Since the introduction of Open AI’s Generative Pre-Trained Transformer (GPT) in 2022,research on the field of generative artificial intelligence (AI), and its applications has beenintense. Large Language Models (LLMs), with ChatGPT in the lead, have been subject to scrutinyto find their weaknesses, with researchers pinpointing their struggle with mathematical andgeometrical operations, and understanding of complex questions. This study further testsChatGPT version 3.5 on these fields, by letting it answer questions normally solved usingGeographic Information Systems (GIS). Previous studies have been made, combining the fieldsof LLMs and GIS, mostly with a focus on more advanced aspects of GIS, such as formulatingprompts in Structured Query Language (SQL). In contrast, the purpose of this study was to findwhether laymen, without much GIS knowledge, could use the free version of ChatGPT to solvespatial problems, and to assess GPT’s understanding of topology, a common data structurewithin GIS. ChatGPT proved to mostly give inconsistent and unreliable answers, even for thesimplest tasks, having problems with calculating distances and population and visualizingtopology. Despite this, it exhibited an understanding of GIS concepts and displayed use of logicalthinking when presenting its answers, proving it had potential to reliably solve spatial problemsif it can be trained on better-suited datasets.

Sedan OpenAI lanserade sin Generative Pretrained Transformer (ChatGPT) 2022 har forskninginom artificiell intelligens (AI) tagit allt större fart. När Large language models (LLMs), ävenkända som chatbottar, med ChatGPT i spetsen, har testats har forskare funnit att dessa modellerär svaga när det kommer till matematiska, framför allt geometriska problem, samt komplextformulerade frågor inom diverse ämnen. I den här studien testas ChatGPT ytterligare påliknande teman, med applikationer inom geografiska informationssystem (GIS). Tidigare studierinriktade på LLM och GIS har fokuserat på mer avancerade applikationer, till exempel attchatbotten fått formulera prompter i SQL som i sin tur använts för att lösa problem. Dennastudie ämnar, till skillnad från dessa, att söka raka svar på frågorna från ChatGPT, för att avgöraom modellen är lämpad brukas av användare med begränsad GIS-kunskap för att lösageografiska frågor, samt uppskatta modellens förståelse för topologisk datastruktur, som ärvanligt förekommande inom GIS. Det visade sig att ChatGPT var inkonsekvent i sina svar,oavsett svårighetsgrad på frågan, den kunde inte pålitligt beräkna populationsmängder elleravstånd samt att visualisera topologi. Trots detta visade ChatGPT förståelse för frågorna ochmotiverade sina lösningar med logiskt tänkande, vilket indikerar att den kan lösa den här typenav problem om den tränas på bättre lämpad data.