收益：
- 能够区分地理信息工作流程的哪些步骤可以节省实时时间，以及哪些决策应保留主管工程师的批准
- 能够实施一门学科，通过数量级、测地线合理性和地形/资源证据交叉验证每个人工智能输出
- 通过认识坐标/数据混乱、幻觉和个人数据隐私以及匿名化上下文的风险，养成设置安全提示的习惯。
测绘工程是测量、处理、分析和绘制地球及其上物体位置的工程学分支。该专业涉及坐标、毫米到厘米精度、财产边界和官方文件；所以错误的代价是昂贵的。在本单元中，我们将确定人工智能（简称 AI：可以处理文本、图像和数据并生成类似人类答案的软件系统）在地理信息工作流程中的哪些位置可以实时节省时间、哪些位置存在危险以及如何验证每个输出。我们从一开始就说：人工智能是一个助手，虽然它产生坐标，但主管工程师做出决定和签名。
首先，让我们澄清一下职业和人工智能的交叉点。地理信息项目通常经历以下步骤：数据收集（使用 GNSS、全站仪、无人机、激光雷达进行土地测量）、数据处理（将原始观测数据转换为坐标、平衡）、分析（使用 GIS/GIS 进行空间查询）、制作（地图、正射影像、模型）、交付（报告、表格、登记）。人工智能在这条链条的每个环节中发挥着不同的作用：在某些地方它承担主要工作（例如，对数千张图像进行分类），在某些地方它只生成草稿（报告文本），而在某些地方它是根本不应该被信任的助手（地籍边界的确切值）。
决定给予人工智能什么的原则
你可以用一句话来衡量每项人工智能任务的风险：某个输出的风险等于该输出有问题时所造成的危害。文献摘要中的一个小错误几乎是无害的；然而，申请坐标（在土地上标记项目中的点）存在 20 厘米的误差，意味着地基浇筑在错误的位置，建筑物会溢出到邻近的地块上，并引发法庭纠纷。因此，我们根据潜在危害调整验证强度。
为了使这一点具体化，让我们将事情分为三个部分：
业务类型
人工智能的作用
验证密度
例子
低风险/有帮助
原厂
轻量级（评论）
将测量记录转换为表格、报告草稿
中等风险/草案
加速器
中（样本控制+逻辑）
土地覆盖初步分类、代码生成
高风险/关键
它只是提供了一个想法
重磅（完全独立验证）
地籍边界、应用、高程值、基准转换
这个表一定是一种反射：当你收到人工智能输出时，你首先会问“这个在哪个桶中？” '，然后相应地花费你的验证能量。
验证规则：三个过滤器
在 Geomatics 中，将每个 AI 输出通过三个过滤器。
- 幅度控制。这个数字是否在合理范围内？土耳其某点的 ED50/UTM 东距值约为 6 位数米；经度范围从-180到+180；地块的面积以平方米为单位。如果 AI 对于预期的 6 位正确值返回了 3 位结果，那么您无需阅读答案内容就知道有错误。这是最便宜、最强大的过滤器。
- 大地测量/空间合理性。结果与物理和几何兼容吗？两个相邻点之间的距离不能为负数；闭合多边形的内角和必须收敛于某个值；缓冲区操作的结果必须大于输入几何图形。如果AI说了一些逻辑上不可能的话，它就会被淘汰。
- 独立证据。将输出与人工智能未见过的来源进行比较：已知的控制点、地面事实、官方文档、第二种方法计算。一个例子是使用坐标已知的参考来测试转换结果。
提示：按顺序应用三个过滤器，但切勿跳过前两个；因为顺序和合理性检查需要几秒钟的时间，并且在大多数错误进入独立证据之前就可以发现它们。
坐标、基准和隐私：地理信息学特有的陷阱
除了一般的人工智能风险之外，这个行业还有两个独特的主要陷阱。首先是坐标/基准混淆。 Datum 是代表地球表面的数学参考面（例如 WGS84、ED50、ITRF）；同一物理点在不同的基准中用不同的数字表示，在我国有些地方相差可以达到米。如果你没有指定你正在谈论哪个数据，人工智能就会做出假设并默默地将其转换为错误的系统。二、个人数据和财产隐私：地籍记录包含所有者姓名、身份证号码、精确位置；将它们不受控制地发送到外部模型既违反立法，也违反职业道德。
注意：在将真实所有者的姓名、TR ID 号或敏感设施的确切坐标粘贴到提示中之前请停止。匿名（命名为“Malik-1”，地块为“Island/Plot-A”）或使用内部/批准的环境。
三个迷你案例：从数字来看
案例 1 — 排名过滤器可以挽救生命。一名实习生让 AI 从地理坐标投影一个点，得到的结果是向右 4,281 m。在土耳其，UTM正确值在100,000-900,000米波段； 4 位数字的结果是不可能的。仅通过顺序检查，错误就立即被捕获，因为模型假设输出是弧度而不是度数；在将其传输到 CAD 之前，已更正坐标。
情况 2 — 基准漂移。一个团队从旧地图（ED50）中取出 12 个控制点，并将其交给 AI“转换为 UTM”，但没有指定数据。假定型号WGS84；结果与现场 GPS 测量值系统性地偏移了约 3-4 m。与单个已知参考相比，系统差异立即显而易见，并且使用正确的转换参数重复该工作。一点独立控制挽救了整个战役。
案例 3 — 防止隐私泄露。一个办公室会将包含 850 个地块的地籍数据库加载到外部模型中，以“发现不一致之处”；该表包含所有者姓名和识别号。多亏了清单，他们首先对其进行了匿名处理：删除了个人列，仅发送了几何形状和区域信息。分析的好处仍然是一样的，个人数据永远不会泄露。
弱提示/强提示
弱提示：
将这些坐标转换为 UTM 并编写报告。[坐标]
强力提示：
您的角色：地理信息数据助理。任务：将以下点从源系统转换为目标系统。- 源 CRS：EPSG:4326（WGS84 地理、度数）- 目标 CRS：EPSG:5256 (TUREF / TM33)- 如果信息不清楚或缺失，请勿转换，请先询问。- 指定每个点的预期正确值等级（6 位数字）。- 请注意，应与已知控制点进行比较，验证输出。数据（匿名）：[点表]
强有力的提示明确了来源和目标，命令在不完整的信息处停止，并重写了等级期望和验证义务。因此，输出更加准确且可审计。
四个可复制模板
1）职位分类过滤器：
将以下任务放入三个类别之一：(a) 低风险/有帮助，(b) 中等风险/草案，(c) 高风险/关键。写下您的理由和建议的验证步骤。任务：[职位描述]
2) 等级控制请求：
在产生下面的结果之前写下预期的数量级（单位和典型范围）。如果结果超出此范围，则发出“范围警告”并检查计算。输入：[数据]
3）预匿名扫描：
以下文本是否包含个人数据（姓名、身份证号码、产权契约所有者信息、敏感位置）或机密信息？如果是这样，请列出它们并建议匿名等效项。不要更改文本，只需报告即可。文字：[文字]
4）验证计划生成器：
为以下人工智能输出编写验证方案：（1）排名检查，（2）测地线/空间合理性，（3）独立的证据来源。清楚地写下每一步要考虑的因素。输出：[AI输出]
常见错误
- 不指定 Datum/CRS 的操作坐标。最常见和最昂贵的错误；它会导致仪表无声滑动。
- 将流畅性误认为准确性。 AI书写自信、工整；这并不表明内容准确。
- 绕过等级检查。将一瞬间就能发现的错误引入 CAD。
- 不受控制地发送个人/财产数据。 “无论如何有用”的理由并不能免除保密义务。
- 将关键工作基于单个人工智能输出。在未经独立核实的情况下继续进行申请、地籍边界和立面等工作。
- 认为您正在将责任转移给模型。签字和责任始终由主管工程师承担。
总之
人工智能在地理信息工作流程的每个步骤中使用不同的权重；关键是要考虑每个任务的风险：“如果出现错误，我会损失什么？”提出问题并相应地衡量验证。三个过滤器（程度、合理性、独立证据）可以廉价地捕获大多数错误。该行业特有的两个主要陷阱是坐标/基准混淆和个人/财产数据机密性；两者都是通过从一开始就建立严格的提示来管理的。最终决定和签名仍由主管工程师决定。
应用任务
从您自己的业务（或假设）中选择三项地理信息任务：一项低风险、一项中风险、一项高风险。对于每个，写下 (1) 它属于哪个桶，(2) AI 的角色，(3) 您将应用的三个过滤步骤。对于高风险任务，具体指定您将测试输出的独立证据（检查点、文档、第二种方法）。
清单
- [ ] 我通过“出现错误时会发生的损害”来衡量任务的风险。
- [ ] 我将任务置于低/中/高风险类别中。
- [ ] 我已在提示中明确指定了源坐标系和目标坐标系（datum/EPSG）。
- [ ] 我通过了排名检查。
- [ ] 我测试了大地测量/空间合理性。
- [ ] 我已经用至少一项独立证据证实了这一点。
- [ ] 我已匿名化个人/专有数据或在经批准的环境中工作。
- [ ] 我做出了最终决定并签署了工程师的责任。