Organizando o mundo em células de grade: o piloto AI-DGGS

Chamada para participação

O projeto piloto OGC AI-DGGS para Gestão de Desastres busca testar, habilitar e aprimorar Sistemas Globais de Grade Discreta (DGGS) com inteligência artificial. Os DGGS representam localizações como células, indo além dos sistemas tradicionais de referência geográfica. Como resultado, os DGGS podem fornecer a base para um sistema de localização global no qual cada objeto no mundo real possui um identificador de localização único. Os DGGS são ideais para integração de dados e consultas e análises eficientes. Portanto, estão perfeitamente posicionados para servir como "repositórios de conteúdo" confiáveis ​​para consultas em linguagem natural com inteligência artificial.

Esta iniciativa de interoperabilidade, conhecida como "Piloto AI-DGGS para Gestão de Desastres", busca explorar e demonstrar como sistemas que utilizam diferentes designs de grade DGGS podem utilizar os Padrões OGC para trocar dados e informações automaticamente, com foco específico no suporte ao mapeamento de desastres. Além disso, o Piloto explorará como os sistemas DGGS podem ser aprimorados com ferramentas de IA/ML baseadas em padrões — como chatbots de IA para consultas em linguagem natural e insights baseados em IA para análise automatizada e detecção de padrões — usando, por exemplo, uma abordagem de Geração Aumentada de Recuperação (RAG) que fornece respostas precisas, confiáveis ​​e sem alucinações.

Do lado da integração de dados, o DGGS pode servir como um sistema de identificação de localização para qualquer objeto do mundo real. O DGGS organiza o espaço usando células aninhadas. Uma lista de IDs de células descreve as geometrias exatas de objetos do mundo real, onde a precisão depende apenas do tamanho da célula. Como o DGGS pode mapear um índice de todos os tamanhos de células, os dados descritos em diferentes "níveis de zoom" podem ser integrados e vinculados de forma eficiente. Isso torna o DGGS um sistema de localização e identificação ideal para muitos domínios, como finanças, gestão de desastres e análise ambiental. Ele pode servir como um substituto ou aprimoramento para endereços postais, pois elimina a necessidade de endereços descritivos ou marcos físicos. Mesmo áreas sem infraestrutura tradicional, como áreas sem estradas, podem ser identificadas com precisão. Da mesma forma, um DGGS nunca tem dificuldades para se adaptar ao crescimento urbano dinâmico.

DGGS: Um sistema de referência nativamente digital 

Por razões históricas, os Sistemas de Informação Geográfica (GIS) usam uma representação projetada (e, portanto, distorcida) dependente de escala da Terra, originalmente projetada para navegação usando mapas de papel. Em contraste, os Sistemas de Grade Global Discretos (DGGS) oferecem um sistema baseado em células nativamente digitais que representa com precisão a Terra como um esferoide. O DGGS divide o planeta em células hierarquicamente tesseladas que abrangem todas as escalas. Isso cria uma “planilha para a Terra” que permite uma análise e integração incrivelmente eficientes de grandes conjuntos de dados.

Usando células de área fixa, as informações registradas sobre fenômenos em um local podem ser facilmente referenciadas à área explícita de suas células associadas, rapidamente integradas a outros valores de células de diferentes conjuntos de dados e eficientemente analisadas para fornecer resumos válidos para qualquer seleção escolhida de células. DGGS oferece um método muito mais simples para ingerir informações estatísticas e outras informações em grade em sistemas geoespaciais mais amplos, desbloqueando um tremendo potencial para análise contextual e insight aprimorados.

O DGGS pode ser construído de várias maneiras para atender a objetivos diversos. Alcançar a interoperabilidade entre diferentes DGGS será necessário para garantir que indivíduos e softwares usando diferentes abordagens de DGGS possam trabalhar juntos perfeitamente. O DGGS Pilot busca entender e demonstrar tal interoperabilidade.

Integração entre sistemas DGGS

O Piloto explorará e demonstrará como os padrões de dados geoespaciais podem viabilizar a interoperabilidade do DGGS na gestão de desastres ou em outros domínios de interesse dos Patrocinadores do Piloto. Isso será alcançado por meio da prototipagem de diferentes soluções DGGS que utilizam padrões de dados geoespaciais para trabalhar em conjunto e fornecer funcionalidades de integração, análise e visualização geoespaciais para apoiar cenários de gestão de desastres. Os resultados fornecerão insights sobre a capacidade dos Padrões OGC atuais e emergentes de atender a esses requisitos de interoperabilidade. Isso levará a melhorias futuras na concepção dos Padrões OGC, incluindo o potencial para criar novos Padrões quando necessário.

Geração Aumentada de Recuperação (RAG)

Retrieval-Augmented Generation (RAG) é uma abordagem para 'chatbots' de IA alimentados por modelos de linguagem grande (LLM) (também conhecidos como linguagem natural) que adiciona um armazenamento de conteúdo adicional e autoritativo ao qual o LLM pode consultar para suas respostas. Usando essa abordagem, os modelos de IA LLM se tornam uma interface para consultas de fontes autoritativas em vez das próprias fontes. A abordagem oferece os benefícios das consultas de linguagem natural sem o risco de alucinações ocorrerem a partir da extrapolação dos dados de treinamento do modelo.  

O piloto AI-DGGS busca investigar como os DGGS podem ser usados ​​como armazenamentos de conteúdo em "chatbots de IA", permitindo consultas em linguagem natural, como "Quantas pessoas moram nesta rua que precisa ser evacuada?" ou "Identifique quais bairros provavelmente serão afetados por inundações".

Objetivos do piloto

Por meio deste projeto, compreenderemos a capacidade dos padrões de descoberta, acesso e processamento de dados da OGC de permitir que DGGS independentes se integrem ou interajam em diversos contextos. O projeto explorará o papel das tecnologias de IA na consulta e visualização de DGGS em apoio à geração de conhecimento. Isso nos ajudará a entender o estado atual da interoperabilidade de DGGS no contexto da rápida integração de dados, determinar a adequação da tecnologia DGGS para atender aos requisitos de gerenciamento de desastres ou outros (por exemplo, integração, análise e visualização de dados, bem como localização de objetos no mundo real) e identificar o trabalho adicional necessário para concretizar plenamente a interoperabilidade de DGGS para gerenciamento de desastres, serviços financeiros, serviços de seguros e outras aplicações.

Os objetivos detalhados são descritos através dos seguintes pontos:

1. Integração e gerenciamento de dados:
   
   
   • Demonstrar como os padrões OGC permitem a integração de diversas formas de dados geoespaciais (por exemplo, clima, tempo, estatísticos) usando DGGS.
     
     
   • Demonstrar a capacidade dos padrões OGC de permitir o uso de IA para dar suporte à integração e ao gerenciamento de dados DGGS.
     
     
2. Análise e Visualização:
   
   
   • Prototipar o uso dos padrões OGC para permitir a análise geoespacial por IA e a visualização de dados armazenados em um DGGS. A análise e a visualização demonstradas devem atender aos requisitos de gestão de desastres.
     
     
   • Demonstrar o uso de padrões OGC para aplicar duas abordagens de IA com DGGS para resposta a desastres:
     • Habilitar uma interface de chatbot de IA para fazer perguntas sobre dados do DGGS;
     • Execução de análise geoespacial dentro do DGGS usando prompts de chatbot de IA com resultados enviados ao chatbot e interface de usuário de mapeamento.
       
       
3. Manutenção:
   
   
   • Crie e mantenha a disponibilidade de protótipos acessíveis na web além da data final do projeto para acesso de todas as partes interessadas e do público.
     
     Adequação e interoperabilidade: entenda a adequação dos padrões de dados geoespaciais para dar suporte à interoperabilidade entre vários projetos de grade DGGS para vários requisitos de gerenciamento de desastres (ou outros).
     
     
   • Demonstrar a interoperabilidade dos DGGS independentes utilizando o projecto OGC API – Padrão DGGS.

Os participantes do projeto piloto irão propor soluções e protótipos de implementação por meio de um processo colaborativo de inovação.