GeoGPT：通过自主GPT理解并处理地理空间任务

GIS 中的决策者需要组合一系列空间算法与操作来解决地理空间任务。例如，在设施选址任务中，通常先使用 Buffer 工具定位靠近或远离某些特定实体的区域；然后使用 Intersect 或 Erase 工具筛选满足多重要求的候选区域。尽管专业人员能够通过对相关工具的顺次利用轻松理解并解决这些地理空间任务，非专业人员却难以应对。近来，生成式预训练 Transformer（如 ChatGPT）在语义理解与推理上展现出强劲性能。尤其，AutoGPT 可通过自动推理与调用外部定义工具进一步扩展大语言模型（LLM）的能力。受这些研究启发，我们试图通过将 LLM 固有的语义理解能力与 GIS 领域内成熟工具相集成，降低非专业用户解决地理空间任务的门槛。具体而言，我们开发了一个称为 GeoGPT 的新框架，其仅依托自然语言指令即可自主方式进行地理空间数据收集、处理与分析。换言之，GeoGPT 用于仅基于输入的自然语言描述理解非专业用户需求，进而思考、规划并执行所定义的 GIS 工具以输出最终有效结果。若干案例（包括地理空间数据爬取、空间查询、设施选址与制图）验证了框架的有效性。尽管本文仅呈现有限案例，GeoGPT 可通过配备更多 GIS 工具进一步扩展至各类任务，且我们认为 GeoGPT 所蕴含的“基础加专业”范式为大基础模型时代开发下一代 GIS 提供了有效途径。