{"id":12550,"date":"2024-11-28T13:45:57","date_gmt":"2024-11-28T12:45:57","guid":{"rendered":"https:\/\/gis.oneteam.it\/?p=12550"},"modified":"2025-02-06T16:14:36","modified_gmt":"2025-02-06T15:14:36","slug":"geoai-in-arcgis-pro","status":"publish","type":"post","link":"https:\/\/gis.oneteam.it\/index.php\/2024\/11\/28\/geoai-in-arcgis-pro\/","title":{"rendered":"L&#8217;Intelligenza Artificiale in ArcGIS Pro!"},"content":{"rendered":"<p style=\"text-align: justify;\">Con l\u2019inizio del 2023 abbiamo assistito all\u2019esplosione dell\u2019<strong>Intelligenza Artificiale (AI)<\/strong>; <em>tools<\/em> come ChatGPT, Dall-E e Midjourney rappresentano solo alcuni esempi di tecnologie che promettono di facilitare e velocizzare diversi processi.\u00a0In numerosi ambiti, l\u2019intelligenza artificiale sta trasformando il panorama tecnologico e il settore dei Sistemi Informativi Geografici non fa eccezione.\u00a0Anche Esri non \u00e8 rimasta a guardare e oggi parliamo della <a href=\"https:\/\/pro.arcgis.com\/en\/pro-app\/latest\/tool-reference\/geoai\/an-overview-of-the-geoai-toolbox.htm\"><strong>toolbox GeoAI<\/strong><\/a>, un insieme di tool che contiene strumenti per l\u2019utilizzo dell\u2019AI attraverso tecniche di <em>Deep Learning (DL)\u00a0<\/em>e <em>Machine Learning (ML).<\/em><\/p>\n<p>&nbsp;<\/p>\n<figure id=\"attachment_12657\" aria-describedby=\"caption-attachment-12657\" style=\"width: 300px\" class=\"wp-caption aligncenter\"><a href=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/geoAi-2.png\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-12657 size-medium\" src=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/geoAi-2-300x199.png\" alt=\"\" width=\"300\" height=\"199\" srcset=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/geoAi-2-300x199.png 300w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/geoAi-2-768x511.png 768w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/geoAi-2-1024x681.png 1024w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/geoAi-2.png 1814w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><\/a><figcaption id=\"caption-attachment-12657\" class=\"wp-caption-text\">GeoAI \u00e8 l&#8217;integrazione dell&#8217;intelligenza artificiale (AI) con i dati spaziali e la tecnologia geospaziale per aumentare la comprensione e la risoluzione dei problemi spaziali.<\/figcaption><\/figure>\n<p>&nbsp;<\/p>\n<p style=\"text-align: justify;\">L\u2019integrazione dell\u2019AI in ArcGIS Pro rappresenta una sinergia tra dati spaziali e tecnologia geospaziale, arricchita dall\u2019apprendimento automatico (<strong>Machine Learning<\/strong>) e dalle reti neurali profonde (<strong>Deep L<\/strong><strong>earning<\/strong>), che insieme migliorano la comprensione e la risoluzione di problemi spaziali complessi.<\/p>\n<p style=\"text-align: justify;\">Queste tecniche avanzate permettono di sfruttare funzionalit\u00e0 come la classificazione automatica delle immagini, la segmentazione e il rilevamento di oggetti a partire da dati strutturati e non. Questi strumenti sono ormai essenziali in settori come l\u2019urbanistica, l\u2019agricoltura di precisione e la gestione delle risorse naturali, dove rapidit\u00e0 e accuratezza sono fondamentali.<\/p>\n<h2 style=\"text-align: justify;\">GeoAI in ArcGIS Pro<\/h2>\n<p style=\"text-align: justify;\">La GeoAI \u00e8 integrata in ArcGIS attraverso una vasta gamma di strumenti di geoprocessing e e<em>xploratory analysis<\/em>, ed \u00e8 <a href=\"https:\/\/pro.arcgis.com\/en\/pro-app\/latest\/tool-reference\/geoai\/geoai-toolbox-license.htm\">disponibile con la licenza Professional Plus<\/a>.\u00a0Altre toolbox come la <a href=\"https:\/\/pro.arcgis.com\/en\/pro-app\/latest\/tool-reference\/image-analyst\/an-overview-of-the-image-analyst-toolbox.htm\">Image Analyst<\/a> contengono <a href=\"https:\/\/pro.arcgis.com\/en\/pro-app\/latest\/tool-reference\/image-analyst\/an-overview-of-the-deep-learning-toolset-in-image-analyst.htm\">diversi tool<\/a> che utilizzano il <strong>Machine Learning o il Deep Learning<\/strong> per la classificazione delle immagini o il <em>pattern recognition<\/em>.<\/p>\n<div class=\"relative p-1 rounded-sm flex items-center justify-center bg-token-main-surface-primary text-token-text-primary h-8 w-8\" style=\"text-align: justify;\">Possiamo distinguere 4 macro-classi di utilizzo per questi tool:<\/div>\n<div style=\"text-align: justify;\">\n<ul>\n<li><em>Feature and Tabular Analysis<\/em>: per l\u2019analisi di dati tabulari o <strong>feature<\/strong>;<\/li>\n<li><em>Imagery AI<\/em>: per l\u2019analisi di <strong>immagini<\/strong> attraverso algoritmi per la <em>object detection<\/em> e <em>pixel classification<\/em>;<\/li>\n<li><em>Text Analysis<\/em>: per l\u2019analisi sui <strong>testi<\/strong> tramite processi di <em>natural language<\/em>;<\/li>\n<li><em>Time Series AI<\/em>: per l\u2019analisi di <strong>serie temporali<\/strong> e la stima\/previsioni di valori nel tempo in una data posizione.<\/li>\n<\/ul>\n<\/div>\n<p style=\"text-align: justify;\">Sia il Machine Learning che il Deep Learning analizzano le informazioni e prevedono i risultati con un coinvolgimento umano limitato, ma differiscono nel modo in cui il computer impara ad analizzare i dati. Con il <strong>Machine<\/strong> <strong>Learning<\/strong>, <strong>un sistema viene istruito su come interpretare le informazioni<\/strong> in base a input specifici, richiedendo interventi umani per gestire e ottimizzare il modello.\u00a0Il <strong>Deep<\/strong> <strong>Learning<\/strong>, invece, insegna al sistema <strong>cosa cercare nei dati per condurre l&#8217;analisi desiderata<\/strong>. Questo compito viene svolto utilizzando reti neurali, che imitano i modi in cui un cervello umano elabora le informazioni. Questo approccio permette di elaborare dati grezzi e di identificare autonomamente quali sono le informazioni rilevanti da analizzare, mentre i modelli di machine learning operano su dati pre-elaborati e seguono schemi predefiniti per le analisi.<\/p>\n<p style=\"text-align: justify;\">ArcGIS offre anche modelli di <a href=\"https:\/\/livingatlas.arcgis.com\/en\/browse\/?q=deep%20learning#q=deep+learning&amp;d=2&amp;type=tool&amp;itemTypes=Deep+Learning+Package\">Deep Learning <em>ready to use<\/em><\/a> che semplificano l&#8217;addestramento, spesso complesso e dispendioso in termini di risorse.<\/p>\n<figure id=\"attachment_12686\" aria-describedby=\"caption-attachment-12686\" style=\"width: 434px\" class=\"wp-caption aligncenter\"><a href=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/Screenshot-2024-11-19-095609.png\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-12686\" src=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/Screenshot-2024-11-19-095609.png\" alt=\"\" width=\"434\" height=\"380\" srcset=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/Screenshot-2024-11-19-095609.png 672w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/Screenshot-2024-11-19-095609-300x263.png 300w\" sizes=\"auto, (max-width: 434px) 100vw, 434px\" \/><\/a><figcaption id=\"caption-attachment-12686\" class=\"wp-caption-text\">Esempi di pacchetti pre-addestrati su ArcGIS Online (Living Atlas) pronti all&#8217;uso per il deep learning<\/figcaption><\/figure>\n<h2 style=\"text-align: justify;\">Flussi di GeoAI<\/h2>\n<div class=\"flex-shrink-0 flex flex-col relative items-end\" style=\"text-align: justify;\">\n<div class=\"pt-0\">\n<div class=\"gizmo-bot-avatar flex h-8 w-8 items-center justify-center overflow-hidden rounded-full\">\n<div class=\"relative p-1 rounded-sm flex items-center justify-center bg-token-main-surface-primary text-token-text-primary h-8 w-8\">La GeoAI svolge un ruolo fondamentale nella risoluzione di problemi spaziali, generando dati attraverso<strong> l&#8217;estrazione, la classificazione e il rilevamento di informazioni<\/strong> da fonti strutturate e non strutturate. L&#8217;<strong>automatizzazione<\/strong> resa disponibile da questo strumento per la\u00a0creazione di dati spaziali \u00e8 vantaggiosa in molti flussi di lavoro e pu\u00f2 comportare un significativo risparmio di tempo e risorse. Questi dati spaziali diventano input preziosi per flussi di lavoro successivi, dalla gestione dei dati spaziali all&#8217;analisi avanzata delle relazioni e dei modelli.<\/div>\n<div><\/div>\n<div>Un esempio pratico di utilizzo di una tecnica di Machine Learning \u00e8 la<strong> classificazione dell&#8217;uso del suolo a partire da un immagine satellitare RGB o multispettrale<\/strong>. Campionando l&#8217;immagine in diversi punti tramite la creazione di poligoni caratterizzanti quelle che sono le differenti destinazioni d&#8217;uso (come aree edificate, strade, prati etc&#8230;), il ML \u00e8 in grado di riconoscere le combinazioni di valori corrispondenti ad ogni classe, andando cos\u00ec a <strong>classificare l&#8217;intero raster<\/strong> secondo quelle che sono le classi definite in partenza.<\/div>\n<div>\n<figure id=\"attachment_12685\" aria-describedby=\"caption-attachment-12685\" style=\"width: 349px\" class=\"wp-caption aligncenter\"><a href=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/immagine.png\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-12685\" src=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/immagine-1024x991.png\" alt=\"\" width=\"349\" height=\"338\" srcset=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/immagine-1024x991.png 1024w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/immagine-300x290.png 300w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/immagine-768x743.png 768w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/immagine.png 2029w\" sizes=\"auto, (max-width: 349px) 100vw, 349px\" \/><\/a><figcaption id=\"caption-attachment-12685\" class=\"wp-caption-text\">Classificazione di un immagine tramite utilizzo di machine learning (ML) campionando l&#8217;immagine in diversi punti<\/figcaption><\/figure>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<p style=\"text-align: justify;\">Allo stesso modo, risultato simile si sarebbe potuto ottenere dall&#8217;utilizzo del Deep Learning. Riprendendo l&#8217;esempio del Machine Learning, utilizzando sempre un&#8217;immagine satellitare, immaginiamo di voler ricavare <strong>l&#8217;impronta al suolo dei tetti degli edifici<\/strong>, ovvero ottenere dei <strong>poligoni<\/strong> per gli abitati. Tramite DL questa operazione risulta possibile: dopo aver sagomato un numero sufficiente di edifici tale da aver un campione adeguato per la creazione del nostro modello, <strong>possiamo addestrarlo in modo tale da poterlo poi utilizzare in altre aree non campionate<\/strong>, ottenendo cos\u00ec un dato vettoriale dei nostri edifici.<\/p>\n<figure id=\"attachment_12699\" aria-describedby=\"caption-attachment-12699\" style=\"width: 380px\" class=\"wp-caption aligncenter\"><a href=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/Immagine1-1.png\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-12699\" src=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/Immagine1-1-1024x720.png\" alt=\"\" width=\"380\" height=\"267\" srcset=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/Immagine1-1-1024x720.png 1024w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/Immagine1-1-300x211.png 300w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/Immagine1-1-768x540.png 768w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/Immagine1-1-340x240.png 340w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2024\/11\/Immagine1-1.png 1275w\" sizes=\"auto, (max-width: 380px) 100vw, 380px\" \/><\/a><figcaption id=\"caption-attachment-12699\" class=\"wp-caption-text\">Esempio estrazione sagome vettorializzate degli edifici da un immagine satellitare tramite DL<\/figcaption><\/figure>\n<p style=\"text-align: justify;\">Similmente potremmo ricavare i lineari delle strade, oppure tramite modelli come il SAM (Segment Anything Model) vettorializzare tutto ottenendo <strong>feature differenti per i diversi oggetti presenti in un immagine<\/strong> (alberi, prati, strade, edifici, piscine, machine etc..).<\/p>\n<h2 style=\"text-align: justify;\">Conclusioni<\/h2>\n<p id=\"GUID-83D98FF5-54EA-4887-85F1-91697B7DBCE3\" style=\"text-align: justify;\">Gli strumenti di GeoAI\u00a0consentono analisi sofisticate per trasformare i dati in informazioni di valore. La GeoAI \u00e8, dunque, l\u2019incontro tra Intelligenza Artificiale e le GIS Science, capace di ampliare la comprensione e la risoluzione di problemi spaziali. Dall\u2019estrazione oggetti dalle immagini, alle <a href=\"https:\/\/gis.oneteam.it\/index.php\/2024\/09\/09\/gis-per-la-sostenibilita-change-detection-con-arcgis-pro\/\">analisi di trend<\/a>, gli strumenti di GeoAI rappresentano un&#8217;importante evoluzione per chiunque lavori con dati geografici.<\/p>\n<p style=\"text-align: justify;\">Per maggiori informazioni sul mondo Esri contatta lo staff GIS di One Team via mail scrivendo a\u00a0<a href=\"mailto:gis@oneteam.it\">gis@oneteam.it<\/a>\u00a0o chiamaci allo 0247719331.<\/p>\n<p style=\"text-align: justify;\"><a href=\"https:\/\/gis.oneteam.it\/index.php\/sliders\/iscriviti\/\" target=\"_blank\" rel=\"noopener\">Iscriviti<\/a>\u00a0al blog per non perderti i prossimi appuntamenti e visita il\u00a0<a href=\"https:\/\/www.youtube.com\/user\/SocialOneTeam\/featured\" target=\"_blank\" rel=\"noopener\">nostro canale Youtube<\/a>\u00a0dove puoi trovare una\u00a0<a href=\"https:\/\/www.youtube.com\/watch?v=FsmHk-4Bzf8&amp;list=PLC_D00N9SJZuudzwywSWpIllcTQbn07Su\" target=\"_blank\" rel=\"noopener\">playlist dedicata al GIS<\/a>!<\/p>\n<p style=\"text-align: justify;\"><a href=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2017\/11\/button_iscriviti_blog_gis1.png\"><img loading=\"lazy\" decoding=\"async\" class=\" wp-image-6324 alignleft\" src=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2017\/11\/button_iscriviti_blog_gis1-300x65.png\" sizes=\"auto, (max-width: 268px) 100vw, 268px\" srcset=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2017\/11\/button_iscriviti_blog_gis1-300x65.png 300w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2017\/11\/button_iscriviti_blog_gis1.png 322w\" alt=\"\" width=\"268\" height=\"58\" \/><\/a><\/p>\n<p>&nbsp;<\/p>\n<p>&nbsp;<\/p>\n<p>&nbsp;<\/p>\n<table width=\"887\">\n<tbody>\n<tr>\n<td width=\"100\"><a href=\"https:\/\/www.linkedin.com\/in\/dennis-zammarchi-57b3201a5\/\" target=\"_blank\" rel=\"noopener\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-11530\" src=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2030\/11\/DZA.jpg\" alt=\"\" width=\"101\" height=\"100\" srcset=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2030\/11\/DZA.jpg 597w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2030\/11\/DZA-150x150.jpg 150w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2030\/11\/DZA-300x297.jpg 300w\" sizes=\"auto, (max-width: 101px) 100vw, 101px\" \/><\/a><\/td>\n<td width=\"500\">\n<div><strong>Dennis Zammarchi<\/strong><\/div>\n<p>Archeologo preistorico di formazione con un orientamento alla fotogrammetria e alla cartografia, in One Team ricopro il ruolo di GIS Application Engineer. Fra le mie passioni ci sono la lettura, la zoologia, la storia e la cinematografia. Nel tempo libero mi piace molto visitare nuovi luoghi per imparare pi\u00f9 cose possibili sul mondo.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<table width=\"887\">\n<tbody>\n<tr>\n<td width=\"100\"><a href=\"https:\/\/www.linkedin.com\/in\/gianluca-sala-323361225\/\" target=\"_blank\" rel=\"noopener\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter wp-image-11529\" src=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2030\/11\/SAL.jpg\" alt=\"\" width=\"100\" height=\"97\" srcset=\"https:\/\/gis.oneteam.it\/wp-content\/uploads\/2030\/11\/SAL.jpg 592w, https:\/\/gis.oneteam.it\/wp-content\/uploads\/2030\/11\/SAL-300x290.jpg 300w\" sizes=\"auto, (max-width: 100px) 100vw, 100px\" \/><\/a><\/td>\n<td width=\"500\">\n<div><strong>Gianluca Sala<\/strong><\/div>\n<p>Geologo di formazione con grande passione per Python e le analisi geospaziali, lavoro in One Team come GIS Application Engineer. Al di fuori dell&#8217;ufficio sono sempre alla ricerca di nuove esperienze, amo affrontare nuove sfide e imparare costantemente.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n","protected":false},"excerpt":{"rendered":"<p>Con l\u2019inizio del 2023 abbiamo assistito all\u2019esplosione dell\u2019Intelligenza Artificiale (AI); tools come ChatGPT, Dall-E e Midjourney rappresentano solo alcuni esempi di tecnologie che promettono di facilitare e velocizzare diversi processi.\u00a0In numerosi ambiti, l\u2019intelligenza artificiale sta trasformando il panorama tecnologico e il settore dei Sistemi Informativi Geografici non fa eccezione.\u00a0Anche Esri non \u00e8 rimasta a guardare&hellip;<\/p>\n","protected":false},"author":1,"featured_media":12735,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1024,9,947,1002,1023,28,897],"tags":[978,81,1005,1003,979,977,1004],"class_list":["post-12550","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai","category-arcgis-pro","category-dati-gis","category-geoai","category-intelligenza-artificiale","category-notizie-e-novita","category-remote-sensing","tag-ai","tag-arcgis-pro","tag-deep-learning","tag-geoai","tag-ia","tag-intelligenza-artificiale","tag-machine-learning"],"post_mailing_queue_ids":[],"_links":{"self":[{"href":"https:\/\/gis.oneteam.it\/index.php\/wp-json\/wp\/v2\/posts\/12550","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/gis.oneteam.it\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/gis.oneteam.it\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/gis.oneteam.it\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/gis.oneteam.it\/index.php\/wp-json\/wp\/v2\/comments?post=12550"}],"version-history":[{"count":63,"href":"https:\/\/gis.oneteam.it\/index.php\/wp-json\/wp\/v2\/posts\/12550\/revisions"}],"predecessor-version":[{"id":12744,"href":"https:\/\/gis.oneteam.it\/index.php\/wp-json\/wp\/v2\/posts\/12550\/revisions\/12744"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/gis.oneteam.it\/index.php\/wp-json\/wp\/v2\/media\/12735"}],"wp:attachment":[{"href":"https:\/\/gis.oneteam.it\/index.php\/wp-json\/wp\/v2\/media?parent=12550"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/gis.oneteam.it\/index.php\/wp-json\/wp\/v2\/categories?post=12550"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/gis.oneteam.it\/index.php\/wp-json\/wp\/v2\/tags?post=12550"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}