibles, atteignent le marché plus rapidement et permettent une intégration/composition horizontale et verticale transparente des systèmes d’IA géospatiale. Les normes augmenteront également la sécurité des approches informatiques et des techniques algorithmiques qui alimentent les informations fournies par les moteurs d’IA.
En gardant ces avantages à l’esprit, en 2018, l’OGC a formé le groupe de travail sur l’intelligence artificielle dans le domaine de la géoinformatique (mieux connu sous le nom de GeoAI DWG) pour identifier les cas d’utilisation et les applications liés à l’IA dans les applications géospatiales. Le GeoAI DWG offre un forum ouvert pour une discussion et une présentation approfondies des cas d’utilisation de l’IA et de ses technologies associées dans le domaine géospatial, dans le but de réunir des géoscientifiques, des informaticiens, des ingénieurs, des entrepreneurs et des décideurs du monde universitaire, de l’industrie et du gouvernement pour développer, partager et rechercher les dernières tendances, réussites, défis et opportunités dans le domaine.
Le GeoAI DWG est en outre chargé d'étudier la faisabilité et l'interopérabilité des normes OGC pour soutenir l'utilisation et la réutilisation des données géospatiales dans les applications d'IA, ainsi que de décrire les lacunes et les problèmes qui pourraient conduire à de nouvelles normes géospatiales.
« Lorsque nous avons proposé le DWG GeoAI de l’OGC, nous avons constaté trois problèmes majeurs dans l’application des technologies d’IA aux domaines géospatiaux. Tout d’abord, il existe peu de jeux de données de formation de référence à grande échelle comme ImageNet, qui est utilisé pour la reconnaissance d’objets dans les projets de vision par ordinateur. Même s’il existe une quantité massive d’images satellite et de données de nuages de points disponibles, la plupart d’entre elles ne sont pas prêtes à être utilisées pour les tâches d’apprentissage automatique géospatial », a déclaré Kyoung-Sook.
« Deuxièmement, par rapport aux domaines connexes du traitement d’images et du traitement du langage naturel, peu d’outils et de flux de travail ouverts utilisant GeoAI sont partagés dans les SIG et d’autres opérations commerciales », a déclaré Kyoung-Sook. « Les organisations paient toujours le coût total de développement et de mise en œuvre lorsqu’elles adaptent une nouvelle technique GeoAI à une étude de cas, plutôt que de s’appuyer sur des outils et des solutions ouverts établis.
« Le troisième enjeu, qui me semble le plus important, est de soutenir une technologie GeoAI fiable et sûre pour soutenir le bien-être de la Terre et de l'humanité. Le rapport 2018 du Forum économique mondial (Série Quatrième révolution industrielle pour la Terre – Exploiter l’intelligence artificielle pour la Terre) affirme que la considération la plus importante dans le développement de l'IA, quel que soit le stade de l'IA, est de garantir des avantages durables pour l'humanité, qui incluent le fait d'être à la fois « respectueux de l'homme » et « respectueux de la Terre ».
« Pour revenir au premier problème, j’aimerais que le DWG GeoAI résolve d’abord le problème du manque de jeux de données de formation et améliore le partage des connaissances entre les personnes qualifiées. Ce manque de données et de partage des connaissances entraîne une mauvaise utilisation de l’IA et crée des modèles d’IA biaisés. Pour y remédier, les membres du DWG ont commencé à collecter et à analyser les applications et les cas d’utilisation liés à l’IA dans nos communautés.
« Récemment, l'OGC a également commencé à former le nouveau groupe de travail sur les normes de langage de balisage d'échantillons pour l'apprentissage automatique de l'intelligence artificielle (SampleML-AI/ML SWG) afin de développer une norme pour la documentation, le stockage et le partage des données d'échantillons géospatiales. »
Un élément clé des techniques et processus d’apprentissage automatique est l’utilisation de données d’échantillon (données dont la provenance est connue, métadonnées cohérentes et mesures de qualité) pour optimiser et former de manière cohérente les applications d’apprentissage automatique. Le manque de données d’échantillon cohérentes et connues entrave les applications avancées de la science de l’observation de la Terre, entraîne des problèmes de reproductibilité et rend difficile la comparaison des résultats entre les études.
Les données d'échantillon doivent contenir suffisamment de métadonnées dans un format standard lisible par machine et inclure des informations spatiotemporelles générales et des attributs spécifiques aux données d'échantillon pour faciliter la découverte et l'interrogation des données. En raison de leur utilité dans les applications de ML géospatiales, de nombreux domaines universitaires et industriels se sont concentrés sur la création de leurs propres ensembles de données de référence.
Cependant, pour accéder et partager ces ensembles de données de formation de manière simple et efficace, une norme internationale pour les schémas et les formats de données est nécessaire. L’OGC propose notamment de développer un langage de balisage d’échantillons normalisé pour l’IA/ML, basé sur les normes industrielles couramment utilisées dans la mesure du possible, qui permet aux utilisateurs de documenter, de stocker et de partager des données d’échantillons géospatiales sur le Web en suivant les principes de gestion des données FAIR de recherche, d’accessibilité, d’interopérabilité et de réutilisation.
La formation du groupe de travail sur les normes SampleML-AI/ML, approuvée par le GeoAI DWG, est presque terminée. Le groupe de travail sera ensuite chargé d'élaborer une norme OGC SampleML-AI/ML, avec des catégories initiales de données d'échantillons géospatiales pour l'imagerie de télédétection, les entités en mouvement (généralement les trajectoires de véhicules) et le contenu spatial associé.
En outre, le Testbed 18 de l'OGC a une tâche dédiée aux ensembles de données de formation à l'apprentissage automatique. Pour citer l'appel à participation du Testbed 18 : « L'objectif de cette tâche Testbed-18 est de développer les bases d'une future normalisation des TDS pour les applications d'observation de la Terre. La tâche doit évaluer le statu quo des formats de données de formation, des modèles de métadonnées et des questions générales de partage et de réutilisation. Plusieurs initiatives, telles que les ensembles de données de formation EO prêts pour l'IA (AIREO) de l'ESA, ont élaboré des suggestions qui pourraient être utilisées pour une future normalisation. D'autres initiatives se sont concentrées sur le développement de référentiels de données de formation, tels que Radiant MLHub, un référentiel de données de formation géospatiales en accès libre où chacun peut découvrir et télécharger des ensembles de données de formation prêts pour l'apprentissage automatique. » Pour en savoir plus sur cette tâche, consultez section 2.2. Ensembles de données de formation à l'apprentissage automatique dans l'appel à participation Testbed-18.
GeoAI fait déjà des choses incroyables pour le secteur de la localisation. Cependant, pour vraiment exploiter son potentiel, nous devons construire une base solide de normes ouvertes pour le partage d'échantillons de données et la création d'outils et de flux de travail ouverts, ainsi que de meilleures pratiques ouvertes pour garantir l'utilisation sûre et éthique de cette puissante technologie.
Si vous souhaitez contribuer à la création de normes, de bonnes pratiques et/ou à la documentation de cas d'utilisation pour les applications GeoAI, envisagez de rejoindre le groupe de travail sur l'intelligence artificielle en géoinformatique. Les membres de l'OGC peuvent adhérer via le Portail OGC iciLes non-membres sont invités à adhérer en contactant l'OGC en utilisant le formulaire à l'adresse ogc.org/contact.
Les parties intéressées sont également encouragées à assister à la prochaine Réunion des membres de l'OGC, où l'OGC GeoAI DWG se réunira probablement (à confirmer), ainsi que de nombreux autres groupes de travail sur les normes et les domaines de l'OGC.
Une version de cet article a été initialement publiée dans le numéro d'automne 2021 de Magazine international GéoConnexion.
