当AI生成地理信息，我们还能信任它吗？

地理信息行业一直以严谨著称：一个测量点背后有方法、精度声明、基准、日期和负责的专业人员。这种问责链条赋予了地理空间信息权威性，也是政府、工程师、律师和公众信赖它的原因。然而，人工智能正在改变这条链条的可见度。模型如今可以分类地物、解译影像和点云、填补不完整数据，并以野外团队无法企及的规模生成输出。许多输出看起来与实测数据一样精确，有些确实如此，但下游用户如何分辨差异，却成了更棘手的问题。 这正是GoGeomatics Expo 2026领导力小组讨论的主题：“我们能信任机器吗？测量、AI与‘权威性’的新含义”。讨论将于10月27日（周二）下午3:45在卡尔加里主舞台举行，由GoGeomatics Canada首席执行官Jonathan Murphy主持。

这个问题不仅关乎测量师，也关乎GIS专业人士、遥感与对地观测专家、数据管理员和工程师，以及依赖他们工作的政府、公用事业和企业地理空间团队。 地图、模型和数字孪生越来越多地混合了测量、观测、推断和机器生成的信息。一个GIS系统可能同时包含实地观测、权威基础数据、卫星和航空影像、LiDAR、从影像中自动提取的地物、模型预测的属性以及直接生成的内容。一旦这些来源共置于GIS或决策系统中，使用者可能无法分辨哪些元素是直接测量的，哪些是推断的。

这时，元数据、溯源、数据血缘以及明确的置信度和不确定性声明，开始变得与数据本身同等重要。这也引出一个大多数组织终将面对的实际问题：当测量数据、GIS数据库、影像、遥感和AI衍生输出不完全一致时，哪一个应成为记录系统，即人们实际依赖做出决策的版本？ 小组将深入探讨从业者已经遇到的问题，目标很务实：专业人士如何利用自动化，同时不丢失地理空间信息可信赖的根本特质。加拿大人依赖的许多地理空间信息都承载着真实后果。测量可以界定财产边界，高程可以设定洪水线，公用事业记录可以告诉施工队哪里可以安全挖掘。记录精度和问责的实践，是围绕人们测量并签署的信息发展起来的，如今这些实践正受到软件推断或生成部分结果的工作流的考验。 这个问题并不局限于地籍和测量数据。市政GIS支持规划和日常运营，资产管理系统决定哪些管道、道路和电线杆优先维护，应急响应、环境监测、基础设施规划以及土地和资源管理都依赖于从多种来源编译的图层，对地观测产品也越来越多地影响政策和运营决策。在每种情况下，人们都像对待权威数据一样对数据集采取行动，问题在于什么支撑了这种信任。

小组汇集了测量与计量、地理空间服务、企业技术和AI等领域的视角。小组成员将在确认后于直播节目中公布。该讨论位于周二议程的尾声，而整个周二的议程都反复围绕测量、数据和信任展开。欲了解完整技术细节和更多背景，请点击阅读原文。