人工智能（AI）大模型實現(xiàn)了大數(shù)據(jù)的快速分析和挖掘，并展現(xiàn)出前所未有的理解與創(chuàng)造能力。大模型如何賦能地理空間數(shù)據(jù)高效采集、處理、分析，地學(xué)大模型又如何賦能國土空間科學(xué)定策、決策和施策？
6月27日，在似火的驕陽中，2023地理信息軟件技術(shù)大會在北京國家會議中心拉開帷幕，容納3000人的主會場座無虛席，來自政府機構(gòu)、科研院所、高等院校、企業(yè)的代表圍繞“空間智能 因融至慧”展開了一場頭腦風(fēng)暴。與會專家在解析空間智能技術(shù)內(nèi)涵的同時，探究人工智能大模型時代，地理空間智能面臨的機遇和挑戰(zhàn)。
一、融合：人工智能讓地理空間更智能
當(dāng)前，我國正處在數(shù)字化轉(zhuǎn)型的關(guān)鍵期。中國測繪學(xué)會理事長宋超智在大會致辭中表示，3S技術(shù)與人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)的進一步深度融合，讓地理智慧走向空間智能，更加高效地從海量數(shù)據(jù)中發(fā)現(xiàn)深層次的有價值的信息，達成最佳策略提供決策支撐。他認為，人工智能技術(shù)與測繪關(guān)系最為密切。未來，測繪對于人工智能技術(shù)的依賴或?qū)⑦M一步加深。
二、賦能：人工智能助推空間數(shù)據(jù)快速處理分析
算法、算力和數(shù)據(jù)被認為是人工智能發(fā)展的三駕馬車。當(dāng)前，人工智能技術(shù)快速發(fā)展，數(shù)據(jù)不斷豐富，算力不斷增強。在算法層面，大模型的出現(xiàn)，賦能地理空間數(shù)據(jù)采集、處理和分析，這也為自然資源管理工作向智能化轉(zhuǎn)變提供了抓手。
在自然資源部信息中心學(xué)術(shù)委員會主任李曉波看來，以大模型為支撐的人工智能技術(shù)，對提高自然資源信息化、推進智慧國土建設(shè)能發(fā)揮多方面的作用。比如為非結(jié)構(gòu)化數(shù)據(jù)的管理和應(yīng)用提供了很好的技術(shù)手段；通過模型對空間數(shù)據(jù)進行深度分析，從而為決策者提供服務(wù)；依靠大模型對遙感影像、視頻數(shù)據(jù)進行快速處理、分析，從而實現(xiàn)對自然資源實時調(diào)查監(jiān)測和國土空間用途管制?！岸@些方面，正是原來我們工作中的薄弱環(huán)節(jié)?！彼硎?，希望能構(gòu)建起一個自然資源行業(yè)大模型，從數(shù)據(jù)采集到數(shù)據(jù)處理、分析和應(yīng)用都能全面賦能，從而整體提升自然資源管理工作的數(shù)字化水平。
衛(wèi)星遙感影像處理能不能乘上AI的東風(fēng)，實現(xiàn)自動化、智能化的處理？武漢大學(xué)遙感信息工程學(xué)院院長張永軍在大會上所作的《AI+遙感融合的多模態(tài)衛(wèi)星影像幾何語義一體化智能處理》報告給出了肯定的回答。他介紹了研究團隊采用人工智能輔助技術(shù)處理遙感影像取得的相關(guān)關(guān)鍵技術(shù)的突破，并表示在智能化的測繪時代，大模型、知識圖譜等人工智能技術(shù)，將在遙感影像處理中發(fā)揮更大的支撐作用。
三、挑戰(zhàn)：地理空間異質(zhì)性制約了大模型泛化性
如今常見的AI大模型有具備超強語言理解能力及對話生成、文學(xué)創(chuàng)作等能力的自然語言處理大模型，比如ChatGPT、百度文心一言；還有可廣泛應(yīng)用于對海量商品圖片進行識別的CV計算機視覺大模型；跨模態(tài)大模型，則可實現(xiàn)橫跨文字、圖像等多模態(tài)數(shù)據(jù)的搜索，以及用文本生成圖像和視頻；科學(xué)計算大模型，可以幫助科學(xué)家更高效地從海量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，大幅提高科研效率。
不斷創(chuàng)新的大模型，表現(xiàn)出越來越強大的涌現(xiàn)能力。這為地理空間智能帶來哪些機遇和挑戰(zhàn)？
在本屆大會特設(shè)的“前沿對話”環(huán)節(jié)，專家們紛紛表達了對未來將多模態(tài)、多元的地理空間大數(shù)據(jù)更好地融合起來進行訓(xùn)練的期待。馮文利提出，當(dāng)前針對實現(xiàn)精準(zhǔn)和高效的國土空間管控，不僅需要對空間數(shù)據(jù)的快速處理，還需要精準(zhǔn)分析，希望能借助人工智能技術(shù)，實現(xiàn)以人工智能為主、實地調(diào)查為輔的工作模式的轉(zhuǎn)型。
但是由于地理現(xiàn)象在空間上異質(zhì)性，地學(xué)大模型的泛化能力和遷移能力面臨挑戰(zhàn)。
高松解釋說，在一個區(qū)域特定時段訓(xùn)練的模型，被遷移到世界上另外的一個區(qū)域和新的時間階段，現(xiàn)有的研究結(jié)果發(fā)現(xiàn)，一般來說具有地理空間相似性的區(qū)域的模型表現(xiàn)是比較好的，但是如果其環(huán)境影響因子不相似，其表現(xiàn)就比較差。如果用海量的，比如說全球尺度的數(shù)據(jù)訓(xùn)練的地學(xué)空間大模型，也許才能解決空間異質(zhì)性的問題。
鐘耳順指出，盡管人工智能對語言、圖像等的識別非常成功，但對于識別構(gòu)成復(fù)雜、非線性的地理信息，構(gòu)建大模型還面臨巨大挑戰(zhàn)。郭仁忠院士認為，這需要兩個領(lǐng)域的專家相向而行，進一步深化地理信息和人工智能領(lǐng)域等知識的深度融合。
面向未來，要真正實現(xiàn)融合人工智能的地理空間智能，注定還有很長的一段路要走。但相信隨著人工智能技術(shù)的發(fā)展，地理信息產(chǎn)業(yè)將擁有更堅實的技術(shù)底座、更便捷的開發(fā)工具。我們共同期待步入地理空間智能時代的那一天，共享地理空間智能帶來的美好生活。
聲明①：文章部分內(nèi)容來源互聯(lián)網(wǎng)，如有侵權(quán)請聯(lián)系刪除，郵箱 441428862@qq.com