一开始起这个标题，我是拒绝的，怎么看都是在蹭AI的热度。一般人理解的AI是终结者这一类的机器人，所以就会很好奇，你一个GIS软件，怎么就和AI搭上边了，这不典型的凑不要脸吗？别急，我们接着往下看，首先需要解决的是，人工智能（AI）、机器学习（ML）、深度学习（DL）之间的关系。
一、人工智能、机器学习、深度学习之间的关系
人工智能历史咱就不重复了，毕竟不像刚兴起的时候，发展到现在大家都已经快对人工智能免疫了，谁都能扯上几句，具体的可以参考一些大牛对于人工智能的理解。
从我个人理解而言，人工智能是未来，是我们想要追求的未来，类似于终结者这样的机器人，而机器学习是实现人工智能的方法，深度学习又是机器学习中的一种方法。当然，也有人理解认为 人工智能=大数据+大规模计算+深度学习，各家之言，不分优劣。
二、ArcGIS中的人工智能
ArcGIS咱也不介绍了，知道的人肯定知道，不知道的人，可能一辈子也不会去接触这个软件。就从我的理解而言，说ArcGIS中包含人工智能也不无道理，毕竟ArcGIS软件中实打实的含有机器学习的算法，甚至可以集成第三方的深度学习框架，我们分开来说
2.1 ArcGIS中的机器学习
ArcGIS中的机器学习算法主要在新一代桌面产品ArcGIS Pro中，当然ArcMap中也有部分，但是按照公司的发展来看，后期如果有新技术需要更新，肯定会优先放在ArcGIS Pro中。ArcGIS Pro中的机器学习算法大致可以分为三类：分类、聚合以及预测
1.分类
分类工具，应用比较多的还是影像分类，功能上和ENVI里的影像分类工具比较类似，大致也可以分为监督分类和非监督分类。Pro中提供了4种分类器：最大似然、支持向量机、随机树以及ISO聚类。整个分类工具的使用，还是非常方便的，流程可以分为3个步骤
（1）根据 训练样本管理器 生成分类样本
（2）使用ArcGIS Pro提供的分类器（4种），得到分类器文件（.ecd格式）
（3）使用分类栅格工具，选择不同分类器得到的分类器文件（.ecd）格式，对整个影像进行分类。
2.聚类
聚类是基于值或者位置相似性的观测分组，ArcGIS中包含了K-均值、最近邻域等多种算法，可以根据一个或者多个属性、位置或者两者之间的组合查找集群。这些方法可用于无监督的分析，最新的基于密度的聚类，例如可以通过对交通事故进行聚类的方式，挖掘出交通事故高发区，再用标准椭圆差探索高发事故区的中心、离散程度和方向趋势。
3. 预测
个人理解这部分主要还是用的回归，插值其实也算一种预测，根据已有值来获取空白区的值。有一个经典的案例，预测哮喘病的分布范围，有兴趣的可以去看看，主要用的是基于森林的分类和回归。
2.2、ArcGIS中的深度学习
就目前来说，Pro中对于深度学习方面的应用，其实更多的还是样本制作，以及对第三方框架的支持。例如导出样本至深度学习框架，可以选择导出的类型有KITTI、PASCAL和VOC，都是主流深度学习框架支持的格式。
流程如下：
通过Pro制作样本，集成使用第三方的框架，也可以做一些很有趣的东西，比如我们同事利用MASK-RCNN，尝试以点云数据和人工建模的三维数据为样本，通过模型训练，自动进行三维屋顶的建模，可以说很智能了。
三、总结
总的来说，ArcGIS Pro目前对机器学习算法支持的还是很不错的，但是深度学习方面，还是要依赖于第三方框架，据说ENVI未来将直接封装深度学习框架，所以期待ArcGIS未来的发展。
路漫漫其修远兮，吾将上下而求索。
欢迎关注我的微信公众号：gis小僧
基本不更新