Geo AI의 원리

간단한 스마트폰 어플리케이션만 있으면 누구나 자신의 주변 환경에 대한 실시간 피드백을 보낼 수 있다. 예를 들어 교통정체와 관련하여 구체적인 정체 상황, 피크 시간, 정체 경험을 상, 중, 하로 수준을 나눠 공유할 수 있는 것이다. 이러한 데이터를 수집, 분류, 분석하여 정확도 및 정밀도를 개선할 수 있다. 수천 명에 이르는 사용자들이 데이터베이스에 정보를 업로드하기 때문에 가능한 일이다.

지리적 위치 이용에 있어 이와 같은 접근법은 단순히 정보의 공백을 매워줄 뿐 아니라, 특별한 지리적 위치와 관련하여 더효율적인 솔루션을 구축할 수 있도록 도움을 준다. 예를 들어 도시 내에서 가장 정체가 심하게 발생할 곳은 어디인지를 미리 예측하거나, 통근 경로를 어떻게 잡아야 할 지, 차량 흐름의 경로를 어떻게 다시 정할지를 예상할 수가 있다.

이는 시스템으로 하여금 특정 문제가 발생할 시 대중이 직접 겪는 심각도의 수준을 파악하고, 이를 해결할 수 있는 새로운방법을 모색할 수 있도록 해 준다.

G응용분야

• 지리적 위치 이용에 있어 정보의 공백을 매워줄 뿐 아니라, 특별한 지리적 위치와 고나련하여 더 효율적인 솔루션을 구축할 수 있도록 도움을 준다.
• 도시 내에서 가장 정체가 심하게 발생할 곳은 어디인지 미리 예측하거나, 통근 경로를 어떻게 잡아야 할 지, 차량 흐름의 경로를 어떻게 다시 정할지를 예상 할 수가 있다.
• 차량 공유 기업, 로지스틱스, 농업, 측량, 인프라업체 등이 주된 응용분야가 될 것
• 결국 비즈니스의 영역에서 지리 공간 인공지능은 기획, 자원배분, 의사결정, 수요 공급의 집중 시기 예측, 수익률 수준 전망, 공급 사슬의 효율성 증대, 서비스 제공의 최적화 등을 실현해 줄 것
  
  
• 오늘날 클라우드를 통해 딥러닝에 기반을 둔 프로젝트를 사용하여 여러 대의 기계장치를 동시에 가동하는 것이 일상화되었다. 이들 각각은 대용량의 데이터 저장소와 메모리를 보유하고, 모두 하나의 문제를 해결하기 위해 힘을 모으게 된다. 그러나 겨우 몇 년 전만 하더라도 이와 같은 수준의 자동화 달성이나, 딥 러닝의 응용은 타당성이 없다고 생각되었다. 기술의구현, 또는 비용 상의 제약이 문제가 되었던 것이다.