Imagine mostrar para um colega duas fotos aéreas de bairros diferentes e perguntar: “esses dois lugares se parecem?”.
Um humano consegue responder isso rapidamente, mesmo sem saber explicar exatamente o porquê — ele reconhece o padrão das ruas, a densidade das construções, a presença de vegetação, o tipo de ocupação.
Até pouco tempo, ensinar um computador a fazer esse mesmo tipo de comparação exigia regras manuais e complexas: medir distâncias, contar objetos, comparar cores pixel a pixel.
Funcionava, mas de forma limitada — e quase nunca capturava a “sensação” de semelhança que um humano identifica de forma intuitiva.
É exatamente esse tipo de problema que a análise baseada em embeddings ajuda a resolver — e essa capacidade agora está disponível no ArcGIS Pro 3.7.
Talvez você já tenha ouvido falar dela sem saber. É o mesmo tipo de tecnologia que permite a ferramentas como o ChatGPT “entender” o significado de uma frase, e não apenas reconhecer palavras isoladas. Agora, essa mesma lógica pode ser aplicada a mapas, imagens e territórios com recursos de GeoAI.
O que são embeddings, em termos simples
Um embedding é uma espécie de “impressão digital numérica” gerada por um modelo de inteligência artificial. Em vez de descrever um lugar, uma imagem ou um texto usando atributos soltos — como área, população ou cor média dos pixels —, o modelo resume essas informações em uma sequência de números capaz de representar características e contexto daquele dado.
A propriedade mais útil dessa representação é simples de entender: coisas parecidas tendem a gerar representações parecidas.
Duas áreas com o mesmo padrão de dano estrutural após um desastre natural podem ter embeddings próximos entre si, mesmo estando em cidades diferentes e distantes uma da outra no mapa. Da mesma forma, regiões com características semelhantes podem ser identificadas mesmo sem compartilhar uma fronteira.
Embeddings, portanto, acrescentam uma nova pergunta à análise espacial: além de saber onde os elementos estão e como se relacionam geograficamente, podemos investigar quais deles apresentam padrões semelhantes.
Como a análise baseada em embeddings funciona no ArcGIS Pro 3.7
No ArcGIS Pro 3.7, esse conjunto de capacidades está disponível na caixa de ferramentas GeoAI, no toolset de Análise Baseada em Embeddings. O fluxo típico pode ser entendido em três etapas:
- Gerar os embeddings
A ferramenta converte uma imagem, uma camada de feições ou uma descrição em texto em uma representação vetorial numérica.
É possível utilizar modelos de IA previamente treinados para gerar esses embeddings, sem necessariamente desenvolver um modelo do zero em muitos fluxos de trabalho.
- Buscar similaridades
Com os embeddings gerados, você pode selecionar alguns exemplos de referência — digamos, áreas onde já identificou determinado padrão — e buscar outras ocorrências semelhantes em toda a base.
Essa lógica permite ir além da procura por uma localização previamente conhecida: o ponto de partida passa a ser um padrão que você deseja encontrar novamente.
- Agregar e utilizar os resultados em outras análises
Muitas vezes, uma análise nasce em um nível de detalhe — por exemplo, setores censitários —, mas precisa ser interpretada em outro, como municípios ou regiões administrativas.
Os embeddings podem ser agregados entre diferentes escalas, preservando informações relevantes da representação gerada.
Depois desse processo, os resultados também podem ser convertidos em campos numéricos comuns, permitindo sua utilização em análises estatísticas e modelos preditivos já conhecidos por quem trabalha com ArcGIS Pro, como regressão e clusterização.
Onde isso realmente ajuda
Na prática, a análise baseada em embeddings amplia as possibilidades de GeoAI e Inteligência Territorial, especialmente quando o desafio envolve grandes volumes de dados geográficos e a identificação de padrões difíceis de representar por atributos isolados.
Alguns exemplos:
Resposta a desastres
Em vez de vasculhar manualmente centenas de imagens em busca de áreas com determinado padrão de dano estrutural, um analista pode selecionar exemplos já identificados e procurar outras ocorrências semelhantes na base.
Modelos preditivos mais precisos
Embeddings podem incorporar informações de contexto e vizinhança — como padrões demográficos, presença comercial ou uso do solo — e enriquecer variáveis utilizadas em modelos de previsão.
Isso pode ser especialmente útil em situações nas quais atributos isolados não conseguem representar toda a complexidade daquele território.
Comparação entre territórios
Outra possibilidade é identificar regiões que apresentam características semelhantes a uma área de referência.
Esse tipo de análise pode apoiar estudos de planejamento, Inteligência Territorial e avaliações sobre onde determinada estratégia, política ou iniciativa pode encontrar condições semelhantes às observadas em outro local.
O que é necessário para usar embeddings no ArcGIS Pro
A capacidade está disponível para usuários com licença Advanced do ArcGIS Pro para determinados fluxos envolvendo embeddings de localização e texto.
No caso específico de imagens, também pode ser necessária a extensão Image Analyst.
Por isso, trata-se de uma capacidade voltada principalmente para organizações e profissionais que já realizam análises mais avançadas dentro do ecossistema ArcGIS.
Por que isso importa agora
O ganho não está apenas em automatizar uma tarefa manual.
Embeddings abrem espaço para um tipo diferente de pergunta:
“Onde mais no meu território isso já está acontecendo, mesmo que eu não soubesse onde procurar?”
Para quem trabalha com grandes volumes de imagens ou dados territoriais, essa mudança de perspectiva pode ampliar significativamente a capacidade de encontrar padrões, comparar contextos e transformar dados geográficos em informação útil para a tomada de decisão.
Quer saber qual solução ArcGIS é ideal para você?
Fale com nosso time e descubra como aplicar inteligência geográfica na sua realidade — seja para começar ou evoluir com o ArcGIS.
Falar no WhatsApp
IA Aplicada ao ArcGIS
Comece a extrair a entender como o ArcGIS pode potencializar a Inteligência Artificial
Falar com especialista