云原生空间分析与人工智能初创公司Wherobots Inc.今日推出一款人工智能智能体,使用户能够通过自然语言指令构建和部署空间数据管道,从而减少对专业编程能力的依赖。

这款名为Waldo的智能体可以发现数据源、生成查询、执行分析、可视化结果并安排周期性操作。它专为涉及位置信息的应用场景而设计,例如卫星图像、道路网络、GPS追踪数据和地理特征等。

空间数据因其融合了多种数据类型——包括地理坐标、图像和几何形状——而带来了不同寻常的处理难题。大规模分析此类信息通常需要专业工具和稀缺的技术专长。

Global Marketing Insights Inc.近期的一项调查得出结论,全球地理空间领域的从业人员在构建雇主所需技能水平方面落后了10到15年。

Wherobots由开源空间分析引擎Apache Sedona的创建者于2022年创立,该公司表示Waldo能够将传统上需要数周的开发项目压缩至数天完成。

“Waldo是我们全新的智能体化界面,”Wherobots产品负责人达米安·怀利(Damian Wylie)表示。他指出,与通用型AI编程助手不同,Waldo能够调用专门的计算引擎来处理海量地理数据集。

“我们并不是在底层部署某个全新的大语言模型,”怀利说,“我们是将现有的大语言模型与我们的产品连接起来,同时为其提供加速空间数据工作流所需的上下文信息。”

该智能体对Wherobots平台的多个组件进行协同调度。其Havasu空间数据与知识目录负责发现并准备公开地理数据集以及客户的私有信息。RasterFlow是Wherobots的无服务器地球智能与推理引擎,利用计算机视觉模型处理卫星和航空图像,识别建筑物、道路和土地利用变化等特征。

WherobotsDB使用300多种空间函数执行相应分析,而Wherobots Maps则负责将结果可视化。完成的管道可以设置为随着新数据的到来自动刷新。

怀利表示,该分布式处理平台利用现有的云存储和企业数据目录(包括Amazon Web Services Inc.的Glue和Databricks Unity Catalog),无需客户迁移其数据。

在一次演示中,他展示了Waldo如何利用地理和高程数据识别蒙大拿州西博尔德河(West Boulder River)周边的排水区域。该智能体定位了相关数据集,构建了该流域的地理表示,并将结果显示在地图上。

怀利表示,所生成的几何图形可支持后续对降雪、水流径流或环境变化情况的分析。Waldo还可以使用专门的机器学习模型处理卫星图像,其中包括Meta Platforms Inc.的Segment Anything Model 3。

潜在的商业应用包括识别偏离既定路线的配送车辆、评估天气相关的交通中断情况,以及根据广告牌位置和人员移动模式分析广告曝光量。

Wherobots表示,客户Action Engine Inc.正在利用该技术构建周期性的车队分析管道,并反馈称新的空间分析交付速度比人工处理方式快两到三倍。Wherobots市场拓展负责人本杰明·普鲁登(Benjamin Pruden)表示,另一位客户利用该平台的分布式计算架构,将一项大规模数据连接操作的耗时从约一周缩短至不到一小时。

高管们表示,Waldo并非旨在取代人工监督。用户可以检查生成的查询内容、审查地理可视化结果,并创建Jupyter notebook以检视各个处理步骤。怀利承认,该技术无法保证每一次提示都能得到准确结果。

“这是我们将持续投入的领域,”怀利说,“我们现在还无法说每一次提示输出的结果都是最佳质量。”

Waldo目前处于公开预览阶段,智能体Token目前已包含在Wherobots专业版中,无需额外付费。客户主要按所消耗的计算资源付费,并可通过相关控制选项来选择处理能力和监控费用支出。

SiliconANGLE