Кто на панике из-за ИИ? Поднимите руки 🤚

У меня развилось FOMO из-за этого бума постов и дискуссий по ИИ-агентам. Решила перестать скролить рилсы Вива ля Вики "я уволила всех аналитиков и отдала Клоду свою операционку на аутсорс" и разобраться :) Поэтому собрала 5 отчетов в geospatial индустрии и вычленила основные общие выводы, чтобы быть в ногу со временем без чувства тревоги.

1️⃣ GWF Post-Conference Reports
- Я была как-то на GWF в Роттердаме в 2024 году, все обсуждали изменение геотрасли как вклад в наращивание мировой экономики. Акцент большинства панельных сессий был на вертикальных юз-кейсах, то есть применение GIS в разных отраслях.
- В 2025 была четки были вынесены термины spatial computing + digital twins + data ecosystem. То есть внимание сместилось от общей экономической роли геоданных к новой архитектуре геоэкосистемы (совместимость всего со всем). На SCEWC 2025 лейтмотивом также были цифровые двойники (писала ранее про Scenexus).
- В 2026 в брошюру вынесена "Sovereignty, Economy & Society". В этом году эксперты задаются вопросом "окей, интегрированные платформы мы построили, а кто ими владеет и их контролирует?". В 2025 тон был задавался техно-оптимистами, то сейчас он более государственный.

2️⃣Year-in-review от Esri по ArcGIS Online
- 2024 - Фокус на улучшении core web GIS workflows: Map Viewer, Experience Builder, apps, collaboration. В 2025 тот же operational GIS, но уже заметно сильнее акцент на реальные decision workflows: severe weather, city planning, resilience, wildfire, business support.
- 2026 - AI AI AI. Сейчас уже местхев чтобы гис-веб-сервисы помогали строить, искать, анализировать и автоматизировать рабочие процессы с помощью ии-ассистирования. Btw именно благодаря AI-first интефрейсу (создание карт по текстовым запросам) инвесторы заметили сервис Felt.

3️⃣ UN-Habitat / GeoAI Toolkit for Urban Planners
Вот это прям хороший практический отчет по возможностям и рискам GeoAI для градостроителей и городских планировщиков, советую.
- Важен не просто GeoAI, а объяснимый. Это называется SHAP (SHapley Additive exPlanations) - метод из теории игр. Например, чекните кейс из Непала (стр. 38), где модель предсказывает: "какой в этой зоне высокий риск оползня и почему". С SHAP чиновник или инженер видит конкретные причины и может: доверять или не доверять прогнозу принимать обоснованные решения (например, укреплять именно склоны, а не строить дренаж), объяснять решения жителям.
- No-code / low-code GeoAI платформы. Движение в сторону инструментов, не требующих программирования (Globeholder, CARTO, Digital Blue Foam). Это снижает порог входа для муниципальных служащих.

4️⃣По экономическим отчетам Mordor и Frontier Economics (2020, 2024) главный сдвиг - это все та же экосистема всего с непрерывной пространственной аналитиком в реальном времени. Рынок geospatial переходит в постоянно обновляемую архитектуру БД, не нужны статистические карты. И сейчас горлышко - это не сбор миллионнов данных, а зрелость экосистемы, совместимость разных данных и систем.

Frontier прямо пишет о дефиците специалистов на стыке геоаналитики и data science. Нужны спецы, понимающие и данные в целом и какой доп value можно вычленить из геоданных. Спрос смещается от “картографов” к гибридным специалистам. К слову, ЕС не финансирует уже магистерскую программу Cartography (Erasmus Mundus), а финансирует новую программу GEM, цель которой " to better manage socio-ecological systems for sustainable and equitable growth."

Два вывода, чтобы не паниковать:

❤️ИИ не заменяет специалиста, он меняет его профиль.
Горлышко - уже не данные и не модели, а люди на стыке geo + data science + governance. Если вы уже в гео индустрии, у вас есть фора, а не отставание.

❤️Порог входа снижается, а не растёт.
No-code платформы, open-source инструменты, AI-ассистенты — всё это делает GeoAI доступнее, а не элитарнее. Однако снижение порога входа в инструменты не снижает порог входа в понимание.

Нас не заменит ИИ, он снимет рутину, поэтому мы должны фокусироваться на управлении, интерпретации, контексте и решениях.

@urban_mash

Начала сегодня свое обучение
от European Spatial Data Research! 📍

Будет 4 модуля:

1️⃣Spatial Data Quality

2️⃣Machine Learning for Earth Observation

3️⃣Fundamentals of Python programming for geospatial applications

4️⃣3D city modelling: creation, standardisation and use in urban applications

С нетерпением жду 4 модуль по цифровым двойникам городов, как раз тот тренд, о котором писала в предыдущем посте 🏙

Расскажите, что вам особенно интересно, освещу в канале)

@urban_mash

Друзья, на этой неделе мы завершаем набор на курсы весеннего потока нашей онлайн-Школы!

К каким программам вы можете присоединиться:
🔵курс Александра Антонова «Пространственное планирование»: http://gorodaschool.ru/city-space-planning-course
🔵курс Игоря Стася Urban History: http://gorodaschool.ru/urban-history-course
🔵 курс Дмитрия Лисицина «Социальное проектирование в малых городах»: http://gorodaschool.ru/small-cities-planning-course
🔵курс Петра Иванова «Российская мысль о городе конца XX – начала XXI века»: http://gorodaschool.ru/russian-city-thoughts-course
🔵Медленный книжный клуб Марии Быстровой «Читающие города»: http://gorodaschool.ru/book-club

Если вы ждали знака — вот и он, приглашаем вас! ❤️

Невероятные визуализации в виде статистической гео-лупы
от Benjamin Niedermann 😍🔎

Интерактивные карты, где вы сами можете поиграться:
❤️Exploring 311 Complaints in New York City
❤️Exploring the Baden-Württemberg State Election 8 March 2026

💸2 его поста в Линке: 1 и 2

@urban_mash

Выступаю вот тут в 4 комнате 28 марта в 16.45 с докладом "Локационные задачи: как размещать объекты с умом?"📍

https://tg-me.sbs/cartetika_channel/1317

@urban_mash

🗾FOSS4G 2026 Hiroshima — НУЖНА ВАША ПОДДЕРЖКА!

Открытое голосование за доклады на главной конференции по open-source геоаналитике. Мои 2 заявки в деле — и сообщество решает, кто выступит. Голосование до 3 апреля.

🚨Как проголосовать (2 минуты):

1️⃣Перейти по ссылке https://talks.osgeo.org/foss4g-2026/p/voting/signup/
2️⃣Ввести email
3️⃣Найти мои доклады через Ctrl+F (всего 19 страниц)
4️⃣Поставить "Definitely"

🔎 Что искать:

❤️"Eurostat vs OSM vs Census: Choosing Open Mobility Data for Urban Function Maps". Сравниваю 3 открытых источника мобильности (Eurostat MNO, OSM GPS traces, Census) через Python/PostGIS — какой из них реально работает для анализа городских функций.

❤️"50 Lines of Python: Neighborhood DNA from Overture Maps Places". 53 млн POI из Overture Maps → типология районов за 50 строк кода (DuckDB + HDBSCAN + UMAP).

Спасибо всем, кто поддержит!

@urban_mash

❤️Вот моя презентация на Мапаконе! ❤️

1. Методология ML в геоданных

1️⃣Spatial Cross-Validation: Почему стандартные методы оценки моделей врут на географических данных и как правильно делить выборку на блоки, чтобы избежать переобучения из-за пространственной автокорреляции.
2️⃣Feature Engineering: Как извлекать признаки, учитывающие соседство и топологию.

2. Пространственная кластеризация

1️⃣Алгоритмы: Переход от K-means к плотностным методам (DBSCAN/HDBSCAN).
2️⃣Геометрия: Почему расчеты в евклидовом пространстве (градусах) для кластеров — это ошибка, и как работать с метрическими проекциями.

3. Оптимизация и графы

1️⃣Сетевой анализ: Совмещение ML-прогнозов спроса с классическими алгоритмами поиска путей.
2️⃣Реальные дистанции: Уход от «расстояний по прямой» к расчетам по дорожной сети с учетом весов.

4. Качество данных и аномалии

1️⃣Data Cleaning: Автоматический поиск выбросов в GPS-треках и координатах через Isolation Forest.
2️⃣MAUP (Modifiable Areal Unit Problem): Как масштаб сетки (агрегация по районам vs H3-гексагоны) меняет статистические результаты и как минимизировать это влияние.

@urban_mash

‼️КУРС‼️

После Яндекса зрела идея собрать профессиональный опыт в один системный образовательный продукт, и вот мы с Каримом Валиевым перешли к активной фазе работы над курсом по пространственной аналитике.

Курс не про QGIS, а про алгоритмическую и инженерную сторону работы с геоданными:

❤️Core-фундамент: от геометрии и пространственных индексов (H3, S2) до графов и сетевого анализа.
❤️Data Science & ML: кластеризация, пространственная статистика, GWR и применение нейросетей для растров.
❤️Big Data: работа с Apache Sedona, GeoParquet и DuckDB для тех случаев, когда данных слишком много для обычных инструментов.
❤️Практика: оптимизация размещения объектов и вопросы качества/валидации данных.

Мы хотим сделать курс максимально прикладным и полезным для сообщества, поэтому сейчас нам важен ваш фидбек. Помогите нам определиться с форматом, сложностью и конкретными темами, которые вам интересны.

Заполнение анкеты займет пару минут, но очень поможет нам сделать крутой продукт:

https://docs.google.com/forms/d/e/1FAIpQLSdtqQPMdNYhibQS1ofY4OGMxmNhP0qEwYp6lDZu0ZFs6qDL4w/viewform

@urban_mash