AIがGISを代替する日：〜すべてをAIが創る時代に、私たちがFOSS4Gに関わる意味〜

生成AIは、地理空間データの探索やGIS操作を自然言語でつなぎ、FOSS4Gへの参加と活用の裾野を広げつつある。一方、生成AIが自律的にそれらFOSS4GやGeoAIモデルを取り込み、学習し、地理空間の理解・推論の高度化によって地理空間的な機能やサービスが集約されてしまう可能性も考えられる。

　本発表では、生成AI（LLMとマルチモーダルモデル）を用いた地理空間的機能を試行した経験をもとに、モデル自身の能力と外部ツールの利用を整理し、AIが地理空間処理を一体的に担う可能性を展望する。そのうえで、生成AIサービスによる処理の集約と自動化が進む時代に、ツールやデータを選ぶ「使う自由」、手順を理解・変更・共有する「創る自由」、処理を追跡して結果を再現する「確かめる自由」をどう維持するかを問い、FOSS4Gコミュニティが担う役割を考察する。

Transcript

1. AIがGISを代替する日 すべてをAIが創る時代に、私たちがFOSS4Gに関わる意味 2026年11月1日 株式会社オービタルネット 代表取締役CEO 小林裕治 第35回地理情報システム学会シンポジウム「AI時代のFOSS4G」
2. 商 号 株式会社オービタルネット 設 立 2018年4月2日 資本金 53,000,000円 代表者 代表取締役 CEO 小林 裕治 所在地 〒460-0011 名古屋市中区大須4丁目13番46号
3. FOSS4G×AIに関する様々な研究開発を実施 CV-AE-SAR 衛星SARの振幅・位相情報をAIで学習し、平常時との違いから街区や大型構造物の 変化候補を抽出。災害後などに優先して確認すべきエリアをGIS上で可視化する技 術を研究開発しています。
4. DINO-EdgeQuery for GIS Ready 衛星画像から建物エッジをニューラルネットワークで直接予測し、決定論的幾何処理で建物ポリゴンを出力
5. SpatialArrow PyTorch DataLoader for AI Ready 地理空間情報をAIで正しく学習するためのデータローダー 地理空間データの原本 SpatialArrow GeoAIモデルへ 画像の参照先・地物形状・ID 座標系と、読み出す範囲 必要な範囲・サイズを選ぶ 画像と教師を同じ座標へ変換 画像テンソル ＋ 教師データ ＋ 元データへの変換記録 COG／GeoTIFF・GeoParquet PyTorch DataLoader モデル別アダプターで受け渡す ★ 実装例｜屋根上PVを含むビューの生成 固定画像の境界をまたぐPV 地物全体が収まる実行時ビュー 変えるのは入力条件 原本は共通のまま 地物IDと変換記録で 元データとの対応を保つ モデルを変えても、データの蓄積と追跡可能性を活かす 株式会社オービタルネット｜本学会口頭発表の研究開発紹介 背景空中写真：©NTTインフラネット
6. Sat2LOD for DigitalTwin １枚の衛星画像からAIを複合的に活用して、3次元屋根形状を推論生成 衛星画像 → 超解像 背景地図、標高：地理院タイル 建物セグメンテーション 単眼深度推定 3次元建物モデル（LOD2相当） Navaraを用いた日射量動的シミュレーション
7. foss4gを活用してGeoAIを創る立場から、 AI時代のfoss4gを考える AIがGISを代替えするとき、私たちの役割はどう変わるのか？ 当社の取り組み（foss4g×AI） ここから考える4つの論点 ★DINO-EdgeQuery 01 生成AIの光と影 02 GIS代替の実証とGeoAIの統合 03 ブラックボックス化と品質 04 3つの自由とコミュニティ 画像から建物ポリゴンへ ★ SpatialArrow 地理空間データをAI入力へ ★ Sat2LOD 衛星画像から3次元モデルへ GeoAIを創り、GISへつなぐ 参加と活用の拡大、サービスへの集約 ツール連携から、モデル自身の空間理解へ 処理の根拠と追跡可能性をどう残すか 使う・創る・確かめる自由を支える
8. 第1章｜プロローグと問い 自然言語ですべてが動く「光」と、生成AIに集約される「影」 光｜誰もが作り、使える 影｜巨大生成AIサービスへの集約 生成ＡＩを活用 相互利用の関係 データを探す・コードを作る・GISを動かす 自然言語の指示 コード生成 GIS処理の実行 Foss4gを吸収、学習、包括 データ モデル 生成AI サービス ツール ツールを作る支援から、 GIS操作そのものの自動化へ。 何を選び、どう処理したかが サービスの外から見えなくなる懸念。
9. 第1章｜プロローグと問い FOSS4Gは「育てる」から「使い捨て」へ？ コミュニティで育てる開発 個人で使い捨ての開発 共有基盤を使う プロンプトで指示 不具合を直す AIがコードを生成 コード・知見を還元 必要な処理に使う 次の利用者へつなぐ 不要なら破棄・再生成 共有基盤と保守の知見が蓄積する コードが増えても、共有基盤は育つか？ foss4gの乱立
10. 第1章｜GISの代替が起こる仕組み コード生成からGISの不可視化・代替えへ 人が行う操作や処理の組み立てをAIが担うこと Phase 1 Phase 2 Phase 3 コード生成支援 自律実行の統合 GISの不可視化・代替え 人間がAIに指示 AIがコードを生成 ユーザーは自然言語で指示 AIがコードを生成 実行ツールを呼び出す コード・GIS操作は背後へ 人間が読んで手動実行 実行環境で処理する 処理結果を受け取る 実行の主体は人間 Python実行：Code Interpreter等 外部ツール接続：MCP コードを読まず、GISを開かない AIがコードを書く段階から、GIS操作を引き受ける段階へ MCPはツールを呼び出す接続。コードを実行するのは接続先の環境。
11. 第2章｜実証：AIはGIS処理をどこまで代替できるか？ Level 1｜まず、空間演算の操作を代替えする ① ベクタ演算 2時期の建物ポリゴンの空間差分 ② 複合パイプライン ③ 3D生成 差分面積が元ポリゴンの50%以上の対象 Python／GeoPandasコードを自律生成し、その場で実行
12. 第2章｜実証：AIはGIS処理をどこまで代替できるか？ Level 2｜GIS処理にGeoAIモデルを組み合わせる ① ベクタ演算 ② 複合パイプライン ③ 3D生成 オルソ画像を入力 超解像 セグメンテーション ポリゴン生成 地理院タイルを超解像 屋根上PVポリゴンの出力例 FlatGeobuf出力 Pythonコードを生成・実行し、モデル推論とGIS処理を連結 出力例。PVの誤検出・見逃しの定量評価は含まない。
13. 第2章｜実証：AIはGIS処理をどこまで代替できるか？ Level 3｜3D空間データの生成と可視化まで担う ① ベクタ演算 GeospaceCDS画像 Pythonで処理 ② 複合パイプライン Depth Anything v2 small 3D OBJ出力 生成された3D形状 推定された深度画像 ③ 3D生成 Viewer生成 テクスチャ付きViewer GISソフトウェアを立ち上げず、 データ入力から3D可視化までが自然言語の対話で完結
14. 第2章｜実証：AIはGIS処理をどこまで代替できるか？ 地理空間の理解・推論に利用するGeoAIコア・モデルの概念図 生成AIのマルチモーダルモデルは、空間解析能力、GeoAIコア・モデルを扱うことができるfoss4gや、 オープンソースの深層学習モデルを内包しつつある。
15. 第2章｜実態の整理 ChatGPT上で完結する処理の実体 生成AIは、すでにFOSS4Gのツールを実行基盤に内包し、GIS操作を代替している。 さらに、マルチモーダルモデル自身の空間理解・推論が高度化すると、 GeoAIのどこまでを一体的に担うようになるのか。 自然言語の指示 AIがコードを生成・実行・修正し、処理を連結する モデル自身の重みを使う 指示の解釈・コード生成 裏の実行環境で動かす Python・GeoPandas等 GeoAIモデル・GISライブラリ 両者を組み合わせたハイブリッド実行 コード生成・自律実行が、デスクトップGISの操作を置き換える
16. 第3章｜危機：隠蔽されるプロセス 自然言語で複数のGeoAIモデルとGISを統合制御する概念図 ChatGPTなどのLLMが、人が行う操作や処理の組み立てを担う
17. 第3章｜危機：確かめられない品質 幾何エンジンは決定論的であっても、 それを操作する頭脳（LLM）が確率論的である以上、 「なぜそのアルゴリズムを選んだのか」 「なぜその閾値にしたのか」 は常に確率的なブレや誤判断（ハルシネーション）の余地が残る
18. 第3章｜危機：隠蔽されるプロセス 処理を追える構造を、人の手元に残せるか オープンな連携＋実行記録 内部が開示されないサービス Control Plane｜処理の選択と実行指示 人の指示 LLM エージェント MCP ツール呼び出し GeoAI／GIS 推論・演算 GeoParquet等 出力データ Data Plane｜データ STAC データ探索 入力ID・モデル／版・パラメータ・コード・出力を記録 どのデータ？ どのモデル？ どのパラメータ？ 記録も公開もなければ、 処理を追跡・再現できない 標準でつなぐだけでは足りない。記録を残し、制御できるか。
19. 第3章｜危機：確かめられない品質 見た目の品質が高くても、処理の根拠を追えるか 地理空間情報の品質に加えて、AIの処理を確かめられることが必要 f Q recognition , Q geometry , Q topology , Q geolocation , Q traceability ) Q GeoAI ＝ （ AI 認識 Geo 形状 Geo 位相 Geo 位置 追跡可能性 どのデータ・どのモデル・どのパラメータで処理したのか？ GeoAI for Q DigitalTwin f Q recognition , Q geometry , Q freshness , Q synchronizasion , Q traceability , Q actionability ) ＝（ 美しく生成された3D都市モデルは、 本当に現実の空間を正しく写しているのか？ 使用目的への活用可能性 追跡可能性を、結果を信頼して使うための必要条件とする。
20. 第4章｜提言：私たちがFOSS4Gに関わる意味 AI時代の「3つの自由」を再定義する 自由 AI時代に守る条件 人ができること 使う自由 AIが提示した選択に 縛られない 別のデータ・モデルへ選び直し、 処理の実行に介入する 創る自由 パイプラインを ブラックボックスにしない 手順を理解し、パラメータを変え、 他者と共有する 確かめる自由 生成された出力を 鵜呑みにしない 入力・推論・演算の記録と結果を 客観的に監査・検証する AIが作った処理にも、人が選び直し、変更し、確かめられる余地を残す 11
21. 第4章｜提言：コミュニティの具体アクション 3つの自由を、コミュニティの活動で支える 使う自由を支える 確かめる自由を支える 創る自由を支える ① オープン標準の牽引 ② 監査ツールの開発 ③ 空間リテラシーの高度化 STAC：データ記述 GeoParquet：データ形式 MCP：ツール接続 仕様と実装を開き、 別のデータやモデルへ 選び直せる構成を共有する。 入力・使用モデル・設定・ 実行コード・出力を記録する。 AIが提案した手順の 妥当性を問い直す。 位置・形状・位相・誤検出を 検証する道具を作る。 使い方と検証の知見を共有し、 操作者から 空間的思考の評価者へ。 共有する対象を、コードから「処理の根拠」まで広げる 12
22. 第4章｜結論 AIがGISを代替しても、出力結果を確かめる責任はなくならない 生成AIの実態 隠蔽されるプロセス 提言 空間演算から 3D可視化までを 自然言語で一体化 結果が整って見えても 処理の根拠が 見えなくなる 使う・創る・確かめる 3つの自由を 処理の条件にする コードの実装者から、透明性と再現性の担保者へ 私たちがFOSS4Gに関わる意味を、ここから考えたい。
23. ご清聴ありがとうございました！