Melyek a legkönnyebben járható utak egy erdőben? Mekkora az összes vízfelület egy-egy városunk belterületén? Hol okoz gondot a vizek túlzott algásodása? Milyen növényeket termesztenek bizonyos mezőgazdasági területeken?
Kérdések, amelyekre egytől-egyig a távérzékelés és a térinformatika bevetésével kaphatunk választ. A tudományterületet a mai napig kevesen ismerik annak ellenére, hogy egyre inkább felfutó ágban van, ráadásul a mesterséges intelligencia további távlatokat nyit a kapcsolódó módszerek alkalmazására. Dr. Zlinszky András és Radványi Mihály, a Ulyssys Kft. munkatársai lerántják a leplet erről a komplex, szerteágazó munkakörről.
ITmap: Mit takar a térinformatika, hogyan definiálható ezt a tudományterületet?
Zlinszky András: Utazzunk vissza az időben, egészen az 1990-es évekbe! Ekkoriban a térinformatikai kutatás a kutatóintézetek, illetve a katonaság sajátja volt, ezt követően terjedt el egyéb területeken is, mint az államigazgatás, vagy az üzleti szféra. A térinformatikát nem is annyira egyszerű definiálni, nagyvonalakban megfogalmazva segítségével térben és időben vizsgálunk különböző összefüggéseket: földrajzi helyhez köthető adatokat gyűjtünk, tárolunk, kezelünk, elemzünk, amely által különböző információkat jelenítünk meg. A térinformatika több területet átfogó tudást összesít: többek között fejlesztést, matematikát, geometriát, térképészetet. Két nagy ágát különböztetjük meg: a vektoros irányvonal a koordinátageometria segítségével pontokban meghatározott alakzatok közötti vizsgálatokat takarja, míg a raszteres irány alatt egyenközű térbeli rácsban végzett műveleteket, elsősorban képfeldolgozást értünk. A Ulyssys-nél a térinformatikai csoportban különböző hátérrel rendelkező kutatók és fejlesztők egyaránt dolgoznak, egy-egy folyamat elején a kutatók vannak, a fejlesztők pedig az általuk elkészített specifikációt valósítják meg és hoznak létre szoftver alkalmazásokat.ITmap: Hogyan kell mindezt a gyakorlatban elképzelni?
Zlinszky András: Egy-egy probléma megválaszolására nagyon sok lehetséges módszer áll rendelkezésünkre, amelyek közül el kell tudunk dönteni, hogy éppen melyiket használjuk. Nagyon gyorsan jelennek meg az újabb algoritmusok, de sokszor előfordul, hogy adott témakörben nem érhető el publikált megoldás, vagyis saját magunknak kell kifejleszteni a leghatékonyabb eljárásokat. A state-of-the-art megismerése így nagyon fontos része a munkánknak, emellett nagyon inspiratív az alapoktól kidolgozni valamit, ami aztán hozza az elvárt eredményeket. Ebben a folyamatban térinformatikai kutatóként szorosan együttműködünk a (térinformatikai) fejlesztőkkel, együtt határozzuk meg, mire van szükség, specifikáljuk a követelményeket, megnézzük azt, hogy különböző beállítások hova vezetnek, melyik beállítás adja azt, amire szükségünk van. A bevezetőben már említett Sentinel Hub „Custom Script Contest” versenyen azzal nyertünk díjat, hogy nem álltunk meg ott, hogy elkészítettünk egy vízminőség térképet, hanem egy dinamikus, valós időben frissülő, de bárki számára hozzáférhető nyílt rendszert építettünk ki – mindössze néhány sor kóddal. Radványi Mihály: Egy példával élve: a mezőgazdasági területek (automatikus) osztályozását követően meg tudjuk keresni azt, hogy egy adott területen milyen növényt termesztenek. Kiindulásként műholdfelvételek és az egyes parcellák körvonalai állnak rendelkezésünkre. Ezen körvonalakon belül kinyerjük az adatokat, időrendi sorrendbe rendezzük és adatbázisba töltjük őket, majd mintázatokat keresünk többdimenziós tulajdonságterekben. Végeredményként azt kapja meg a megrendelőnk, hogy melyik gazda milyen növényt termeszt a megadott területeken. A folyamatban mesterséges intelligenciát (MI) is bevetünk, ami lényegében eliminálja azt a faktort, hogy éppen térinformatikai vagy egyéb problémáról van szó, hiszen miután előálltak a megfelelő adathalmazok és az elvárt kimenetek, egy klasszikus gépi tanulási folyamattal állunk szemben a kiinduló kérdésterülettől függetlenül. Különböző mélytanulásos módszereket alkalmazunk, amikkel a lehető leghatékonyabb módját találjuk meg az információ áramlásának. Az MI a rendkívüli általánosító képességével segíti a térinformatikai problémák megválaszolását.
ITmap: Milyen háttérrel kerültetek térinformatikai területre?
Zlinszky András: Messziről indultam, hiszem természetvédelmi biológus-kutatóként végeztem, tehát tanultam például sejtélettant, anatómiát, növényi ökológiát, illetve, bár csak érintőlegesen, de megismerkedtem a műholdképek sajátosságaival is. Szakdolgozatom témája, egy Balatonhoz kötődő kutatás kapcsán áthallgattam az ELTE térképészet szakára, végül a BME-n elvégeztem a térinformatika szakmérnöki képzést is, PhD tanulmányaim során pedig többek között távérzékeléssel foglalkoztam. Néhány éve kezdtem el azt érezni, hogy a pályázati – publikációs világ nehezebben összeegyeztethető a magánéletemmel, így elkezdtem szakértőként dolgozni immáron ipari területen. Ennek kapcsán ismerkedtem meg a Ulyssys-szel is, egy projektjük keretében ízelítőt kaptam abból, hogy sokkal élettel telibb, gyakorlatiasabb ez a szféra, mint az akadémiai kutatás világa. Jelenleg elsősorban mezőgazdasági monitoringgal foglalkozom a cég berkein belül. Radványi Mihály: A Pázmány Péter Katolikus Egyetem mérnök-informatikus szakán végeztem, bionika, robotika és neutrális hálózatok szakirányokon, ezt követően az egyetemen maradtam, a PhD képzést is elkezdtem, amelynek keretében képfeldolgozással, gépi látással, mesterséges intelligenciával foglalkoztam. A Ulyssys-szel először műholdképek elemzéséről egyeztettünk, végül a mesterséges intelligencia irányába indult el az együttműködésünk. Mindennapi munkám során ezen két tudományterület közös metszetén dolgozom.ITmap: Hogy néz ki egy térinformatikus kutató tipikus napja?
Zlinszky András: Egy átlagos munkanapom a Twitteren kezdődik, ahol végignézem az általam követett kutatók (köztük korábbi munkatársaim), illetve távérzékeléssel, mezőgazdasági informatikával foglalkozó csoportok bejegyzéseit. Ebből általában felbukkan legalább egy cikk, amelyet érdemes azonnal elolvasni, ami meg is adja a következő elfoglaltságot. Az egyik legmeglepőbb számomra, hogy mostani munkakörömben sokkal több időm van olvasni, mint amikor az akadémikus szférában voltam kutató. Munkaidőm meghatározó részét töltöm információgyűjtéssel, szakirodalom olvasással, az aktuális projekthez kötődő adatok, eredmények vizsgálatával. Ez utóbbi azon tevékenységek közé tartozik, amelyet különösen szívesen végzek. Az ügyfelekkel való egyeztetés szintén kulcsfontosságú részét képezi feladataimnak, onnantól kezdve, hogy egy újonnan felmerülő kérdést kezdünk el feldolgozni, egészen odáig, hogy együtt vizsgáljuk meg a már elkészített térképet, elemezzük, hogy megfelelő-e, amit látnak, átgondoljuk, hogy milyen paramétereken és hogyan kell változtatni ahhoz, hogy a megfelelő részletezettségű és számukra értékkel bíró információkat kapják. Az irodába visszatérve feldolgozom a megbeszéléseken felmerülteket, utánaolvasok a kérdéseknek. Sokszor előkerül az A/3-as papír és a színes ceruza is, főleg, ha geometriai feladattal állok szemben, hiszen így tudom a leghatékonyabban átláthatóvá tenni azt, hogy különböző tényezőket és beállításokat figyelembe véve mi fog történni. Mindebből előbb-utóbb összeáll egy specifikáció, amelyet a fejlesztőkkel egyeztetek, illetve azt közösen átbeszéljük, értelmezzük. Radványi Mihály: Bár Andrással ugyanaz a munkakörünk - mindketten térinformatikai kutatók vagyunk - mégis más a tevékenységünk, illetve feladatunk fókusza. Én sokkal kevesebbet foglalkozom ügyfélkapcsolattal, nálam a mélytanuló eljárások fejlesztése (mesterséges intelligencia) van a középpontban. Ehhez kapcsolódóan tanító adatokat állítok elő, kidolgozom a megfelelő eljárásokat, modelleket, és általában a kiértékelés, adatelemzés szintjén adom vissza a stafétát Andrásnak. Projektfüggő, hogy hányan dolgozunk egy a folyamaton, de van, hogy ez az elejétől a végéig az én feladatom a teljes módszertan kidolgozása. Esetemben így a tipikus munkanap kevésbé meghatározható, nagyban függ az éppen futó projektektől, hiszen ezek határozzák meg azt is, hogy mennyi időm van publikációkat olvasni, és hogy milyen mértékben van a fejlesztésen- programozáson a hangsúly.ITmap: Milyen szakmai ismeretek szükségesek ahhoz, hogy valaki térinformatikussá válhasson?
Zlinszky András: Bizonyos szintű földrajzi tudás, illetve érdeklődés elengedhetetlen, nem árt, ha valaki tisztában van a vetületi koordinátarendszerrel, azzal, hogy egy táj elemei hogyan épülnek fel. A térinformatikai szoftverek ismerete szintén fontos, de ezekbe nagyon könnyű beletanulni. A terület sokrétűsége miatt több irányból meg lehet közelíteni a szakmai ismeretek kérdését: képfeldolgozás, adatbázisok, mesterséges intelligencia, adatelemzés. Általánosságban azonban igaz, hogy programozási alapismeretek mindenképpen szükségesek, nagyon gyakran előkerül a Python, ezen kívül az R, illetve jellemzően a Java nyelvet használjuk a Ulyssys-nél. Radványi Mihály: Ha valaki már foglalkozott programozással, akkor megvannak azok az eszközök, amelyek átvezetnek a térinformatika világába, ilyenek például a térképek közötti átalakítások kezelésére szolgáló megoldások. Mesterséges intelligencia vonalon az András által is említett Python ismerete még tovább erősödik, mivel a modellek többnyire ezen a nyelven íródtak. Az adatbázisok kapcsán az SQL nyelv magas szintű ismerete fontos, ezen kívül a különböző mesterséges intelligencia platformok (például TensorFlow) használata is mindennapi munkánk részét képezi. Attól függően, hogy a térinformatika melyik részébe ássuk bele magunkat, más-más területek mélyebb ismerete kerül előtérbe: példaként a térinformatikai fejlesztőknél a programozási ismeretek, az adatbázisfejlesztőknek az adatbázisokhoz kapcsolódó tudás a domináns.