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引擎，在本屆大會上從技術研討、應用實戰和場景互動三大層面，同全球觀眾展開生動交流。

中國科學院院士龔健雅在論壇中就《深度學習框架與時空信息智能處理》發表主旨演講報告，從人工智能的發展、人工智能與遙感的緊密結合做了重點詮釋，并詳細介紹了武漢大學自主研發的遙感智能解譯深度學習專用框架及其在國土資源與環境監測、農作物監測與估產、森林碳匯估算等許多領域的研究和探索。

以下是演講實錄：

人工智能迅速發展，對各行各業都造成了沖擊，有些行業消失，有些行業得到大發展。人工智能的發展根據它的定義或者目前的能力，我個人更加認可由北京大學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；第三個是機器學習；第四個是機器人學，包括智能機械、控制、設計、運動規則和任務規范；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。

在我們現有的社會經濟中存在著大量可感知和分析的數字信息，需要用到AI方法進行推理。今天由維智科技創始人陶闖博士發布的《時空AI白皮書（2022）》中，詳細的介紹了時空大數據、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據的應用價值，這一系列的工作我認為在現階段是非常關鍵且重要的。

測繪遙感與地理信息科學是與AI關聯非常密切的領域。在深度學習、機器學習的發展過程中，大家可能了解最有名的就是ImageNET挑戰賽，深度學習最初在圖像識別的準確率高達84%，撼動了整個計算機視覺領域。現在深度學習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習，包括目標檢測、場景的理解等。然而深度學習在遙感信息處理中也遇到了挑戰和問題，主要體現在兩個方面：其一是關于基礎性的研究，包括高質量的樣本庫，樣本庫的設計以及標注；其二是神經網絡結構以及模型的設計。

另外，目前通用的深度學習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習網絡架構。這其中涉及到遙感領域數據的特性，包括遙感的規模化數據量，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容，也就是LuojiaNet。

LuojiaNet框架首先依據遙感數據的特性，其內存可擴展，達到圖像數據不需要切割就可以直接應用，其次能夠支持各項知識融合的工作。該框架的設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；其次是多通道設計，在調參時候就會自動的學習和計算最優光譜并計算出最佳參數，使得精度有大幅度提升。除此之外，LuojiaNet作為一個基礎性平臺，在數據的輸入輸出方面能夠支持十幾種的矢量數據格式和三十多種柵格數據格式。在建立好工作流之后，自動生成機器學習的語言。大家感興趣可以加入我們的開源社區聯盟。

最后總結一下時空AI技術的未來發展：

首先是知識圖譜，我們通過標簽構建知識圖譜，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，深度學習就像一個盒子，這個盒子的模型精度高，很復雜，可解釋性低。我們將可解釋性等工作融入到深度學習框架中，這也是未來的研究方向，包括分析方法、可解釋性指標、定量指標、評估指標等。

這些研究都是未來技術發展的必經之路，當然我們還要準備好面對更多的挑戰，謝謝大家！