9月，上海——2022世界人工智能大會（WAIC）隆重召開。時空AI作為開啟城市元宇宙的重要技術(shù)引擎，在本屆大會上從技術(shù)研討、應(yīng)用實戰(zhàn)和場景互動三大層面，同全球觀眾展開生動交流。

中國科學(xué)院院士龔健雅在論壇中就《深度學(xué)習(xí)框架與時空信息智能處理》發(fā)表主旨演講報告，從人工智能的發(fā)展、人工智能與遙感的緊密結(jié)合做了重點詮釋，并詳細介紹了武漢大學(xué)自主研發(fā)的遙感智能解譯深度學(xué)習(xí)專用框架及其在國土資源與環(huán)境監(jiān)測、農(nóng)作物監(jiān)測與估產(chǎn)、森林碳匯估算等許多領(lǐng)域的研究和探索。

以下是演講實錄：

人工智能迅速發(fā)展，對各行各業(yè)都造成了沖擊，有些行業(yè)消失，有些行業(yè)得到大發(fā)展。人工智能的發(fā)展根據(jù)它的定義或者目前的能力，我個人更加認可由北京大學(xué)的朱松純教授定義人工智能六大方向。這六個方向首先是計算機視覺，其中包括立體視覺、模式識別，我們現(xiàn)在大量的人臉識別都屬于這個范疇；第二個是自然語音理解與交流，包括語音識別和翻譯等等；第三個是機器學(xué)習(xí)；第四個是機器人學(xué)，包括智能機械、控制、設(shè)計、運動規(guī)則和任務(wù)規(guī)范；第五個是博弈與倫理，即機器與人的對抗、機器與機器的對抗等；最后就是認知與推理。

在我們現(xiàn)有的社會經(jīng)濟中存在著大量可感知和分析的數(shù)字信息，需要用到AI方法進行推理。今天由維智科技創(chuàng)始人陶闖博士發(fā)布的《時空AI白皮書（2022）》中，詳細的介紹了時空大數(shù)據(jù)、時空知識圖譜以及基于城市場景的算法模型，通過分析和推理來挖掘城市大數(shù)據(jù)的應(yīng)用價值，這一系列的工作我認為在現(xiàn)階段是非常關(guān)鍵且重要的。

測繪遙感與地理信息科學(xué)是與AI關(guān)聯(lián)非常密切的領(lǐng)域。在深度學(xué)習(xí)、機器學(xué)習(xí)的發(fā)展過程中，大家可能了解最有名的就是ImageNET挑戰(zhàn)賽，深度學(xué)習(xí)最初在圖像識別的準(zhǔn)確率高達84%，撼動了整個計算機視覺領(lǐng)域?，F(xiàn)在深度學(xué)習(xí)幾乎成了人工智能的代名詞。測繪遙感實際上用到的也是深度學(xué)習(xí)，包括目標(biāo)檢測、場景的理解等。然而深度學(xué)習(xí)在遙感信息處理中也遇到了挑戰(zhàn)和問題，主要體現(xiàn)在兩個方面：其一是關(guān)于基礎(chǔ)性的研究，包括高質(zhì)量的樣本庫，樣本庫的設(shè)計以及標(biāo)注；其二是神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)以及模型的設(shè)計。

另外，目前通用的深度學(xué)習(xí)框架還不能滿足我們的要求，我們需要研究專用的遙感智能深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)。這其中涉及到遙感領(lǐng)域數(shù)據(jù)的特性，包括遙感的規(guī)模化數(shù)據(jù)量，其次是高光譜、定量遙感等工作要嵌入進去，這是我今天要講的主要內(nèi)容，也就是LuojiaNet。

LuojiaNet框架首先依據(jù)遙感數(shù)據(jù)的特性，其內(nèi)存可擴展，達到圖像數(shù)據(jù)不需要切割就可以直接應(yīng)用，其次能夠支持各項知識融合的工作。該框架的設(shè)計之初即直接建立一個圖框架，并建立圖“金字塔”，消除上下邊界效應(yīng)；其次是多通道設(shè)計，在調(diào)參時候就會自動的學(xué)習(xí)和計算最優(yōu)光譜并計算出最佳參數(shù)，使得精度有大幅度提升。除此之外，LuojiaNet作為一個基礎(chǔ)性平臺，在數(shù)據(jù)的輸入輸出方面能夠支持十幾種的矢量數(shù)據(jù)格式和三十多種柵格數(shù)據(jù)格式。在建立好工作流之后，自動生成機器學(xué)習(xí)的語言。大家感興趣可以加入我們的開源社區(qū)聯(lián)盟。

最后總結(jié)一下時空AI技術(shù)的未來發(fā)展：

首先是知識圖譜，我們通過標(biāo)簽構(gòu)建知識圖譜，通過知識圖譜和圖形融合，最后得到一個更好更可靠的結(jié)果，從這里知識圖譜影像的生成來看，其精度和效率都有比較大的提升。

其次是人工智能的可解釋性，深度學(xué)習(xí)就像一個盒子，這個盒子的模型精度高，很復(fù)雜，可解釋性低。我們將可解釋性等工作融入到深度學(xué)習(xí)框架中，這也是未來的研究方向，包括分析方法、可解釋性指標(biāo)、定量指標(biāo)、評估指標(biāo)等。

這些研究都是未來技術(shù)發(fā)展的必經(jīng)之路，當(dāng)然我們還要準(zhǔn)備好面對更多的挑戰(zhàn)，謝謝大家！