De kern van de video is eigenlijk dat GIS niet meer op zichzelf staat. Vroeger gebruikten we GIS vooral om geografische gegevens op te slaan, te analyseren en op kaarten te presenteren. Tegenwoordig zijn GIS-systemen onderdeel van een veel groter digitaal ecosysteem van databronnen, sensoren, satellietbeelden, modellen en andere informatiesystemen.
En juist daar komt GeoAI om de hoek kijken.
Artificial Intelligence en Machine Learning zijn goed in het ontdekken van patronen in enorme hoeveelheden data. GIS voegt daar iets heel belangrijks aan toe: locatie. Heel veel gegevens hebben immers een geografische component. Niet alleen wat gebeurt er, maar ook waar gebeurt het, waarom juist daar en wat gebeurt er in de omgeving?
Wanneer we AI combineren met geografische informatie en GIS spreken we van Geospatial Artificial Intelligence, oftewel GeoAI.
In de video worden drie belangrijke soorten toepassingen onderscheiden: objecten herkennen, voorspellingen maken en patronen of clusters in ruimte en tijd ontdekken.
Denk bijvoorbeeld aan AI die in lucht- of satellietbeelden automatisch gebouwen, wegen, bomen of zonnepanelen herkent. Of aan een model dat voorspelt waar een bepaald risico het grootst is. GeoAI kan ook grote hoeveelheden ruimtelijke gegevens onderzoeken en patronen vinden die voor een mens moeilijk zichtbaar zijn.
Daarmee verandert ook het werk van de GIS-professional. Het gaat niet meer alleen om kaarten maken en ruimtelijke analyses uitvoeren. GIS-professionals en Data Scientists gaan steeds meer samenwerken. De één brengt kennis van geografie, ruimtelijke relaties en geodata mee; de ander statistiek, programmeren, Machine Learning en Deep Learning. GeoAI brengt die werelden bij elkaar.