กำไร:
- การทำความเข้าใจว่าการวัดเชิงพื้นที่ (ความชัน การวางแนว พื้นที่) เป็นงานของ GIS และภาคสนาม และการวัดจะไม่ได้รับการร้องขอจากปัญญาประดิษฐ์
- ความสามารถในการสังเคราะห์ข้อมูลที่วัดได้ด้วยการสังเกตภาคสนาม และสร้างรายการข้อจำกัดด้านโอกาสและคำแนะนำการแบ่งเขตการใช้งานด้วยปัญญาประดิษฐ์
- ความสามารถในการมองว่าการสังเคราะห์ปัญญาประดิษฐ์เป็นเพียงสมมติฐาน และตอบโต้การอ่านในภาคสนาม และแยกวัสดุที่ต้องใช้วิศวกรรม
การออกแบบภูมิทัศน์ที่ดีเริ่มต้นจากการ "ฟัง" เนื้อเรื่อง น้ำไหลมาจากไหน พระอาทิตย์ส่องแสงที่ไหน ลมพัดไปทางไหน คนใช้เส้นทางไหนอยู่แล้ว? การวิเคราะห์ไซต์คือการตรวจสอบอย่างเป็นระบบเกี่ยวกับลักษณะทางกายภาพ นิเวศวิทยา และสังคมของไซต์ - เป็นพื้นฐานของความเป็นจริงที่จะใช้ในการออกแบบ GIS (Geographic Information System / GIS) เป็นซอฟต์แวร์ที่ทำแผนที่และวิเคราะห์ข้อมูลเชิงพื้นที่ (ความลาดชัน ระดับความสูง ดิน น้ำ โครงสร้าง) ในชั้นต่างๆ ในหน่วยนี้ คุณจะได้เรียนรู้วิธีใช้ AI เป็นพันธมิตรในการตีความและการสังเคราะห์ในการวิเคราะห์โดเมน แต่คุณจะเห็นว่าทำไมการวัดและความแม่นยำของตำแหน่งจึงยังคงอยู่ใน GIS และในภาคสนาม
ชั้นของการวิเคราะห์ภาคสนาม
เลเยอร์ทั่วไปเมื่ออ่านโครงเรื่องคือ:
- ภูมิประเทศ: ระดับความสูงและความชัน (ระดับความชันของพื้นผิว — กำหนดการไหลของน้ำ การเข้าถึง ความเป็นไปได้)
- ด้าน: ทิศทางที่ลาดหันหน้าไปทาง; กำหนดผลกระทบของไข้แดดและลม
- อุทกวิทยา: น้ำมาจากไหนและไหลไปที่ใด น้ำท่วมและพื้นที่สะสม
- ดินและธรณีวิทยา: ชนิดของดิน การระบายน้ำ ความสามารถในการรับน้ำหนัก
- พืชพรรณและนิเวศวิทยา: ต้นไม้ที่มีอยู่ สิ่งมีชีวิตตามธรรมชาติ เนื้อเยื่อที่ต้องปกป้อง
- ชั้นมนุษย์: การใช้งานในปัจจุบัน การเข้าถึง พื้นที่ใกล้เคียง มุมมอง
GIS สร้างเลเยอร์เหล่านี้เท่าที่จำเป็น AI ช่วยเชื่อมโยงและตีความเลเยอร์เหล่านี้ และสังเคราะห์บันทึกการสังเกตภาคสนาม กฎสำคัญ: AI ไม่สามารถวัดความชันหรือสร้างพิกัดบนแผนที่ได้ ช่วยให้เข้าใจข้อมูลที่วัดผลที่คุณให้มาและแนะนำลำดับความสำคัญ
คำแนะนำ: ถาม AI ว่า "ที่ดินนั้นมีความลาดชันแค่ไหน" อย่าถาม เขาไม่รู้เรื่องนี้และอาจชดเชยได้ ให้ให้ข้อมูลความชันที่ได้รับจาก GIS แทน แล้วถามว่า "ตามการกระจายความชันนี้ พื้นที่ใดเหมาะแก่การเดิน พื้นที่ใดเหมาะแก่การนั่ง และส่วนใดเหมาะกับการกักเก็บน้ำ" ขอความคิดเห็น
ทีละขั้นตอน: จากข้อมูลสู่การตีความ
ขั้นตอนที่ 1 — รวบรวมข้อมูลที่วัดได้ แยกข้อมูล เช่น ความลาดชัน การวางแนว ทิศทางการไหลของน้ำ จาก GIS หรือการสำรวจภาคสนาม ขั้นตอนนี้เป็นงานคน/รถ
ขั้นตอนที่ 2 — สังเกตการสังเกตภาคสนาม จดบันทึกสิ่งที่คุณเห็นบนสนาม (มุมเปียก สันเขาที่มีลมแรง พื้นที่สีเทา เส้นทางที่สึกหรอ)
ขั้นตอนที่ 3 – ให้ AI สังเคราะห์ ให้ข้อมูลที่วัดได้ + บันทึกการสังเกต และขอความคิดเห็นในรูปแบบของ "แผนที่โอกาสและข้อจำกัด"
ขั้นตอนที่ 4 — เคาน์เตอร์อ่าน เปรียบเทียบการตีความของ AI กับความเป็นจริงภาคสนาม แก้ไขส่วนที่ไม่พอดี
ขั้นตอนที่ 5 — เชื่อมโยงกับการตัดสินใจออกแบบ แปลโอกาส/ข้อจำกัดที่เกิดจากการวิเคราะห์เป็นการตัดสินใจออกแบบที่เป็นรูปธรรม (ที่ไหนและอะไร)
มินิเคสสามอัน
กรณีที่ 1 — การตีความความลาดชัน ในโครงการสวนสาธารณะบนเนินเขา ข้อมูลความลาดชันของ GIS แตกต่างกันระหว่าง 5%–22% YZ รวมเข้ากับบันทึกข้อสังเกตและร่างข้อเสนอว่า "พื้นที่ที่สูงกว่า 15% เป็นแบบขั้นบันได ต่ำกว่า 8% เป็นทุ่งหญ้าโล่ง และส่วนที่เหลือเป็นทางเดิน" สถาปนิกตรวจสอบสิ่งนี้ที่ไซต์งานและประหยัดเวลาได้ 60% เขาวาดเส้นระเบียงเส้นสุดท้ายด้วยตัวเอง
กรณีที่ 2 — น้ำขัง มีน้ำขังซ้ำๆ ในสนามโรงเรียน บันทึกภาคสนาม + ความชัน + ข้อมูลดินให้กับ YZ; YZ ชี้ให้เห็นว่ามุมดินเหนียวลาดต่ำเป็นจุดสะสมตามธรรมชาติและสามารถทำเป็นสวนฝนได้ วิศวกรยังได้คำนวณการระบายน้ำอีกด้วย
กรณีที่ 3 — การจับการประดิษฐ์ เด็กฝึกงานถาม AI โดยตรงว่า “พัสดุนี้มีความชันเฉลี่ยเป็นเท่าใด” เขาถาม; AI ให้ตัวเลขมั่นใจ สถาปนิกอาวุโสตระหนักว่าสิ่งนี้ไม่มีมูลความจริง – AI ไม่เห็นพัสดุ มาตรการดังกล่าวนำมาจาก CBS; มูลค่าที่แท้จริงแตกต่างออกไป บทเรียน: วัดตำแหน่งจากยานพาหนะ ไม่ใช่ AI
เทมเพลตที่สามารถคัดลอกได้สี่แบบ
1) การสังเคราะห์โอกาสและข้อจำกัด:
บทบาทของคุณ: นักวิเคราะห์ภูมิทัศน์ ฉันจะให้ข้อมูลที่วัดได้และการสังเกตภาคสนามแก่คุณ ข้อมูล: การกระจายความชัน [...], การวางแนว [...], ทิศทางการไหลของน้ำ [...], ดิน [...] ข้อสังเกต : [มุมเปียก สันเขาลมแรง เงา เส้นทางที่มีอยู่] สังเคราะห์สิ่งเหล่านี้และสร้างรายการโอกาสและข้อจำกัด ขนาดที่เหมาะสม; เพียงตีความข้อมูลที่ฉันให้คุณ
2) คำแนะนำการแบ่งเขตการใช้งาน:
จากข้อมูลความลาดชันและการวางแนวที่ฉันให้ไว้ แนะนำให้แบ่งพื้นที่ออกเป็นโซนใช้งาน เช่น การเดิน การนั่ง/รวบรวม การกักเก็บน้ำ พืชพรรณหนาแน่น การเล่น เขียนข้อมูลที่คุณใช้อ้างอิงตามคำแนะนำแต่ละรายการ ระบุว่านี่คือฉบับร่างและจะได้รับการตรวจสอบในภาคสนาม
3) รายการตรวจสอบการทัศนศึกษา:
จัดทำรายการตรวจสอบสิ่งที่ฉันจะต้องสังเกตและจดบันทึกไว้ในทริปวิเคราะห์สถานที่สำหรับโครงการ [สวนสาธารณะริมลำธารขนาด 4 เฮกตาร์] ได้แก่ ภูมิประเทศ น้ำ ดิน พืชพรรณ แสงแดด/ร่มเงา ลม การใช้งานของมนุษย์ การเข้าถึง และพื้นที่ใกล้เคียง
4) สะพานวิเคราะห์-ออกแบบ:
แปลรายการข้อจำกัดด้านโอกาสนี้เป็นการตัดสินใจออกแบบที่เป็นรูปธรรม: “ฉันจะใช้ประโยชน์จากสิ่งนี้ได้อย่างไร” สำหรับแต่ละโอกาส “ฉันจะเอาชนะ/จัดการสิ่งนี้ได้อย่างไร” สำหรับแต่ละข้อจำกัด ทำเครื่องหมายรายการที่ต้องการวิศวกรรม (การระบายน้ำ, การเก็บรักษา) ด้วย
พรอมต์อ่อน / พรอมต์แรง
พรอมต์ที่อ่อนแอ:
วิเคราะห์พล็อตเรื่องนี้
AI ไม่เห็นโครงเรื่อง หากไม่มีข้อมูล เขาจะจัดทำข้อความทั่วไปหรือจัดทำการวัดผล
พรอมต์อันทรงพลัง:
บทบาทของคุณ: นักวิเคราะห์โดเมน ข้อมูลที่วัดได้ (จาก GIS): ความชัน 4-18% ความลาดชันหันหน้าไปทางทิศเหนือ น้ำไหลไปทางทิศตะวันออกเฉียงใต้ ดินร่วนดินเหนียว ค่ามัธยฐานการระบายน้ำ การสังเกตไซต์: มุมทางเหนือมีร่มเงาและชื้นอยู่ตลอดเวลา ขอบทางใต้เปิดรับลม แถวต้นไม้ระนาบที่มีอยู่จะยังคงอยู่ มีทางเดินเท้าในตัวที่ขอบตะวันออก รายการโอกาสและข้อจำกัดได้มาจากข้อมูลนี้ เขียนข้อมูลที่คุณใช้เป็นฐานในแต่ละรายการ อย่าทำการวัด
เมื่อพิจารณาจากข้อมูลที่วัดได้ + การสังเกต AI จะสร้างการสังเคราะห์ที่แท้จริง และข้อจำกัด "การวัดที่เหมาะสม" จะตัดภาพหลอนออกไป
แหล่งข้อมูลและตารางบทบาท
ชั้น
ข้อมูลจากไหน?
บทบาทของเอไอ
บทบาทของผู้ชาย
ความลาดชัน/ระดับความสูง
จีไอเอส การวัด
ความคิดเห็น
การวัดการยืนยัน
ปฐมนิเทศ
สารสนเทศภูมิศาสตร์
การระบุแหล่งที่มา
การตรวจสอบ
อุทกวิทยา
GIS + ฟิลด์
ข้อเสนอแนะรูปแบบ
บัญชีวิศวกร
ดิน
การขุดเจาะ/ห้องปฏิบัติการ
ทำให้รู้สึก
ทดสอบการตัดสินใจ
โรงงานปัจจุบัน
สินค้าคงคลังภาคสนาม
การสังเคราะห์
การตรวจจับการป้องกัน
การใช้งานของมนุษย์
การสังเกตภาคสนาม
สรุป
การสังเกตความคิดเห็น
ข้อผิดพลาดทั่วไป
- การขอการวัดตำแหน่งจาก AI ความชัน พื้นที่ ระยะทาง เป็นงาน GIS/งานวัด AI ก็สร้างมันขึ้นมาได้
- งดการทัศนศึกษา ไม่มีข้อมูลใดมาแทนที่การยืนในสนามและการมองเห็นได้
- มองเป็นชั้นเดียว โอกาสเกิดขึ้นที่จุดตัดของชั้นต่างๆ (ความชัน + น้ำ + เงา รวมกัน)
- ไม่เปรียบเทียบการตีความกับสนาม การสังเคราะห์ AI เป็นเพียงสมมติฐาน ได้รับการตรวจสอบแล้วในสนาม
- การบีบอัดปัญหาทางวิศวกรรมลงในความคิดเห็น ความสามารถในการระบายน้ำและสถิติการกักเก็บต้องมีการคำนวณแยกต่างหาก
โดยสรุป
ในการวิเคราะห์ภาคสนาม การวัดและความแม่นยำของตำแหน่งเป็นงานของ GIS และภาคสนาม AI เป็นพันธมิตรที่ทรงพลังในการสังเคราะห์ข้อมูลที่วัดได้นี้ด้วยการสังเกตภาคสนาม และสร้างแผนที่ที่มีข้อจำกัดด้านโอกาส และคำแนะนำการแบ่งเขต ดำเนินการกระบวนการผ่านการรวบรวมข้อมูลที่วัดได้ การสังเกตภาคสนาม การสังเคราะห์ AI การอ่านค่าภาคสนาม และการเชื่อมโยงกับการออกแบบ อย่าขอให้ AI ทำการวัด ให้ข้อมูลและทำความเข้าใจกับมัน การสังเคราะห์ถือเป็นสมมติฐานที่ต้องได้รับการตรวจสอบในภาคสนามเสมอ
งานสมัคร
อธิบายความลาดชัน การวางแนว และการไหลของน้ำสำหรับแปลง (ไม่ว่าจะด้วยข้อมูล GIS จริงหรือสมมติฐานที่สมเหตุสมผล) และเขียนบันทึกการสังเกตการณ์ภาคสนาม สร้างการวิเคราะห์ด้วยเทมเพลต "การสังเคราะห์ข้อจำกัดด้านโอกาส" จากนั้นเปลี่ยนเป็นการตัดสินใจออกแบบที่เป็นรูปธรรมอย่างน้อยห้ารายการด้วยเทมเพลต "สะพานการออกแบบการวิเคราะห์" ทำเครื่องหมายรายการที่ต้องการวิศวกรรม
รายการตรวจสอบ
- [ ] ฉันใช้ข้อมูลที่วัดได้จาก GIS/การวัด ฉันไม่ได้ปรับให้เข้ากับ AI
- [ ] ฉันเขียนบันทึกการสังเกตการณ์ภาคสนามเป็นลายลักษณ์อักษร
- [ ] ฉันสร้างการสังเคราะห์ AI โดยมีจุดตัดของหลายเลเยอร์
- [ ] ฉันโต้กลับการสังเคราะห์ด้วยความเป็นจริงในสนาม
- [ ] ฉันทำเครื่องหมายรายการที่ต้องอาศัยวิศวกรรมแยกจากกัน และแจ้งให้ผู้เชี่ยวชาญทราบ