V uplynulém období došlo k rychlému rozvoji geoprostorové umělé inteligence (GeoAI), a to především díky průlomovým úspěchům v oblasti hlubokého učení a strojového učení a využití velkých jazykových modelů (LLM).  Student se zaměří na současné trendy ve využití GeoAI v oblasti prostorových analýz. Práce bude mít následující strukturu:
1) Úvod do problematiky a stručné shrnutí historického vývoje.
2) Rešerše literatury a návrh vybraného komerčního a open source softwarového řešení k další analýze.
3) Analýzy metodických přístupů a modulů využívajících GeoAI ve vybraných SW řešeních.
4) Popis konkrétního příkladu využití GeoAI ve vybraných aplikačních oblastech.
5) Diskuze a závěrečné hodnocení.

Doporučená literatura:
KANG, Y., GAO S., ROTH R. E. (2024): Artificial intelligence studies in cartography: a review and synthesis of methods, applications, and ethics. Cartography and Geographic Information Science, 51, 2, 1–32. doi: 10.1080/15230406.2023.229594
 
WANG, S., HU, T., XIAO, H., LI, Y., ZHANG, C., NING, H., ZHU, R., LI, Z., YE, X. (2024):
GPT, large language models (LLMs) and generative artificial intelligence (GAI) models in geospatial science: a systematic review. International Journal of Digital Earth, 17, 1, 2353122. doi: 10.1080/17538947.2024.2353122
 
WANG, S., HUANG, X., LIU, P., ZHANG M., BILJECKI, F., HU, T., FU, X., LIU, L., LIU, X., WANG, R., HUANG, Y., YAN, J., JIANG, J., CHUKWU, M., NAGHEDI, S. R., HEMMATI, Y., SHAO, Y., JIA, N., XIAO, Z., TIAN, T., HU, X., YU, L., YAP, W., MACTULAD, E., CHEN, Z.,
CUI, Y., ITO, K., YE, M., FAN, Z., LEI, B., BAO, S. (2024): Mapping the landscape and roadmap of geospatial artificial intelligence (GeoAI) in quantitative human geography: An extensive systematic review. International Journal of Applied Earth Observation and Geoinformation, 128, 103734. doi: https://doi.org/10.1016/j.jag.2024.103734