地圖應用搜尋,沒有 AI 也能這麼聰明?——『HippoMaps』展現的全新可能

智慧型手機螢幕上顯示自然語言搜尋框與地圖路徑的畫面
AI Summary

探討在沒有 LLM(大型語言模型)的情況下,利用確定性解析器以日常語言超高速搜尋 OpenStreetMap 的地圖應用『HippoMaps』及相關技術的意義。

想像一下。週末和朋友一起到瑞士蘇黎世旅行。走在陌生城市的街道上,突然想喝一杯溫熱的咖啡。打開智慧型手機的地圖應用程式,與其像平常一樣逐一搜尋店名,不如把腦海中浮現的想法直接輸入:“蘇黎世利馬特河附近的咖啡廳,距離湖泊 100 公尺遠”. 這句如果不是大型企業的大型地圖應用程式就會出錯或顯示奇怪地點的複雜句子,竟然在短短幾秒內就能準確地在地圖上指出來,這款地圖應用程式現身了 [Source 1]。

這是最近在線上技術社群 Hacker News 上介紹而備受矚目的開源地圖與導航應用程式 HippoMaps 的故事 [Source 1, Source 8]。在人工智慧(AI)風潮席卷的現代軟體產業中,這個專案在沒有 AI 模型協助的情況下,僅憑精細的規則與演算法實現了自然語言地理搜尋,為我們提供了看待技術的獨特視角 [Source 1]。


為什麼這很重要?

我們每天使用的 Google Maps 或 Naver 地圖等服務,提供了全球龐大的地點資料與便利的搜尋功能。然而,在其背後存在著一個巨大的寶藏——開源地圖生態系 OpenStreetMap(全世界人們共同打造的免費全球地圖,簡稱 OSM) [Source 5, Source 9]。OpenStreetMap 是一個任何人都可以自由使用與修改的公共地理資訊庫,但它有一個致命的弱點:搜尋功能不像商業應用程式那麼親切與快速 [Source 1]。

對一般使用者以及進行調查報導的記者來說,OpenStreetMap 也是豐富的資訊寶庫,但若要尋找所需的資料,必須熟練掌握複雜的資料庫指令——Overpass 查詢語言(Overpass Query Language,簡稱 OverpassQL,OpenStreetMap 專用資料搜尋指令) [Source 3, Source 5]。正因如此,一般人或非專業人士很難妥善運用這個巨大的寶藏 [Source 3, Source 5]。

像 HippoMaps 這樣的專案之所以重要,是因為它為不懂程式設計或資料庫語法的普通人開啟了一條道路,讓他們能以平時說話的方式對地圖下達指令,準確找到想要的地點 [Source 1]。這證明了即使沒有複雜的伺服器成本或龐大的人工智慧模型大腦,只要有聰明的設計,任何人都能享受到快速便利的地圖服務 [Source 1]。


輕鬆理解:不需 AI 運作的「智慧翻譯器」之祕密

最近大多數的最新技術為了理解人類說的自然語言,都會使用像 ChatGPT 這樣的大型人工智慧模型(LLM)[Source 1]。然而,人工智慧有時會給出離譜的回答(幻覺),而且得出答案需要時間、伺服器成本高昂,這些都是它的缺點。

HippoMaps 沒有選擇人工智慧這門龐大的大炮,而是選擇了經過精細調校的「瑞士刀」式方法 [Source 1]。如果簡單比喻的話,就像這樣:

這樣比喻很容易理解:

如果利用大型人工智慧模型的搜尋,是每次都深入思考上下文並試圖即興翻譯的「同步口譯員」;那麼 HippoMaps 的方式,就是手中緊握著徹底的文法規則與字彙卡片,將輸入的句子按文法單位俐落地拆解,以最快速度尋找正確答案的「高度機械化自動分類助理」。

HippoMaps 將使用者在搜尋框中輸入的句子切成細小的 詞元(Token,具備意義的最小語料單位) [Source 1]。接著,比對單字清單(知名品牌、運動項目、OpenStreetMap 標籤等),以掌握使用者確切想尋找 「什麼(What)」 [Source 1]。同時利用地理編碼器服務 Photon(將地址或地點名稱轉換為座標的搜尋服務),找出使用者指定的 「哪裡(Where)」 [Source 1]。

簡單來說,它會分析句子的骨架,瞬間掌握「啊,這位使用者正在『蘇黎世』這個地區找『咖啡廳』!而且附加了『利馬特河附近』與『距離湖泊 100 公尺以內』的距離條件」,然後將其流暢地翻譯成 OpenStreetMap 聽得懂的 Overpass 查詢語言 [Source 1]。在這個過程中不需要經過人工智慧的推論過程,因此搜尋速度非常快,且顯示錯誤結果的機率很低 [Source 1]。


當前狀況:開源地圖與自然語言搜尋的演進

目前在 OpenStreetMap 生態系中,持續進行著各種嘗試,以幫助任何人都能輕鬆進行複雜的資料查詢。具代表性的是,在學術界與開發者社群中,將自然語言提問轉換為 OpenStreetMap 專用搜尋指令的 Text-to-OverpassQL 專題研究正熱烈進行中 [Source 2, Source 3]。

此外,也有碼 SPOT 這樣的開源工具專案公開並獲得了良好迴響,它能利用 OpenStreetMap 資料,協助記者或研究人員以日常語言描述場景來進行搜尋 [Source 5]。例如輸入「幫我找巴黎公車站旁邊的義大利餐廳」這樣的句子,系統便會理解並篩選出資料 [Source 5]。

HippoMaps 在這樣的潮流中又向前邁進了一步。它不僅僅是模仿搜尋功能,而是將我們對地圖應用程式所期待的幾乎所有核心功能都整合在一個開源套件中 [Source 1]:

  1. 超高速客製化搜尋引擎: 搭載自訂 Overpass API 引擎,提供不輸商業地圖應用程式的快速 POI(興趣點)、地區與路徑搜尋 [Source 1]。
  2. 多樣化探索功能: 完美消化各種充滿創意且複雜的條件組合搜尋,例如「柏林目前營業中的藥局」、「瓦萊州超過 4000 公尺的山峰」、「塞爾維亞多瑙河上的橋樑」等 [Source 1]。
  3. 綜合導航功能: 不僅限於搜尋,還透過 Valhalla(開源路徑規劃引擎)提供語音支援的逐嚮導航(Turn-by-turn navigation,運用 Piper 語音合成引擎)、歐洲境內大眾運輸路徑規劃(MOTIS),以及部分國家的即時交通資訊 [Source 1]。
  4. 開源發布: 所有這些高完成度的功能皆以 GPL-3.0 開源授權條款公開,任何人都可以檢視程式碼並做出貢獻 [Source 1, GitHub 儲存庫:https://github.com/cdutsov/hippomaps]。

未來發展將如何?

專家與開源開發者對這種確定性自然語言搜尋方式的發展寄予厚望 [Source 1]。因為即使不需要為了維持巨大人工智慧模型而消耗龐大的伺服器成本與電力,只要將基於規則的智慧解析器與整理完善的地理資料庫相結合,就足以在智慧型手機環境中打造出輕量且強大的本地導航應用程式 [Source 1]。

未來,即使在網路連線不穩定的偏遠地區或旅遊景點,當使用者用平常使用的母語輕鬆、悄聲地詢問路線時,基於全球 OpenStreetMap 資料能在瞬間指引出客製化路徑的獨立地圖應用程式也將會越來越多 [Source 1, Source 16]。面對大型科技巨頭的壟斷,全世界開發者協力打造的公共地圖資產正大步邁入日常生活中,這正是變革的時刻 [Source 1, Source 9]。


MindTickleBytes 的 AI 記者視角

不單單依賴複雜的人工智慧模型,透過精細的規則與詞元拆解方式實現快速且準確的地圖搜尋,展現了軟體工程中優秀的工匠精神。這是推動地圖資料大眾化的意義深遠嘗試。


參考資料

  1. Show HN: Fast deterministic natural language search for OpenStreetMap data — https://hippomaps.ch/?q=cafes+by+the+Limmat+100+m+from+the+lake+in+zurich#map=15.02/47.36708/8.54935, https://github.com/cdutsov/hippomaps [Source 1]
  2. Text-to-OverpassQL: A Natural Language … - ar5iv — https://ar5iv.labs.arxiv.org/html/2308.16060 [Source 2]
  3. Text-to-OverpassQL: A Natural Language Interface … - arXiv — https://arxiv.org/abs/2308.16060 [Source 3]
  4. Text-to-OverpassQL: A Natural Language Interface for Complex … (PDF) — https://aclanthology.org/2024.tacl-1.31.pdf [Source 4]
  5. New natural language search interface for OSM (public demo, open source) — https://community.openstreetmap.org/t/new-natural-language-search-interface-for-osm-public-demo-open-source/134816 [Source 5]
  6. Text-to-OverpassQL: A Natural Language Interface for Complex … (ACL Anthology) — https://aclanthology.org/2024.tacl-1.31/ [Source 6]
  7. Text-to-OverpassQL: A Natural Language Interface for Complex … (Schumann Pub) — https://www.schumann.pub/assets/uploads/publications/pdfs/staniek_2023.pdf [Source 7]
  8. HN.watch Hacker News with explainer videos — https://hn.watch/ [Source 8]
  9. OpenStreetMap — https://www.openstreetmap.org/ [Source 9]
  10. Open source geocoding with OpenStreetMap data — https://nominatim.org/ [Source 10]
AD
測試你的理解
Q1. HippoMaps 用於地圖搜尋的核心方式是什麼?
  • 利用大型語言模型(LLM)進行推論
  • 不使用人工智慧的確定性(Deterministic)解析器
  • 雲端專用人工神經網路翻譯
HippoMaps 不使用 LLM,而是將搜尋關鍵字拆解為詞元,並利用已知品牌、標籤單字清單與地理編碼器(Geocoder)的確定性解析器。
Q2. 為了以複雜條件搜尋 OpenStreetMap(OSM)資料所使用的專用查詢語言名稱是什麼?
  • Overpass 查詢語言(OverpassQL)
  • SQL 資料庫語言
  • Python 地理查詢
在 OpenStreetMap 生態系中,為了進行複雜的地理資料庫查詢,廣泛使用 Overpass 查詢語言(OverpassQL)。
Q3. 文中提及的 SPOT 工具主要是為了幫助哪類使用者而開發的?
  • 程式設計專業開發者
  • 專業記者
  • 導航硬體工程師
SPOT 透過自然語言場景描述來搜尋 OpenStreetMap,是協助需要進行資料調查的記者能夠輕鬆使用的開源工具。