本文是《中國測繪》對學院艾廷華教授的專訪文章，全文摘自《中國測繪》（第2023年第12期）。

——88858cc永利官网艾廷華教授談智能化測繪

作為引領新一輪科技革命和産業變革的戰略性技術，人工智能（AI）是當下全球科技和産業競争的焦點。在過去的數年間，人工智能幾乎滲透到科技創新和産業發展的每一個角落，測繪地理信息也在與人工智能的融合發展中，從數字化、信息化測繪時代快步邁進智能化測繪時代。

近年來，随着新一輪科技革命和産業變革的深入發展，智能化轉型已經成為大勢所趨。人工智能大模型成為人工智能邁向通用智能的裡程碑技術，将加速與測繪地理信息技術深度耦合。中國工程院李建成院士就曾提到，人工智能時代，測繪技術的特點是智能化，大數據智能化必将帶來測繪學的再次發展。

武漢⼤學88858cc永利官网艾廷華教授

地圖是國際上三大通用語言（音樂、繪畫、地圖）之一，也是測繪工作最重要的成果和服務形式之一。作為地圖制圖與地理信息領域的資深學者，88858cc永利官网艾廷華教授認為，在互聯網、大數據、人工智能、可視化等新型技術驅動下，地圖制圖的内涵與外延已得到極大拓展，産生了諸如泛地圖、場景學等新的認知。地圖制圖的範疇也已從傳統的現實世界向虛拟世界、網絡空間等泛空間拓展，地圖受衆對象正從面向人類服務朝着同時面向智能機器方向發展，産生了全息高精度導航地圖的概念。

一、智能化時代，測繪與AI “雙向奔赴”

步入智能化時代，人工智能已經被視為多種新興技術和産業轉型升級的重要驅動力。其實早在計算機誕生之初，關于機器學習、人工智能的設想和探讨就從未斷絕，但直到通用大模型的出現和發展，人工智能技術進入了大模型時代，其巨大生産力才得以被廣泛認知。

人工智能是研究開發用于模拟、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，從1956年達特茅斯會議上提出人工智能的概念以來，産生了多種智能表達與智能計算模型。先是基于規則推理的“符号主義”，後來出現了模仿相關智能性生命過程、物理過程的“行為主義”，目前發展到模仿神經元複雜結構的“連接主義”。作為AI的專業應用領域，地圖制圖在AI發展的不同階段，對AI相關技術成果的應用都有積極響應，并展示出地圖學獨特的空間型智能技術。

艾廷華認為，智能化測繪既是在人工智能大模型技術沖擊下所産生的新的測繪技術體系和生産方式，也是測繪地理信息技術自身向外拓展服務所必須經曆的發展階段。人工智能大模型的學習、理解和推理能力，凸顯了其理解和認知垂直領域問題的巨大潛力，對測繪地理信息數據生産與應用的智能化、泛在化具有重要的啟發和指導意義。

智能化測繪可以理解為通過人工智能的機器學習等能力、大模型算法等基礎工具應用到測繪地理信息領域後，再結合測繪地理信息領域的專業知識、原理，諸如影像解譯波譜特征、空間變換尺度效應、時空分析相關性原則等，從而形成的更加智能化的生産體系和更加泛在和普适的應用服務方式。

“當然，智能化測繪并不是AI和測繪機械式、簡單化的相加，也不能說智能化測繪是AI發展的附屬産物，更應該看到雙方的互相結合與雙向賦能。AI技術的引入為測繪地理信息提供了新的生産工具，大模型算法、地理信息大數據、測繪專業知識原理等都是智能化測繪不斷發展的重要驅動力。此外，地理信息大數據和測繪專業知識的引入也彌補了AI通用大模型對專業領域認知和理解的不足，拓展和衍生了AI大模型的應用服務範圍。”艾廷華解釋說。

艾廷華教授和學生們在一起

“其實測繪地理信息在發展演進過程中，有諸多特點與AI技術是趨同的。”艾廷華介紹，測繪地理信息和AI技術都呈現出數據密集的特點，數據都是他們的重要驅動力。以地圖制圖為例，地圖制圖在AI發展的不同階段，對AI相關技術成果的應用都有積極響應，并展示出地圖學獨特的空間型智能技術。

在人工智能“符号主義”早期階段，認為人的決策、推理等智能行為是基于知識規則的演繹，而規則是由一系列最基礎的邏輯單元符号構成。基于數理邏輯理論，構建了由規則庫、推理機、用戶界面組成的專家系統，是“符号主義”智能表達的典型代表。

在“符号主義”智能化技術驅動下，20世紀90年代地圖制圖領域也開展了地圖制作、分析的專家系統研究，探讨了地圖投影決策、空間數據到地圖符号轉換、地圖符号設計等研究，國内地圖制圖學科最早的一批博士論文研究也集中在該問題的探索上，還推出了專題地圖制圖專家系統，具備地圖色彩自動設計、符号選擇等功能。

然而，地圖制圖專家系統并沒有實質性地解決智能化制圖問題，地圖制圖規則、知識提取和建立與人腦完成同樣行為的真正的專家知識相去甚遠，僅通過地圖制圖圖式規範、專家口述調查和有限的案例分析，無法建立起完善的地圖制圖規則庫。缺乏深層次的非形式化表達的規則描述工具，同時基于數理邏輯的推理機制在規則演繹上也顯得力不從心。

人工智能“行為主義”則在控制論思想影響下，認為生命過程、物理過程的進化、控制行為可以用于智能的模拟，将神經系統的工作原理與信息理論、控制理論、邏輯以及計算機聯系起來，模拟自尋優、自适應、自鎮定、自組織和自學習等智能行為，推出了一系列模拟生命進化過程、物理控制過程的最優化算法。

地圖制圖技術與“行為主義”智能模型結合，開展了地圖制圖中符号設計、圖面配置、圖形綜合化簡等不确定性問題的優化決策研究，在遺傳、蟻群、免疫、模拟退火等一系列優化算法思想上進行了地圖空間決策研究，用于諸如地圖空間用地選址、時空現象發展趨勢預測、空間格局最優化配置、地圖注記自動配置等問題的解決。

這些智能決策研究比較零碎，針對不同決策行為采用了不同“行為主義”智能算法，缺乏系統地解決地圖制圖中智能問題的完整的策略，而且這種行為過程的智能化模拟缺乏可解釋性，不能從機理上揭示優化控制的邏輯聯系。

人工智能“連接主義”則是通過對複雜神經元結構的模拟，重點關注神經元之間的訊号傳輸連接，提出了一種當前最有活力的人工智能方法，産生了以深度學習為代表的機器學習方法，在影像地物識别、自然語言處理等領域展示出深度學習的強勁的智能模拟功效。

“連接主義”智能模型運用了梯度下降、局部相關、特征降維等算力增強的策略，實現了對智能行為複雜系統的高效率模拟計算。地圖制圖與深度學習的結合在前期研究取得了一些成果，這表明深度學習在地圖制圖領域的時空大數據特征識别、複雜制圖過程的決策推理、地圖空間模式的智能化認知、地圖設計中的藝術創意遷移等方面都有很好的發展前景，在發掘地圖空間知識規則、參與自動駕駛導航、高精地圖快速構建中可發揮積極作用。

“不難看出，人工智能和地圖制圖的發展軌迹總是相互關聯的，地圖制圖與深度學習的結合也将是地圖學智能化發展的必然途徑。”艾廷華總結說，總而言之，智能化測繪是AI與智能化測繪相互結合、深度融合的産物，它既是測繪地理信息智能化轉型的必然趨勢，也是AI技術從通用模型走向行業應用的必然過程。AI通過深度學習、大模型算法、影響識别等工具和能力，加速了測繪地理信息的智能化進程，而精準時空數據和地理信息知識規則也賦予了AI技術時空屬性和時空智能。

二、智能制圖與智慧分析，AI+地圖的轉型趨向

作為長期從事地圖綜合與空間數據挖掘方面研究的科技工作者，艾廷華對于AI+地圖的融合發展有着深入的思考。他告訴記者，地圖制圖包括地圖制作與地圖應用兩大分支任務，前者完成從數到圖的轉換，後者完成從圖到數的分析應用(地圖的應用分析表現為基于地圖的處理獲得由數表達的空間知識)。這兩大分支任務都可與深度學習結合，提升各自智能化水平。

地圖的設計制作是一項複雜的系統工程，涉及各種類型數據源的集成加工、空間特征分析提取、地圖投影變換、尺度變換與特征抽象概括、符号設計與可視化表達等任務過程。如何尋求新技術的應用，提高計算機制圖系統的智能化水平，一直是地圖制圖領域追求的目标。

“文本處理神器ChatGPT的問世，為文本制圖開辟了新路”，艾廷華結合他剛剛完成的一個工作談到，“使得利用地方志、新聞報道、非規則地名等資料快速制作地圖成為可能，我們團隊研制的“地名尋詩圖”和行政公文的“喂文吐圖”就實現了ChatGPT嵌入地圖制圖技術鍊，産生了新的地圖制圖方法。

艾廷華介紹，深度學習技術可貫穿從數據加工、圖形設計到地圖成果輸出的多個環節。地圖制作包括制圖數據處理與圖形生成兩個方面，在圖形生成中要完成地圖制圖三大技術過程：地圖投影、地圖綜合和地圖符号設計。這些分支任務都可不同程度地融入深度學習方法完成分析決策與智能化處理。

在制圖數據處理方面。目前，大數據環境下，各種對地觀測數據、社會感知數據、專業傳感數據、網絡自媒體數據等，為地圖制圖提供了大量的數據源。這些數據形式多樣、類型繁多、結構組織複雜，同時隐藏豐富的信息内容，傳統的數據處理方法難以勝任大數據處理的挑戰。針對制圖數據的分類、特征提取、圖形識别等帶有決策、判斷行為的加工處理，是AI深度學習應用的重要切入點。

“其實，地圖除了表達地理現象的空間定位分布，回答‘在何處？’‘有何物？’問題外，正逐漸轉向與地學領域知識結合，從空間特征機理、空間因果邏輯上回答‘怎麼樣？’‘為什麼？’的問題。”艾廷華介紹說，這拓寬了地圖表達的外延，同時，制圖數據源加工處理與地學領域知識的深度結合，将是帶有決策、判斷能力的AI深度學習模型新的用武之地。此外，運用AI深度學習模型對空間數據做綜合判斷、關聯分析與趨勢預測，進而制作空間知識表達的新型地圖，将是未來地圖制圖技術發展的一個重要趨勢。

地圖綜合是地圖制作中的重要技術環節，也是地圖獨有的抽象化空間思維表現形式，地圖綜合被認為是具有空間抽象思維的高度智能化行為，在地圖制圖技術體系中，它與AI技術的結合最為活躍。基于大量尺度表達的案例學習訓練，可以獲取圖形簡化、信息抽象、特征概括的規則知識，然後通過學習模型實施輸入新數據的尺度變換。在大量訓練樣本下，模型算法通過學習自動獲取各種圖形特征、結構關系與上下文環境下的地圖綜合表達規則，隻要案例樣本的代表性與規模化足夠，理論上是可以窮盡不同地圖綜合規則條件的。

地圖制作是具有藝術創意設計的加工過程，地圖符号的寫意、地圖幅面的風格、空間圖形組織的态勢都蘊含了地圖藝術創意設計的内容。地圖的表達除了體現空間投影模型與地學知識的科學性、數據處理圖形生成的可操作與高效率的技術性外，還要顧及受衆的美學感受與視覺認同的藝術特性，科學、技術與藝術三維度統一是地圖學的學科特點。

Ai深度學習能夠在視覺信息、聽覺信息處理中用學習的方法提取圖像、音頻中的風格模式，因此，基于深度學習不僅可以在圖像中發現藝術家的創作風格，還可遷移到新的藝術創作中，用模仿的手段設計類似風格的作品，模拟表達特定文化時代的創作特色。

深度學習技術的應用，使得地圖設計在保證内容科學性條件下引入奇特的藝術表現形式，為科學性與藝術性的結合尋找到一條新途徑。另外，地圖可視化符号的适宜性選擇，也可在深度學習支持下完成。在長期的地圖設計中積累産生大量地圖符号模闆、多樣的統計圖表形式，再針對特定的制圖數據從衆多的符号樣式中選擇适宜的可視化符号，是一個典型的決策問題。通過樣本的訓練應用深度學習實現符号選擇，是大數據背景下地圖設計的一個新思路。

地圖應用分析是地圖制圖技術的另一項任務，涉及大量識别、判斷、推理等決策分析過程，是AI深度學習在地圖學中應用的另一個結合點。深度學習模型支持下的地圖分析過程有賴于地學領域知識和地圖特征樣本庫的支持。

地圖樣本庫作為學習訓練的基礎，在地圖分析深度學習模型中扮演重要角色。地圖樣本類型包括不同空間分布特征的空間模式、用地類型、分布格局以及地理學上劃分的地貌類型、濕地類型、經濟功能區、城市功能區等。其中典型的、具有一定規模的樣本訓練後深度學習模型具備自我決策能力，能夠對新輸入的數據自行判别其分區、類型、特征等。

基于地圖的決策分析與地學領域知識的結合層次與深度的不同，可以分别完成幾何模式、主體特征、空間格局、區域相關等的決策分析；或者基于專業地學知識，實現對地學領域的專業化分析，諸如功能區劃分、時空過程趨勢預測、地學規律提取等專業應用和服務。

“可以說，AI深度學習能力及大模型算法的引入，為地圖制圖打通了智能化的技術路徑，也為地圖分析與應用打開了更廣闊的作為空間。”艾廷華不無感慨地說道，當然，目前無論從AI技術的應用還是從地圖制圖學自身的發展來看，雙方要走向深度耦合，還面臨着諸多難題。

三、面向深度融合難題，培養多層次複合人才

伴随着深度學習和大模型等工具的日趨成熟，AI+地圖或AI+測繪的廣闊圖景令人期待。但測繪地理信息和地圖涉及諸多專業的地學和空間信息學知識體系，目前通用大模型和深度學習能力還不足以完美理解和分析，這在一定程度上制約了AI+和測繪+的應用服務步伐。

艾廷華認為，從技術視角看，目前“深度學習+地圖制圖”受地圖制圖技術特定的專業特征、應用環境的影響，在地圖數據組織的非規範性、地圖目标樣本标注的專業性、地理特征與幾何特征的集成、學習模型的适宜地圖尺度選擇等方面存在着難題和挑戰。

一是地圖數據組織的非規範性。

地圖的數據内容是由結構化的地物實體構成，地理要素的類型豐富、結構關系複雜，用于地圖存儲的數據組織缺乏像圖像組織那樣規範的像元矩陣結構。

二是地圖⽬标樣本标注的專業性。

樣本庫是深度學習的基礎，正是具有代表性特征的一定規模的樣本訓練、學習才使得模型具有自我決策能力。在地圖領域建立深度學習模型所依賴的樣本的選取、标注需要依賴人的智能決策判斷，有些還要一定專業知識支持，難以在短期内建立大規模的樣本庫。地圖樣本标注的專業知識需求、典型特征識别的不确定性，增加了地圖與深度學習結合的難度。

三是地理特征與幾何特征的集成。

地圖是地理特征現象的圖形化表達，不是一般幾何圖形的可視化，其中蘊含着深層次的地學領域知識。在地圖深度學習模型建立時，既要考慮空間的幾何結構，還要顧及地學領域知識。在地圖分析中，空間認知對模式識别、特征提取發揮重要作用，而認知參量的定義與度量具有較強的不确定性，尋找合适的模式規則表達的參量也是一個挑戰。

四是學習模型的适宜地圖尺度選擇。

尺度是地圖表達的重要特征，它反映了地理空間抽象概括的層次。在地圖深度學習模型建立時，尺度特征尤其是數據表達粒度是一個重要影響因素。面向特定智能決策目标，選擇何種尺度表達的地圖、何種層次的數據粒度作為學習模型的數據處理對象是一個挑戰性問題。

“‘千言萬語不如一張圖’是對地圖空間表達能力的一種诠釋。為實現該目标，隻有将地圖與智能技術結合，讓地圖具備智能化分析、理解的能力，将隐藏在地圖背後的知識挖掘出來。”艾廷華說道。

科技、人才、創新，是當下中國經濟發展實現高質量增長的關鍵詞，也是中國實現跨越式發展的關鍵詞。而科技創新難題歸根到底是人才培育的難題，作為從教多年的資深教育工作者，艾廷華對此也深有感觸。他認為，智能化測繪的發展不是能夠一蹴而就的，需要從人才這個根本上抓起。

智能化測繪是一個轉型升級的曆程，也是學科交叉融合的過程，因此要破解智能化測繪難題，就要培育寬口徑、強專業的複合型人才。

從學科知識結構上看，人工智能與測繪的結合無疑給學生橫了一道高門檻，盡管測繪作為典型的理工科都會要求學生掌握紮實的數學知識，但面對深度學習、知識圖譜的衆多模型、算法的複雜公式，還是讓大部分學生望而生畏。

“在學科交叉融合的背景下，作為教師，首先要做的是培養和重構自己的交叉融合知識體系；其次是引導學生破除對于跨學科知識的恐懼，引導學生走進綜合、融合以及複合的知識體系大門裡；最後，我認為比較重要的一點是，要分層次、分階段地去引導學生去探索跨學科知識領域，像‘剝洋蔥’一樣分層次地去引導性教學，培養面向不同層級、不同方向的多層次人工智能複合型人才。在地理信息人工智能教學中，我告誡學生如果你能深鑽到機器學習模型内核可以做‘系統架構師’，掌握了ChatGPT之類LLM工具的垂直開發可以做‘提示工程師’，此外，還可以做樣本‘語料喂養師’或者‘樣本标注師’。總之要投入到人工智能的潮流中，别擔心搶飯碗的事，新技術開啟的新機會更多。”艾廷華分析道。

人工智能大模型是信息時代的産物，測繪地理信息以及地圖制圖更是數據密集和知識龐雜、專業的領域，二者的深度耦合任重而道遠。要使得計算機制圖系統的創意設計能力向人的大腦行為逼近，讓地圖分析系統具備類似人腦的智能水平，可謂道阻且長，它有賴于大數據和專業知識的雙向驅動，更需要測繪地理信息乃至地學領域的諸多同仁同向共行，不懈求索。