GEOAI | DESARROLLADORES
Amplía las capacidades de las aplicaciones personalizadas con habilidades de IA
Por Aawaj Joshi y Linda Beale
Si buscas optimizar tus aplicaciones personalizadas con IA para habilitar funciones como reconocimiento de voz, comprensión y generación de texto con un enfoque similar al humano, y procesamiento de imágenes para mejorar la experiencia del usuario y acelerar la toma de decisiones, estás de suerte. Podrás lograr precisamente eso y mucho más con el sólido conjunto de habilidades de IA que Esri está desarrollando en su marco de IA Geoespacial, así como con tus propias habilidades personalizadas que puedes implementar en él.
En la sesión plenaria de la Cumbre de desarrolladores y tecnología de este año, Linda Beale ofrece una visión de lo que se puede lograr con habilidades de IA personalizadas y prediseñadas en aplicaciones creadas en el marco de IA geoespacial.
Para su demostración, Linda utiliza una aplicación personalizada impulsada por el marco de inteligencia artificial geoespacial para identificar amenazas en la cadena de suministro de fabricación de un fabricante de automóviles en Alemania.
Linda utiliza una aplicación personalizada creada en el marco de inteligencia artificial geoespacial.
Encuentra una fábrica cerca de Berlín y una tienda cerca de Palm Springs.
Comienza su demostración pidiendo a la aplicación, en lenguaje natural, que localice la fábrica del fabricante cerca de Berlín y una tienda cerca de Palm Springs. La aplicación aprovecha los servicios integrales de localización de ArcGIS Location Platform para encontrar las instalaciones en segundos.
La aplicación encuentra la fábrica del fabricante cerca de Berlín y una tienda cerca de Palm Springs.
Muestra la ruta con la menor huella de carbono.
A continuación, le pide a la aplicación que encuentre la ruta de transporte entre la fábrica y la tienda con la menor huella de carbono. La aplicación utiliza una habilidad de IA personalizada que implementó en el marco de IA Geoespacial para identificar la ruta. Esta habilidad aprovecha un servicio de enrutamiento multimodal para determinar la ruta más eficiente en carbono mediante la integración de múltiples modos de transporte y el uso de las emisiones de carbono como factor de costo, en lugar del tiempo.
La aplicación determina la ruta más eficiente en carbono entre la fábrica y la tienda.
¿Quién suministra piezas a esta fábrica?
El primer paso para identificar amenazas en la cadena de suministro de manufactura es encontrar proveedores que suministren piezas a la fábrica de Berlín. Cuando Linda solicita a la aplicación que encuentre a los proveedores, esta utiliza una habilidad de IA en el marco de IA Geoespacial para crear una consulta de OpenCypher y llamar a un servicio de gráficos de conocimiento para descubrir proveedores asociados con la fábrica.
La aplicación encuentra los proveedores de la fábrica.
Mostrar el riesgo en la cadena de suministro.
Finalmente, le pide a la aplicación que identifique a los proveedores que representan un riesgo para la cadena de suministro de fabricación. La aplicación utiliza una función de IA para localizarlos y destacarlos en el mapa e informarle sobre los riesgos que representan.
La aplicación descubre amenazas en la cadena de suministro.
En la segunda mitad de su demostración, Linda muestra algunas partes clave del código de la aplicación. El archivo de configuración base proporciona todas las configuraciones, ajustes y parámetros que necesita el framework. Por ejemplo, incluye una colección de modelos de lenguaje, un almacén de conversaciones para almacenar y usar conversaciones como parte de la API de chat, y mucho más.
El archivo de configuración base de la aplicación que define su configuración.
El archivo JSON de manifiesto de la habilidad de IA personalizada define su ID único y el archivo Python que sirve como punto de entrada para las solicitudes realizadas a la habilidad. El archivo de manifiesto es lo que introduce la habilidad en el marco de IA Geoespacial.
El archivo JSON de manifiesto que introduce la habilidad de IA personalizada en el marco de IA geoespacial.
La habilidad de IA personalizada emplea un marco de múltiples agentes: un director maneja las rutas basadas en intenciones, los gerentes y especialistas se asignan a categorías específicas y los trabajadores ejecutan funciones individuales.
La habilidad de IA personalizada emplea un marco de múltiples agentes.
Utilizando habilidades de IA personalizadas y prediseñadas, Linda demostró cómo una aplicación personalizada se puede enriquecer con IA para simplificar la experiencia del usuario y mejorar su potencia y capacidades.
¿Te entusiasma usar habilidades de IA en tus aplicaciones personalizadas? Mantente al tanto para más información y comunicaciones sobre este proyecto en curso.
Aawaj Joshi
Aawaj es ingeniero de productos en el equipo de ArcGIS Enterprise.
Linda Beale
La Dra. Linda Beale es la Jefa de Grupo de Análisis de Ubicación en Esri y está interesada en compartir el valor del análisis espacial con un público que abarca desde quienes se inician en la disciplina hasta quienes buscan enfoques y técnicas innovadores. Geógrafa de formación, Linda obtuvo su doctorado en SIG, estadística y modelado, y dirigió el grupo de salud geoespacial en la Unidad de Estadísticas de Salud de Áreas Pequeñas del Imperial College de Londres. Linda cuenta con una amplia experiencia en el campo de la epidemiología espacial y ha colaborado estrechamente con los Departamentos de Salud, la Organización Mundial de la Salud y los Centros para el Control y la Prevención de Enfermedades. Desarrolló el galardonado programa Rapid Inquiry Facility para el modelado de enfermedades crónicas y fue coautora del emblemático Atlas de Medio Ambiente y Salud para Inglaterra y Gales. Linda es la autora del primer MOOC de Esri, Going Places with Spatial Analysis, y ha publicado numerosos artículos revisados por pares y capítulos de libros, y ha sido invitada a impartir conferencias magistrales, presentaciones e talleres en congresos nacionales e internacionales. Linda ha trabajado en Esri desde 2011, donde su experiencia ayuda a dar forma al análisis de ubicación para brindar a la comunidad herramientas mejores y más poderosas, y donde ayuda a enseñar las mejores prácticas y a compartir conocimientos para desarrollar la comprensión en toda la comunidad.
