在2月25日召開的第九期莫干山地信研討會(huì)上，中國(guó)工程院院士、莫干山地信實(shí)驗(yàn)室主任陳軍作了題為《時(shí)空型混合智能計(jì)算》的主旨報(bào)告，對(duì)測(cè)繪智能化這一必然趨勢(shì)進(jìn)行了詳細(xì)闡述。

發(fā)展智能化測(cè)繪是大勢(shì)所趨

經(jīng)過多年發(fā)展，以空間定位、對(duì)地觀測(cè)、地理信息為核心的時(shí)空信息技術(shù)取得了長(zhǎng)足進(jìn)步，與相關(guān)科技的交叉融合漸成常態(tài)，信息的獲取、處理和服務(wù)能力顯著提升。但是，面對(duì)精細(xì)程度、時(shí)間頻度、服務(wù)方式等方面的新需求, 時(shí)空信息技術(shù)仍存在較大提升空間，如高質(zhì)量時(shí)空信息供給不足、高層次時(shí)空分析能力不強(qiáng)、高水平時(shí)空賦能手段短缺等。

陳軍院士舉了兩個(gè)例子，說明現(xiàn)階段存在的問題。一是普遍面臨“數(shù)據(jù)既多又少”的困境。目前建立了不少“天空地海網(wǎng)”一體化監(jiān)測(cè)系統(tǒng)，但許多情況下用戶往往找不到所需的時(shí)空數(shù)據(jù)，距實(shí)現(xiàn)“全面動(dòng)態(tài)感知”相差甚遠(yuǎn)，亟需提升自主化協(xié)同感知、實(shí)時(shí)化數(shù)據(jù)處理建模等能力；二是普遍存在“數(shù)據(jù)海量、信息爆炸、知識(shí)難求”難題。國(guó)土空間具有顯著的多維動(dòng)態(tài)特征，但現(xiàn)有空間分析技術(shù)以幾何計(jì)算為基礎(chǔ)，側(cè)重于要素狀態(tài)、分布等靜態(tài)分析，且缺乏趨勢(shì)預(yù)測(cè)、態(tài)勢(shì)預(yù)警等手段，處于后知后覺狀態(tài)，往往難以有效支撐從宏觀到微觀、從平面到立體、從靜態(tài)到動(dòng)態(tài)的多維度空間認(rèn)知，亟需發(fā)展符合人類空間認(rèn)知習(xí)慣的時(shí)空分析能力。要破解這些難題，需要將時(shí)空信息與人工智能深度融合，勢(shì)在必行。

2018年5月，寧津生院士在寧波召開了中國(guó)工程院戰(zhàn)略咨詢重點(diǎn)項(xiàng)目“測(cè)繪科技轉(zhuǎn)型升級(jí)研究——從數(shù)字化走向智能化”研討會(huì)。此后，相關(guān)組織和機(jī)構(gòu)紛紛召開智能化測(cè)繪主題會(huì)議、申請(qǐng)國(guó)家自然科學(xué)基金重大項(xiàng)目，深入研討測(cè)繪地理信息智能化轉(zhuǎn)型升級(jí)的路徑，為測(cè)繪學(xué)科與行業(yè)的智能化發(fā)展提供了先進(jìn)的理論支撐。

“值得關(guān)注的是，當(dāng)前人工智能領(lǐng)域主要針對(duì)語言、視覺等通用領(lǐng)域，沒有充分顧及時(shí)空特征，難以直接支撐測(cè)繪感知、認(rèn)知、表達(dá)與服務(wù)計(jì)算，測(cè)繪領(lǐng)域人工智能應(yīng)用面臨移植性不足、可解釋性弱、適應(yīng)性不強(qiáng)、訓(xùn)練成本大等問題。單靠人工智能，難以有效解決測(cè)繪的智能化問題?！标愜娫菏恐赋?。

測(cè)繪自然智能與人工智能

報(bào)告中，陳軍院士講述了人工智能與測(cè)繪自然智能的聯(lián)系與區(qū)別。

一般說來，自然智能是指人類對(duì)客觀事物進(jìn)行合理分析、判斷及有目的行動(dòng)和有效處理周圍環(huán)境事宜的綜合能力。測(cè)繪自然智能則是指人類在測(cè)繪活動(dòng)中形成的感知、認(rèn)知、表達(dá)和行為的測(cè)繪機(jī)理、規(guī)則及模型知識(shí)，如定位計(jì)算的物理學(xué)規(guī)律、地物信息解譯的輻射機(jī)理、地圖表達(dá)的尺度效應(yīng)等。

在人工智能領(lǐng)域里，混合智能是指同時(shí)運(yùn)用多個(gè)人工智能分支領(lǐng)域的技術(shù)方法，使之取長(zhǎng)補(bǔ)短、優(yōu)勢(shì)互補(bǔ)。測(cè)繪自然智能與人工智能可以在思維方式、模型特征、計(jì)算目標(biāo)、賦能途徑等方面形成互補(bǔ)的優(yōu)勢(shì)。思維方式方面，測(cè)繪自然智能多是基于規(guī)則的推理，以“自上而下”的演繹思維為主；人工智能多是基于監(jiān)督學(xué)習(xí)、樣本訓(xùn)練、案例驅(qū)動(dòng)，以“自下而上”的歸納思維為主。模型特征方面，測(cè)繪自然智能通常是在人類長(zhǎng)期的測(cè)繪活動(dòng)中總結(jié)形成的，利用簡(jiǎn)潔的公式、規(guī)則、圖譜、形式化模型加以表達(dá)；人工智能模型多是基于數(shù)據(jù)的擬合運(yùn)算，表現(xiàn)為大模型、超參量的復(fù)雜形式。計(jì)算目標(biāo)方面，測(cè)繪自然智能往往基于邏輯推理與因果解釋，問題求解時(shí)力求“知其所以然”；人工智能的樣本訓(xùn)練需要大數(shù)據(jù)支持，往往只關(guān)注關(guān)聯(lián)聯(lián)系、不關(guān)注因果聯(lián)系，在問題求解時(shí)追求的是“知其然”。賦能途徑方面，測(cè)繪自然智能往往是通過從上往下、逐級(jí)指導(dǎo)的賦能路徑去解答問題；人工智能則是從下往上、逐級(jí)總結(jié)提煉普適性、統(tǒng)一化的知識(shí)規(guī)則。

“由此可知，測(cè)繪自然智能與人工智能在測(cè)繪時(shí)空計(jì)算中扮演著不同角色，具有優(yōu)勢(shì)互補(bǔ)的作用。將二者有機(jī)耦合，最大限度地發(fā)揮各自的效能，有助于大幅提升測(cè)繪智能化計(jì)算的能力與水平。這就要求研究和發(fā)展時(shí)空型混合智能計(jì)算?！标愜娫菏空f。

時(shí)空型混合智能計(jì)算范式

近年來，人工智能領(lǐng)域提出了“數(shù)據(jù)+知識(shí)”雙向驅(qū)動(dòng)的混合智能計(jì)算范式，主要用于處理文本、圖像、音頻、視頻等常規(guī)模態(tài)數(shù)據(jù)，難以有效地顧及時(shí)空數(shù)據(jù)的特性、空間尺度、時(shí)態(tài)變化等。因此，綜合考慮測(cè)繪對(duì)象的時(shí)空特征、知識(shí)融合、尺度效應(yīng)、樣本構(gòu)建等因素，陳軍院士等2024年在測(cè)繪學(xué)報(bào)上發(fā)表了《智能化測(cè)繪的混合計(jì)算范式與方法研究》論文，綜合考慮測(cè)繪對(duì)象的時(shí)空特征、知識(shí)融合、尺度效應(yīng)、樣本構(gòu)建等因素，提出了以“知識(shí)為引導(dǎo)、數(shù)據(jù)為驅(qū)動(dòng)、算法為基礎(chǔ)、服務(wù)為支撐”的混合智能計(jì)算范式。陳軍院士從時(shí)空感知、認(rèn)知、表達(dá)和服務(wù)4個(gè)方面，對(duì)該范式進(jìn)行了實(shí)例化解釋與說明。

時(shí)空數(shù)據(jù)的實(shí)景化感知。針對(duì)“數(shù)據(jù)既多又少”困境，研究時(shí)空數(shù)據(jù)實(shí)景化感知的混合智能計(jì)算模式，研發(fā)協(xié)同化觀測(cè)、實(shí)時(shí)化處理、場(chǎng)景化重建等方法，建立“協(xié)同化感知—實(shí)時(shí)化處理—時(shí)序化建?！钡臅r(shí)空數(shù)據(jù)實(shí)景感知混合智能計(jì)算體系，為實(shí)現(xiàn)全域動(dòng)態(tài)感知提供新思路、新手段。

時(shí)空?qǐng)鼍暗亩嗑S度認(rèn)知。針對(duì)“找不到、認(rèn)不透、判不準(zhǔn)”的難題，根據(jù)時(shí)空?qǐng)鼍暗亩嗑S動(dòng)態(tài)特性，研究耦合自然智能與人工智能的復(fù)雜時(shí)空?qǐng)鼍岸嗑S度認(rèn)知混合智能計(jì)算模式和信息機(jī)理，構(gòu)建知識(shí)引導(dǎo)、數(shù)據(jù)驅(qū)動(dòng)的時(shí)空認(rèn)知計(jì)算框架，提升時(shí)空?qǐng)鼍暗亩嗑S度認(rèn)知能力。

時(shí)空地圖的情境化表達(dá)。針對(duì)個(gè)性化制圖需求，研究地圖制圖自然智能的解析與建模、時(shí)空地圖表達(dá)的情境感知、多模態(tài)地圖的情境化生成、多模態(tài)情境化地圖人機(jī)交互制圖等關(guān)鍵技術(shù)，實(shí)現(xiàn)用戶意圖精確理解、制圖形式恰當(dāng)運(yùn)用、精美表達(dá)即時(shí)生成，為個(gè)性化時(shí)空地圖的情景化生成提供先進(jìn)手段。

時(shí)空智能的自主化服務(wù)。針對(duì)時(shí)空信息服務(wù)效率較低的問題，研究時(shí)空智能的自主化服務(wù)模式，構(gòu)建數(shù)據(jù)、知識(shí)、計(jì)算一體化的時(shí)空智能服務(wù)計(jì)算引擎，研發(fā)以GPT為“大腦”決策核心的任務(wù)分解、流程編排、分節(jié)點(diǎn)調(diào)用的時(shí)空智能服務(wù)計(jì)算引擎，實(shí)現(xiàn)面向國(guó)土空間監(jiān)測(cè)監(jiān)管場(chǎng)景的自主化、個(gè)性化和靈性化時(shí)空信息應(yīng)用，提升時(shí)空智能服務(wù)的自主化構(gòu)建能力。

“我們應(yīng)在試驗(yàn)驗(yàn)證的基礎(chǔ)上，梳理核心概念、基本范式、主要模型、關(guān)鍵技術(shù)等，開展結(jié)構(gòu)化建模、形式化表達(dá)研究，構(gòu)建知識(shí)圖譜系統(tǒng)，最終形成具有內(nèi)在邏輯和層次結(jié)構(gòu)、兼具科學(xué)性和實(shí)踐性的測(cè)繪混合計(jì)算理論方法體系，支撐智能化測(cè)繪體系建設(shè)。”陳軍院士說。

厘清基本概念 破解關(guān)鍵問題

厘清測(cè)繪混合智能計(jì)算的基本概念，破解關(guān)鍵科學(xué)問題是時(shí)空型混合智能計(jì)算的主要研究路徑?！皹?gòu)建時(shí)空型混合智能計(jì)算范式、發(fā)展智能化測(cè)繪的混合計(jì)算方法、形成混合智能計(jì)算的方法體系，是發(fā)展時(shí)空型混合智能計(jì)算的三大主要任務(wù)?！?/p>

陳軍院士指出，首先要進(jìn)行測(cè)繪自然智能的解析與建模，提出方法，研究典型案例。將人類在測(cè)繪活動(dòng)中形成的感知、認(rèn)知、表達(dá)和行為等自然智能，抽象成特定的時(shí)空信息機(jī)理、規(guī)則及模型、先驗(yàn)知識(shí)等。比如在全球地表覆蓋制圖過程中，形成針對(duì)不同地區(qū)和分辨率要求的配套性自然信息處理機(jī)制與先驗(yàn)知識(shí)。其次要針對(duì)每一類測(cè)繪活動(dòng)，研究其信息處理機(jī)制及先驗(yàn)知識(shí)，構(gòu)建混合智能計(jì)算模式。厘清痛點(diǎn)、重點(diǎn)、難點(diǎn)，找準(zhǔn)智能化測(cè)繪研究的切入點(diǎn)，將簡(jiǎn)單性、重復(fù)性甚至危險(xiǎn)性的測(cè)繪任務(wù)交由機(jī)器完成，而讓人類更好地發(fā)揮知識(shí)創(chuàng)造、空間思維等方面的能力，創(chuàng)造良好的智能化環(huán)境，提高測(cè)繪生產(chǎn)效率與水平。最后要針對(duì)國(guó)土空間監(jiān)測(cè)監(jiān)管的重大需求，開展實(shí)驗(yàn)與示范研究。以低空飛行管控為例，由于低空沒有任何物理附著物，高密度融合飛行極其復(fù)雜。要實(shí)現(xiàn)安全、高效和有序的低空飛行，必須構(gòu)建低空空域的時(shí)空數(shù)據(jù)空間，采用數(shù)字化和智能化的管控手段。這一管控手段的實(shí)現(xiàn)面臨著復(fù)雜空域的數(shù)字化表達(dá)、海量數(shù)據(jù)的實(shí)時(shí)化計(jì)算、高密度飛行的智能管控等科技難題，這些難題的解決與智能化測(cè)繪密切相關(guān)。

“走時(shí)空型混合智能計(jì)算的道路，是一個(gè)必然趨勢(shì)。未來要通過提供無域不達(dá)的時(shí)空感知、無處不在的時(shí)空連接、無時(shí)不用的時(shí)空計(jì)算、無所不及的時(shí)空智能、無隙可乘的時(shí)空安全，實(shí)現(xiàn)時(shí)空信息賦能高質(zhì)量可持續(xù)發(fā)展。發(fā)展時(shí)空型混合智能計(jì)算，是從數(shù)字化測(cè)繪走向智能化測(cè)繪的必然選擇，涉及理論創(chuàng)新、技術(shù)突破、體系構(gòu)建等難題。我們應(yīng)加大研發(fā)力度，推動(dòng)協(xié)同創(chuàng)新，努力構(gòu)建時(shí)空型混合智能計(jì)算的理論方法與知識(shí)體系，研發(fā)關(guān)鍵技術(shù)方法、應(yīng)用系統(tǒng)和儀器裝備，積極應(yīng)對(duì)社會(huì)數(shù)字化、智能化轉(zhuǎn)型?！标愜娫菏孔詈罂偨Y(jié)道。