Geo-analytical transformations for answering questions with data

Descripción del proyecto

La inteligencia artificial responde a preguntas geográficas

Los sistemas de información geográfica (SIG) tienen una gran importancia a la hora de responder a preguntas espaciales complejas en diferentes ámbitos científicos. El auge del empleo de la inteligencia artificial (IA) en las disciplinas de la geografía y las geociencias ha generado expectativas sobre la posibilidad de reutilizar datos geográficos con facilidad y sin necesidad de conocimientos técnicos de SIG. Los métodos de respuesta a preguntas geográficas (GeoQA, por sus siglas en inglés), a través de los cuales los usuarios pueden hacer consulta de datos espaciales mediante lenguaje natural, son muy prometedores. Sin embargo, muchas cuestiones geográficas exigen algo más que la recuperación de mapas almacenados: requieren la transformación dinámica de los datos para crear nuevos mapas. En este contexto, el proyecto GeoTrAnsQData, financiado por el Consejo Europeo de Investigación, es pionero en un planteamiento que permite a la IA interpretar preguntas espaciales en términos de transformaciones analíticas. En conjunto, este planteamiento permitirá a los científicos cuantificar fenómenos geográficos mediante la creación de mapas basados en el lenguaje natural.

Objetivo

Geographic information systems (GIS) and corresponding data sources are of major importance for answering the questions posed by data scientists from various domains of application. The recent trend of adopting Artificial Intelligence (AI)-based methods in Geography and Geoscience has spurred hopes that geographic information can be successfully reused across disciplines without requiring the technical skills of GIS. In this context, geographic question-answering (GeoQA) methods are particularly promising because they enable users without a technical background to answer their questions about geographic space using natural language. However, most geographic questions data scientists may want to answer require some form of geo-analytical transformation of maps. Answer maps need to be (re)generated from data, rather than retrieved from storage. In contrast, stored maps are frequently lacking, outdated, biased, or of insufficient quality. For example, instead of retrieving statistical facts about noise intensity in a city, we might want to know about the coverage of noisy areas in this city. Yet, while the latter map might not be readily available, it could be generated from available sources. State-of-the-art factoid-based GeoQA methods are insufficient for this purpose because they directly match questions to facts, skipping over the problem of how unknown answers may be generated from these sources. In this project, we will develop an entirely novel paradigm for data-based question-answering, called transformative GeoQA, including a theory of geo-analytical transformations. The latter not only allows us to interpret questions in terms of the procedures for answering them but also to describe geodata as a source or purpose of a transformation. In GeoTrAnsQData, we lay the methodical and theoretical foundations for a groundbreaking data ecosystem that enables the quantification of geographic phenomena by generating maps using natural language.