Бондаренко, Едуард ЛеонідовичЕдуард ЛеонідовичБондаренко0000-0002-9960-9793Дудун, Тетяна ВолодимирівнаТетяна ВолодимирівнаДудун0000-0001-5534-0211Яценко, Ольга ЮріївнаОльга ЮріївнаЯценко2026-03-102026-03-102025-12-31Бондаренко, Е., Дудун, Т., & Яценко О. (2025). Напрями застосування засобів штучного інтелекту для збору та обробки геопросторових даних в сучасних українських реаліях. Вісник Київського національного університету імені Тараса Шевченка, серія Географія, (3-4 (94-95), 57-66. http://doi.org/10.17721/1728-2721.2025.94.6УДК 528:004.8(477)10.17721/1728-2721.2025.94.6https://ir.library.knu.ua/handle/15071834/12295Bondarenko, E., & Dudun, T. (2025). The Application of Artificial Intelligence Systems in the Training of Cartography and Geoinformatics Specialists in Ukraine. Information Technologies and Learning Tools, 106(2), 192–210. [in Ukrainian].[ Бондаренко, Е., & Дудун, Т. (2025). Застосування систем штучного інтелекту у підготовці фахівців з картографії та геоінформатики в Україні. Інформаційні технології і засоби навчання, 106(2), 192–210.] https://doi.org/10.33407/itlt.v106i2.6008 Dudinova, O. B., Udovenko, S. G., & Chala, L. E. (2020). Intellectual processing of spatial data in the GIS of landscape-ecological monitoring. Bionics of intelligence, 2(95), 43–50. [in Ukrainian].[ Дудінова, О. Б., Удовенко, С. Г., & Чала, Л. Е. (2020). Інтелектуальна обробка просторових даних у ГІС ландшафтно-екологічного моніторингу. Біоніка інтелекту, 2(95), 43–50] https://doi.org/10.30837/bi.2020.2(95).06 Jocea, A. F. (2024). Impact of Artificial Intelligence in the Geospatial Field: from Geospatial Data to Intelligent Decision Making. Journal of Military Technology, 7 (2), 19–24. https://doi.org/10.32754/JMT.2024.2.03 Hochmair, H. H., Juhász, L., & Li, H. (2025). Advancing AI-Driven Geospatial Analysis and Data Generation: Methods, Applications and Future Directions. ISPRS International Journal of Geo-Information, 14(2), 56. https://doi.org/10.3390/ijgi14020056 Mai, G., Xie, Y., Jia, X., Lao, N., Rao, J., Zhu, Q., Liu, Z., Chiang, Y., & Jiao, J. (2025). Towards the next generation of Geospatial Artificial Intelligence. International Journal of Applied Earth Observation and Geoinformation, 136, 1–20. https://doi.org/10.1016/j.jag.2025.104368 Malanchuk, M., Muzyka, N., Kravchuk, M. & Luk’yanchenko, Y. (2024). Prospects for the use of artificial intelligence in cadastral and land management processes. Ukrainian Journal of Applied Economics and Technology, 4. 282–287. [in Ukrainian] [Маланчук, М., Музика, Н., Кравчук, М., & Лук’янченко, Ю. (2024). Перспективи використання штучного інтелекту в кадастрових та землевпорядних процесах. Український журнал прикладної економіки та техніки, 4, 282–287.] https://doi.org/10.36887/2415-8453-2024-4-42 Pylypenko, I. O. (2024). Artificial Intelligence Methods for Geographic Data Analysis: Qualifying Thesis for the Degree of Master of Science. KhSU. [in Ukrainian].[ Пилипенко, І. О. (2024). Методи штучного інтелекту для аналізу географічних даних: кваліфікаційна робота на здобуття ступеня вищої освіти "Магістр". ХДУ.] https://ekhsuir.kspu.edu/handle/123456789/20342 Replacing 50,000 man-hours with AI. (2020, 18 November). Esri Australia. https://esriaustralia.com.au/blog/replacing-50000-man-hours-ai Srivastava, N., & Saxena, N. (2023). Applications of Artificial Intelligence and Machine Learning in Geospatial Data. Emerging Trends, Techniques, and Applications in Geospatial Data Science (pp. 196–219). https://doi.org/10.4018/978-1-6684-7319-1.ch010 The Transformative Power of AI in Data Analytics. (2025, May 1). Сolobridge. [in Ukrainian].[ Трансформаційна сила ШІ в аналітиці даних. (2025, 1 травня). Сolobridge.] https://blog.colobridge.net/uk/2025/05/ai-data-analytics-evolution-ua/ Trisnyuk, V. M., & Marushchak, V. M. (2024). Information technologies for visualization and data processing in the field of geospatial intelligence. Telecommunications and Information Technologies, 4(85), 113–118. [in Ukrainian].[ Триснюк, В. М., & Марущак, В. М. (2024). Інформаційні технології для візуалізації та обробки даних у сфері геопросторової розвідки. Телекомунікаційні та інформаційні технології, 4(85), 113–118.] https://doi.org/10.31673/2412-4338.2024.044726Background. At the current stage of scientific and technological progress, amid general digitalization and a significant increase in geospatial data volumes, it has become essential to implement novel approaches for their collection, processing, analysis, and interpretation. In recent years, modern tools, software, and technological solutions have been increasingly employed for these purposes, with artificial intelligence (AI) playing a central role. In the context of geospatial data collection and processing, AI, referred to as GeoAI, can optimize the automation of routine processes, enhance the accuracy of results, and enable the detection of hidden patterns within large datasets. Methods. The methodological foundation of this study is based on the synergy between geosciences and tools that automate the collection and processing of geospatial data by simulating human cognitive processes to accomplish the assigned tasks. To achieve the study’s objectives, the following methods were employed: systematic approach; analysis and synthesis; abstraction and concretization; induction and deduction; scientific experimentation; evaluation; scientific classification; and geoinformatics methods. Results. The study identified that at the current stage of AI development, three groups of software products enable the intellectualization of task execution: specialized software with functionalities for automating various processes; generative AI tools that create diverse types of information resources; and agent-based AI tools, representing a new phase in the evolution of intelligent products. Together, these groups enhance the capabilities of geospatial data collection and processing, leveraging machine learning tools embedded within these software groups. Practical examples of GeoAI in geospatial data collection and processing are presented, particularly in the development of digital terrain models using methods such as laser scanning and aerial imagery processing. A comparison of applied machine learning techniques, including k-means clustering and ISODATA, is also provided. The effectiveness of AI tools is assessed according to key criteria: speed and increased automation; accuracy and quality of geospatial data; and cost-effectiveness. Conclusions. This study outlines directions for the application of AI tools in geospatial data collection and processing in modern Ukraine. These include the identification of necessary software product groups with intelligent functionalities, key algorithms and AI methods, main advantages, challenges, and opportunities for further enhancement of these tools. The results highlight the potential of GeoAI to significantly improve the efficiency, accuracy, and strategic value of geospatial data operations.Вступ. На сучасному етапі розвитку науково-технічного прогресу, загальної цифровізації та значного зростання обсягів геопросторових даних необхідно забезпечити реалізацію нових підходів до їхнього збору, обробки, аналізу та інтерпретації. Для цього дуже активно в останні декілька років застосовуються сучасні інструменти, програмні та технологічні рішення, серед яких на особливому місці знаходяться засоби штучного інтелекту (ШІ). ШІ для процесів збору та обробки геопросторових даних, що називається геоШІ, здатен оптимізувати автоматизацію рутинних процесів, підвищити точність результатів, забезпечити виявлення прихованих закономірностей у великих масивах інформації. Методи. Методологічною основою цього дослідження є синергія геонаук з інструментарієм автоматизації збору та обробки геопросторових даних, які імітують людську розумову діяльність для розв’язування поставлених завдань. Для досягнення мети під час виконання відповідних завдань застосовано: системний підхід; методи: аналіз і синтез, абстрагування та конкретизація, індукція та дедукція, наукового експерименту, оцінювальний, наукової класифікації; геоінформаційний. Результати. Встановлено, що на сучасному етапі розвитку штучного інтелекту три групи програмних продуктів (спеціалізоване програмне забезпечення з функціоналом автоматизації різних процесів; засоби генеративного ШІ, який створює різноманітні види інформаційних ресурсів; інструменти агентського ШІ, що є початком нового етапу в еволюції інтелектуальних продуктів) здійснюють інтелектуалізацію виконання поставлених завдань. Вплив ШІ на технології збору та обробки геопросторових даних визначається розширеними можливостями для цих цілей та надається різними засобами машинного навчання стосовно виділених трьох груп програмного забезпечення. Приведено приклади практичного використання геоШІ для збору і обробки геопросторових даних у процесі розроблення елементів цифрових моделей місцевості, зокрема шляхом лазерного сканування місцевості та опрацювання аерофотознімків з порівнянням застосованих методів машинного навчання (k-середніх та ISODATA). Ефективність використання інструментів ШІ оцінена на основі ключових критеріїв: швидкості і підвищення рівня автоматизації; точності та якості геопросторових даних; економічної ефективності. Висновки. Розкрито напрями застосування засобів штучного інтелекту для збору та обробки геопросторових даних в сучасних українських реаліях, в рамках яких визначено групи необхідних програмних продуктів з інтелектуальними функціями, основні алгоритми та методи ШІ, основні переваги, виклики та можливості вдосконалення зазначених інструментів.ukartificial intelligenceAIgeospatial data collectiongeospatial data processingsoftware productsAI algorithmsAI methodsштучний інтелектШІзбір геопросторових данихобробка геопросторових данихпрограмні продуктиалгоритми штучного інтелектуметоди штучного інтелектуСтаття