TỔNG QUAN VỀ ỨNG DỤNG CỦA TRÍ TUỆ NHÂN TẠO TẠO SINH  TRONG PHÂN TÍCH VÀ TRỰC QUAN HÓA BẢN ĐỒ ĐỊA LÝ

Nguyễn Kim Sơn; Lương Thị Minh Huế; Hồ Thị Tuyến; Vũ Thị Nguyệt

doi:10.34238/tnu-jst.12351

TỔNG QUAN VỀ ỨNG DỤNG CỦA TRÍ TUỆ NHÂN TẠO TẠO SINH TRONG PHÂN TÍCH VÀ TRỰC QUAN HÓA BẢN ĐỒ ĐỊA LÝ

Thông tin bài báo

Ngày nhận bài: 20/03/25 Ngày hoàn thiện: 26/06/25 Ngày đăng: 28/06/25

Các tác giả

1. Nguyễn Kim Sơn , Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên
2. Lương Thị Minh Huế, Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên
3. Hồ Thị Tuyến, Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên
4. Vũ Thị Nguyệt, Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên

Tóm tắt

Với sự phát triển nhanh chóng của trí tuệ nhân tạo, trí tuệ nhân tạo tạo sinh đang trở thành một công cụ quan trọng trong bản đồ học và phân tích không gian địa lý. Trí tuệ nhân tạo tạo sinh giúp nâng cao độ chính xác của bản đồ, tự động hóa các phân tích không gian phức tạp và hỗ trợ mô hình hóa dự đoán các hiện tượng địa lý. Nghiên cứu này cung cấp một cách tổng quan về lĩnh vực, xác định các xu hướng chính và đề xuất hướng nghiên cứu trong tương lai. Dựa trên phương pháp PRISMA, các nghiên cứu từ năm 2014 đến 2024 đã được phân tích. Kết quả cho thấy trí tuệ nhân tạo tạo sinh chủ yếu được ứng dụng trong tạo bản đồ tự động, nhận diện mẫu không gian và dự đoán sự thay đổi địa lý. Bên cạnh những tiềm năng, nghiên cứu cũng xem xét các thách thức như chất lượng dữ liệu, khả năng giải thích mô hình và vấn đề đạo đức khi ứng dụng trí tuệ nhân tạo tạo sinh vào phân tích không gian. Việc giải quyết những thách thức này sẽ giúp tối ưu hóa hiệu quả của trí tuệ nhân tạo tạo sinh, đồng thời đảm bảo tính chính xác và minh bạch trong các ứng dụng thực tế. Nghiên cứu này cung cấp cơ sở khoa học quan trọng cho các nghiên cứu tiếp theo và định hướng phát triển ứng dụng trong bối cảnh công nghệ đang thay đổi nhanh chóng.

Từ khóa

Trí tuệ nhân tạo tạo sinh; Hệ thống thông tin địa lý; Mô hình ngôn ngữ lớn; Phân tích địa lý; Trực quan hóa bản đồ

Toàn văn:

PDF

Tài liệu tham khảo

[1] S. Silva, L. Alçada-Almeida, and L. C. Dias, "Development of a web-based multi-criteria spatial decision support system for the assessment of environmental sustainability of dairy farms," Computers and Electronics in Agriculture, vol. 108, pp. 46-57, 2014.

[2] J. Zhu et al., "A flood knowledge-constrained large language model interactable with GIS: enhancing public risk perception of floods," International Journal of Geographical Information Science, vol. 38, no. 4, pp. 603-625, 2024.

[3] S. Wang et al., "GPT, large language models (LLMs) and generative artificial intelligence (GAI) models in geospatial science: a systematic review," International Journal of Digital Earth, vol. 17, no. 1, 2024, Art. no. 2353122.

[4] Z. Li and H. Ning, "Autonomous GIS: the next-generation AI-powered GIS," International Journal of Digital Earth, vol. 16, no. 2, pp. 4668-4686, 2023.

[5] S. Seraj and M. R. Delavar, "Developing a GIS-based rough fuzzy set granulation model to handle spatial uncertainty for hydrocarbon structure classification, case study: Fars domain, Iran," Geo-spatial Information Science, vol. 25, no. 3, pp. 399-412, 2022.

[6] C.-H. Chang and G. Kidman, "The rise of generative artificial intelligence (AI) language models-challenges and opportunities for geographical and environmental education," International Research in Geographical and Environmental Education, vol. 32, no. 2, pp. 85-89, 2023.

[7] Y. Gao, A. Herrmann, and C. Chen, "Leveraging GIS and ChatGPT for social goods and higher education," in Proceedings of the ALISE Annual Conference, (Works‑in‑Progress Poster), 2023, doi: 10.21900/j.alise.2023.1392.

[8] L. Juhász and B. Guan, “Utilizing Large Language Models in geographic contexts: Experiences from the FIU GIS Center,” presented at the South Florida GIS Expo, West Palm Beach, FL, Aug. 24, 2023. [Online]. Available: https://digitalcommons.fiu.edu/gis/103/. [Accessed Mar. 17, 2025].

[9] Y. Zhang et al., "BB-GeoGPT: A framework for learning a large language model for geographic information science," Information Processing & Management, vol. 61, no. 5, 2024, Art. no. 103808.

[10] J. Khan et al., "Development and performance evaluation of new AirGIS–a GIS based air pollution and human exposure modelling system," Atmospheric Environment, vol. 198, pp. 102-121, 2019.

[11] A. G. Yeh, "From urban modelling, GIS, the digital, intelligent, and the smart city to the digital twin city with AI," Environment and Planning B: Urban Analytics and City Science, vol. 51, no. 5, pp. 1085-1088, 2024.

[12] W. Cheng et al., "UrbanGenoGAN: pioneering urban spatial planning using the synergistic integration of GAN, GA, and GIS," Frontiers in Environmental Science, vol. 11, 2023, Art. no. 1287858.

[13] Y. Zhang, C. Wei, Z. He, and W. Yu, "GeoGPT: An assistant for understanding and processing geospatial tasks," International Journal of Applied Earth Observation and Geoinformation, vol. 131, 2024, Art. no. 103976.

[14] Z. Liu, K. Janowicz, K. Currier, and M. Shi, "Measuring geographic diversity of foundation models with a natural language–based geo-guessing experiment on GPT-4," AGILE: GIScience Series, vol. 5, 2024, Art. no. 38.

[15] Z. L. Paola, L. S. Jesús, A. H. Christian, and R. U. Sonia, "Correction of banding errors in satellite images with generative adversarial networks (gan)," IEEE Access, vol. 11, pp. 51960-51970, 2023.

[16] N. Khan, Z. Khan, A. Koubaa, M. K. Khan, and R. B. Salleh, "Global insights and the impact of generative AI-ChatGPT on multidisciplinary: a systematic review and bibliometric analysis," Connection Science, vol. 36, no. 1, 2024, Art. no. 2353630.

[17] I. G. Hatvani, M. Mudelsee, and Z. Kern, "Essential questions in earth and geosciences according to large language models," Open Geosciences, vol. 16, no. 1, 2024, Art. no. 20220677.

[18] S. Thomas and D. Tishechkin, "Leveraging Generative AI to Simplify Spatial Analysis and Visualization of Digital Twins," in Fourth EAGE Digitalization Conference & Exhibition, European Association of Geoscientists & Engineers, 2024, vol. 2024, no. 1, pp. 1-5.

[19] S. Pang, E. Nol, and K. Heng, "ChatGPT-4o for English language teaching and learning: Features, applications, and future prospects," Cambodian Journal of Educational Research, vol. 4, no. 1, pp. 35–56-35–56, 2024.

[20] Y. Kang, S. Gao, and R. E. Roth, "Transferring multiscale map styles using generative adversarial networks," International Journal of Cartography, vol. 5, no. 2-3, pp. 115-141, 2019.

[21] Q. Qiu, Z. Xie, L. Wu, and L. Tao, "GNER: A generative model for geological named entity recognition without labeled data using deep learning," Earth and Space science, vol. 6, no. 6, pp. 931-946, 2019.

[22] Z. Li, B. Chen, S. Wu, M. Su, J. M. Chen, and B. Xu, "Deep learning for urban land use category classification: A review and experimental assessment," Remote Sensing of Environment, vol. 311, 2024, Art. no. 114290.

[23] S. C. Tan, W. Chen, and B. L. Chua, "Leveraging generative artificial intelligence based on large language models for collaborative learning," Learning: Research and Practice, vol. 9, no. 2, pp. 125-134, 2023.

[24] R. Ramachandran, M. Ramasubramanian, P. Koirala, I. Gurung, and M. Maskey, "Language model for earth science: Exploring potential downstream applications as well as current challenges," in IGARSS 2022-2022 IEEE International Geoscience and Remote Sensing Symposium, 2022, pp. 4015-4018.

[25] P. Gupta, B. Ding, C. Guan, and D. Ding, "Generative AI: A systematic review using topic modelling techniques," Data and Information Management, vol. 8, no. 2, 2024, Art. no. 100066.

[26] P. Mooney, W. Cui, B. Guan, and L. Juhász, "Towards understanding the geospatial skills of chatgpt: Taking a geographic information systems (GIS) exam," in Proceedings of the 6th ACM SIGSPAtIAL international workshop on AI for geographic knowledge discovery, 2023, pp. 85-94.

[27] A. Hadid, T. Chakraborty, and D. Busby, "When geoscience meets generative AI and large language models: Foundations, trends, and future challenges," Expert Systems, vol. 41, no. 10, 2024, Art. no. e13654.

[28] A. Crooks and Q. Chen, Exploring the new frontier of information extraction through large language models in urban analytics, vol. 51, SAGE Publications Sage UK: London, England, 2024, pp. 565-569.

[29] N. Fulman, A. Memduhoğlu, and A. Zipf, "Distortions in judged spatial relations in large language models," The Professional Geographer, vol. 76, no. 6, pp. 703-711, 2024.

DOI: https://doi.org/10.34238/tnu-jst.12351

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ