每經(jīng)記者 范芊芊 丁舟洋    每經(jīng)編輯 董興生    

你可能不懂衛(wèi)星遙感技術(shù)，但你每天都生活在受遙感應(yīng)用服務(wù)的社會(huì)體系中。

從天氣預(yù)報(bào)、交通地圖，到地質(zhì)勘測(cè)、農(nóng)業(yè)種植……正如中科院院士吳一戎所說，以衛(wèi)星遙感為代表的空天技術(shù)，為人們提供了“上帝視角”。“這個(gè)視角能看到與地面截然不同的信息，比如今年糧食是增產(chǎn)還是減產(chǎn)，橋梁和隧道的運(yùn)行狀況如何，這與國(guó)家經(jīng)濟(jì)發(fā)展、與普通人的日常生活都息息相關(guān)。”吳一戎告訴《每日經(jīng)濟(jì)新聞》記者。

通過對(duì)地面進(jìn)行掃描，就會(huì)生成衛(wèi)星遙感影像。而以前，這些“照片”要實(shí)現(xiàn)從影像到信息的轉(zhuǎn)化，也需要大量的人工識(shí)別。能否建立一個(gè)面向遙感領(lǐng)域的專業(yè)大模型，實(shí)現(xiàn)AI+遙感的智能識(shí)別？這是否會(huì)顛覆傳統(tǒng)遙感行業(yè)？

近日，由中國(guó)遙感應(yīng)用協(xié)會(huì)定量遙感專業(yè)委員會(huì)、遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室主辦，電子科技大學(xué)、中國(guó)科學(xué)院水利部成都山地災(zāi)害與環(huán)境研究所承辦的第六屆全國(guó)定量遙感學(xué)術(shù)論壇上，吳一戎做了關(guān)于遙感大數(shù)據(jù)時(shí)代的主題報(bào)告。他介紹了面向遙感行業(yè)的專業(yè)大模型，也談到AI+遙感目前面臨的瓶頸問題。

“蠻力出智慧”

“我想給自己的報(bào)告起一個(gè)副標(biāo)題——蠻力出智慧。”吳一戎說，“人工智能，或是現(xiàn)在討論最多的大模型，從某種角度去看確實(shí)是蠻力，大模型需要海量的算法、存儲(chǔ)、數(shù)據(jù)樣本，沒有‘蠻力’出不了智慧。”以公眾最熟悉的大模型應(yīng)用ChatGPT為例，就屬于典型的“蠻力出智慧”。

事實(shí)上，在大量遙感衛(wèi)星分布的情況下，遙感大數(shù)據(jù)時(shí)代已經(jīng)到來。根據(jù)中國(guó)國(guó)家航天局公布的數(shù)據(jù)，目前，中國(guó)擁有超過200顆在軌遙感衛(wèi)星，可以持續(xù)對(duì)地球表面進(jìn)行探測(cè)和監(jiān)測(cè)。

“20年前能拿到一張遙感圖都是非常寶貴的，現(xiàn)在的遙感數(shù)據(jù)已經(jīng)是爆炸式的增加，遙感數(shù)據(jù)覆蓋面廣、體量大、場(chǎng)景任務(wù)多樣化，遙感大數(shù)據(jù)時(shí)代已經(jīng)到來。”吳一戎表示。

龐大的數(shù)據(jù)量之下，數(shù)據(jù)的種類復(fù)雜多樣，遙感衛(wèi)星拍攝的圖像分布于海洋、地面等不同的場(chǎng)景中，圖像中所涵蓋的植被、道路等要素繁多，不同季節(jié)、不同時(shí)間拍攝的圖像又存在差異，這就給人工識(shí)別帶來了很大的難度。“依靠人工專家判讀遙感數(shù)據(jù)的模式已經(jīng)是難以完成的任務(wù)。”吳一戎說，他認(rèn)識(shí)的一些判讀員，每天面對(duì)如此海量的圖像數(shù)據(jù)，有人已經(jīng)得了眼部疾病，“眼睛看不到東西”。

據(jù)吳一戎介紹，現(xiàn)在遙感領(lǐng)域已經(jīng)有一些細(xì)分的人工智能模型，針對(duì)某種目標(biāo)的遙感圖像數(shù)據(jù)判讀表現(xiàn)得很優(yōu)秀。“比如針對(duì)機(jī)場(chǎng)飛機(jī)的識(shí)別，這種模型已經(jīng)100%能識(shí)別出。大模型提出后，實(shí)際上是遙感應(yīng)用端的泛化。針對(duì)不同載荷、目標(biāo)、任務(wù)需要單獨(dú)設(shè)計(jì)模型，成本投入大、通用能力弱，迫切需要尋找更通用、更泛化的解決途徑。”

在吳一戎看來，大模型可以做更多的事情。但遙感大模型的問題之一是功能泛化所需要的算力呈指數(shù)級(jí)增長(zhǎng)；問題之二是針對(duì)特定的任務(wù)，需要提高解譯的精度、降低虛警率，這就對(duì)訓(xùn)練模型的數(shù)據(jù)提出了更高的要求。

總之，遙感技術(shù)大模型有三個(gè)重要要素，一是高質(zhì)量的樣本數(shù)據(jù)，二是泛化的模型結(jié)構(gòu)，三是下游任務(wù)高精度的指標(biāo)。

目前，人工標(biāo)注樣本效率低，而且數(shù)據(jù)質(zhì)量參差不齊。這意味著清洗樣本數(shù)據(jù)本身又需要一套算法。“我們現(xiàn)在研發(fā)了一套算法，這套算法能夠?qū)颖緮?shù)據(jù)進(jìn)行精細(xì)地標(biāo)注，但我認(rèn)為這套算法還非常初步，我們還希望有更多的專業(yè)人士一同推動(dòng)這件事。”吳一戎說。

“開源是趨勢(shì)”

可以預(yù)見，隨著AI大模型帶來的范式創(chuàng)新，AI遙感技術(shù)也有望以更低成本、更高效能“下沉”到產(chǎn)業(yè)的更多細(xì)分場(chǎng)景中。

吳一戎將人工智能比作一個(gè)黑匣子，其中有多隱層的神經(jīng)網(wǎng)絡(luò)，需要人為地輸入數(shù)據(jù)訓(xùn)練，才能使“黑匣子”理解數(shù)據(jù)關(guān)聯(lián)背后所傳遞的信息，從而輸出。因此，大模型每拓展一個(gè)新功能都需要用不同的大數(shù)據(jù)進(jìn)行訓(xùn)練，數(shù)據(jù)規(guī)模將爆發(fā)式增長(zhǎng)，也將需要更強(qiáng)大的算力。

在吳一戎看來，遙感的專業(yè)大模型要發(fā)展，應(yīng)該讓專業(yè)的大模型做專業(yè)的事，“不能有了ChatGPT，所有的需求都要泛化”。同時(shí)，大模型的泛化一定存在一個(gè)臨界點(diǎn)，不能持續(xù)泛化。“在泛化的過程中，模型的規(guī)模爆炸性增長(zhǎng)，一定會(huì)有一個(gè)臨界點(diǎn)，這個(gè)臨界點(diǎn)在哪兒，我們一定要仔細(xì)觀察，不能用蠻力一直干下去。”

基于遙感行業(yè)的應(yīng)用，吳一戎所在的中科院空天信息創(chuàng)新研究院聯(lián)合北京昇騰人工智能生態(tài)創(chuàng)新中心技術(shù)團(tuán)隊(duì)打造了“空天·靈眸”大模型。該大模型具備遙感數(shù)據(jù)理解、復(fù)原能力，可實(shí)現(xiàn)對(duì)跨模態(tài)遙感數(shù)據(jù)的共性語(yǔ)義空間進(jìn)行表征。

從產(chǎn)業(yè)動(dòng)態(tài)上來看，有越來越多的高科技公司和科研院校已著手加碼AI遙感大模型，并取得了一些階段性進(jìn)展，付諸遙感行業(yè)應(yīng)用。例如商湯AI遙感大模型以通用視覺大模型為基礎(chǔ)，具有不同地物種類、不同影像類型、不同影像時(shí)間和譜段的高泛化能力。航天宏圖打造的“天權(quán)”視覺大模型，面向多模態(tài)遙感數(shù)據(jù)，旨在解決現(xiàn)有“AI+遙感”業(yè)務(wù)模式下樣本標(biāo)注及模型泛化的局限性。

不過，在吳一戎看來，“空天·靈眸”大模型還有很多工作要做，在高質(zhì)量的樣本數(shù)據(jù)、泛化的模型結(jié)構(gòu)、下游任務(wù)高精度的指標(biāo)這三項(xiàng)重要要素中都面臨不少技術(shù)挑戰(zhàn)。吳一戎因而呼吁構(gòu)建更開放、開源的遙感智能生態(tài)。“沒有足夠的資源，不可能完整地把這件事做起來，大家都要參與，貢獻(xiàn)力量，不是專門一家做就行。”

“現(xiàn)在最缺的就是好的算法，識(shí)別率還要提升，大的框架、方向沒問題，現(xiàn)在關(guān)鍵是要解決一個(gè)個(gè)具體的問題。”吳一戎在與記者的交流中提到，“我們需要優(yōu)秀的青年技術(shù)人才，提出更好的算法。”

在第六屆全國(guó)定量遙感學(xué)術(shù)論壇上，電子科技大學(xué)副校長(zhǎng)羅光春表示，遙感是電子科大的重點(diǎn)拓展學(xué)科。“2004年，我校杰出校友、國(guó)際知名遙感學(xué)家、已故中科院院士李小文教授回母?；I建遙感學(xué)科，2012年成立資源與環(huán)境學(xué)院并擔(dān)任首任院長(zhǎng)。多年來，學(xué)校遙感學(xué)科建設(shè)取得了良好成效。”本次會(huì)議上，還公布了“李小文遙感獎(jiǎng)”名單，評(píng)選出20個(gè)學(xué)生口頭報(bào)告獎(jiǎng)和30個(gè)優(yōu)秀海報(bào)獎(jiǎng)，并舉行了頒獎(jiǎng)儀式。