کتاب هوش مکانی

کتاب هوش مکانی (مبانی و مفاهیم) نوشته علیرضا شریفی، پیوند میان هوش مصنوعی و داده‌های مکان‌محور را بررسی می‌کند. موضوع اصلی این کتاب، صرفاً اجرای الگوریتم‌ها روی نقشه‌ها و تصاویر ماهواره‌ای نیست؛ مدل‌ها باید روابط همسایگی، تفاوت مناطق و مقیاس تحلیل را نیز در نظر بگیرند. نویسنده از تعریف داده‌های مکانی آغاز کرده است و بحث را تا یادگیری عمیق، مدل‌سازی مکانی‌ـ‌زمانی و کاربردهای محیطی و شهری پیش می‌برد. انتشارات دانشگاه شهید بهشتی این کتاب را منتشر کرده است. مباحث پردازش داده، ارزیابی مدل و حریم خصوصی نیز در کنار مبانی فنی قرار دارند. نسخه‌ی الکترونیکی این اثر را می‌توانید از طاقچه خرید و دانلود کنید.

درباره کتاب هوش مکانی

کتاب هوش مکانی نوشته علیرضا شریفی، موضوع خود را در محل تلاقی علوم مکانی، سامانه‌های اطلاعات مکانی و هوش مصنوعی تعریف می‌کند. داده‌های وابسته به موقعیت جغرافیایی، برخلاف بسیاری از داده‌های متعارف، مستقل از یکدیگر نیستند. نزدیکی دو مکان می‌تواند با شباهت ویژگی‌های آن‌ها همراه باشد و تغییر مقیاس نیز ممکن است نتیجه‌ی تحلیل را عوض کند. نویسنده باتکیه‌بر چنین تفاوت‌هایی توضیح داده است که چرا انتخاب الگوریتم به‌تنهایی برای ساختن یک مدل معتبر کافی نیست. کیفیت داده‌های آموزشی، پوشش جغرافیایی نمونه‌ها و شیوه‌ی آزمودن مدل نیز در اعتبار نتیجه نقش دارند. بحث درباره‌ی بیش‌برازش و داده‌های نامتوازن، فاصله‌ی میان عملکرد مطلوب در آموزش و توانایی پیش‌بینی در مناطق ناشناخته را روشن می‌کند. متن ماهیتی دانشگاهی و مفهومی دارد و تعریف اصطلاحات را در کنار توضیح روش‌ها و نمونه‌های مرتبط قرار داده است. توجه ویژه به یادگیری عمیق نیز به بحث درباره‌ی استخراج ویژگی و شناخت الگوهای پیچیده در تصاویر و شبکه‌ها جهت می‌دهد.
کتاب هوش مکانی در هفت فصل، از مبانی نظری به پردازش، ابزارها، کاربردها و اقتصاد این حوزه می‌رسد. فصل نخست، مبانی هوش مکانی، داده‌های برداری، رستری و گرافی را معرفی می‌کند و اصول یادگیری ماشین را توضیح می‌دهد. فصل دوم، پردازش داده‌های مکانی، موضوعاتی مانند پاک‌سازی، نرمال‌سازی، جایگذاری مقادیر ازدست‌رفته، طبقه‌بندی و مدیریت عدم قطعیت را در بر دارد. فصل سوم، پردازش‌های پیشرفته در هوش مکانی، شبکه‌های عصبی کانولوشنی، بازگشتی و گرافی را در کنار مدل‌سازی مکانی‌ـ‌زمانی و پردازش متون مکان‌مند بررسی می‌کند. فصل چهارم به پایتون، کتابخانه‌ها و محیط‌های مرتبط اختصاص دارد. فصل پنجم موضوعاتی چون حریم خصوصی، سوگیری، دوقلوی دیجیتال و مدل‌های زبانی بزرگ را مطرح کرده است. فصل ششم، کاربردهایی از مدیریت منابع آب و حفاظت از زیستگاه‌ها تا کشاورزی دقیق و نقشه‌برداری بحران را پوشش می‌دهد. فصل هفتم نیز سرمایه‌گذاری، تأمین مالی، بهره‌وری و شکاف دیجیتال را وارد بحث می‌کند. واژه‌نامه‌های فارسی‌ـ‌انگلیسی و انگلیسی‌ـ‌فارسی، منابع و نمایه نیز امکان پیگیری اصطلاحات و موضوعات را فراهم می‌کنند.

خلاصه کتاب هوش مکانی

کتاب هوش مکانی بر این ایده استوار است که تحلیل معتبر پدیده‌های مکان‌محور، به شناخت ویژگی‌های جغرافیایی داده‌ها و روش‌های یادگیری نیاز دارد. داده‌های خام ابتدا باید پاک‌سازی شوند، مقیاس مناسبی پیدا کنند و برای استخراج ویژگی آماده شوند. مدل سپس، متناسب با هدف مسئله، طبقه‌بندی، خوشه‌بندی، پیش‌بینی یا تشخیص ناهنجاری را انجام می‌دهد. ارزیابی نتیجه نیز نباید به یک عدد محدود بماند؛ مقایسه با داده‌های مرجع، بررسی نقشه‌ها و سنجیدن تعمیم‌پذیری مکانی اهمیت دارند. نویسنده نشان می‌دهد که کمبود نمونه در بعضی مناطق یا غلبه‌ی یک طبقه بر طبقات دیگر، می‌تواند خروجی ظاهراً دقیق اما گمراه‌کننده بسازد. پیام محوری این کتاب، ضرورت همراه‌کردن توان محاسباتی با شناخت مکان، کیفیت داده و مسئولیت در استفاده از اطلاعات است. مباحث فنی نیز در پیوند با نیازهای تصمیم‌گیری، از پایش محیط تا سامان‌دهی حمل‌ونقل، معنا پیدا می‌کنند.

چرا باید کتاب هوش مکانی را بخوانیم؟

دلایل خواندن کتاب هوش مکانی را می‌توان این‌طور خلاصه کرد:

• رابطه‌ی ویژگی‌های جغرافیایی داده‌ها با انتخاب و ارزیابی مدل توضیح داده می‌شود.
• خواننده با تفاوت وظایفی مانند طبقه‌بندی، خوشه‌بندی، بخش‌بندی و تشخیص اشیا آشنا می‌شود.
• بحث بیش‌برازش و عدم توازن، محدودیت‌های دقت ظاهری مدل را روشن می‌کند.
• موضوعات فنی در کنار حریم خصوصی، سوگیری و اقتصاد استفاده از فناوری بررسی می‌شوند.

خواندن این کتاب را به چه کسانی پیشنهاد می‌کنیم؟

کتاب هوش مکانی به این گروه‌ها پیشنهاد می‌شود:

• دانشجویان علوم و مهندسی مکانی که به مبانی کاربرد هوش مصنوعی نیاز دارند.
• پژوهشگرانی که اعتبار مدل‌های مکان‌محور را بررسی می‌کنند.
• متخصصان محیط‌زیست، مدیریت بحران و برنامه‌ریزی شهری که به تحلیل داده‌های جغرافیایی علاقه دارند.