测绘地理信息与人工智能20融合发展的方向
地理信息指的是人对地理现象的感知，是与地理环境要素有关的物质的数量、质量、性质、分布特征和相互联系，以及规律的数字、文字、图像和图形的总称[1]。地理信息除了具备信息的一般特性外，还具有区域性、多维性和动态性等独特的特性。地理信息是国家基础性、战略性信息资源，涉及经济社会发展、生态文明建设、国家安全与人民生活便利化，因此自然资源部高度重视促进地理信息产业向高质量发展[2]。
测绘地理信息属于信息服务产业，主要以全球导航卫星系统(GlobalNavigationSatelliteSystem,GNSS)、地理信息系统(GeographicInformationSystem,GIS)、遥感(RemoteSensing,RS)，以及计算机通信网络技术为支撑，以地理信息"获取(传感网)→处理(生产)→应用(服务)"为产业链的信息产业[3]。测绘地理信息，即测绘地理信息服务是信息服务产业的基础和重要组成部分。中国地理信息产业协会在《2019中国地理信息产业发展状况报告》中指出，我国测绘地理信息产业规模正在持续扩大，市场活跃度保持在较高的水平，正在由高速发展向高质量发展转变。
测绘地理信息于1963年首次由加拿大学者R.F.Tomlinson提出。20世纪90年代，得益于计算机技术的不断突破，地理信息系统(GIS)在全球得到了快速发展和广泛应用，推动了纸质地图、专题图等传统地理信息向数字地理信息的转变，并在数据存储、表达、显示等方面取得了显著成果[4]。随着计算机技术、互联网技术、信息技术等快速发展，测绘地理信息已由数字化阶段发展到信息化阶段(智能1.0)。信息化测绘地理信息的核心是实现(近)实时、有效的地理信息综合服务，强调数据采集内容的多元化和专业化，特别是对地理信息的综合分析和深层次应用[5]，并表现出测绘地理信息获取实时化、测绘地理信息处理自动化、测绘地理信息服务网络化、测绘地理信息应用社会化等特征。
人工智能技术已经成为第四次工业革命的核心突破口。随着世界上主要大国将人工智能技术上升为国家战略，人工智能已经开始与各行各业交叉融合。中国新一代人工智能发展战略详细地阐述了新一代人工智能在基础理论、关键技术、应用方向等方面可能突破的方向。如何将这些新一代人工智能理论与技术用于测绘地理信息相结合，不仅是一个精彩的挑战，而且是一个重大的机遇。时空信息是一切信息的基准。完整地描述一个三维、动态的世界必须要有精准的时空信息作为基础框架，所有对真实世界的探测、运行规律的描述以及未来的预测，均需要建立在这个时空框架之上。
随着与对地观测技术、卫星导航定位技术、云计算技术、大数据技术、互联网技术、物联网技术和人工智能技术等其他高新技术的深度融合，地理信息服务水平也得到了大幅度的提升。对地观测技术的发展拓展了地理信息获取对象的范围；卫星导航定位技术的发展增强了导航定位终端的功能[6]；云计算技术和大数据技术的出现使得海量地理数据的存储、处理、开发利用的效率得到了提升；互联网技术、物联网技术和人工智能技术的蓬勃发展使得基于位置的应用逐步向智能化、个性化、娱乐化方向发展。通过与高新技术的深度融合，地理信息获取的自动化和应用的智能化水平都得到了极大的提升[7]。地理信息企业的业务模式也从简单的提供数据到数据挖掘、应用、服务等全流程地理信息解决方案的提供。当前，世界测绘地理信息产业主流化已经成为新常态，地理信息的价值在经济社会的发展中得到了充分体现。在数据驱动的时代，受到测绘地理信息、大数据、虚拟现实、增强现实、人工智能、物联网等高新技术的影响，传统的商业模式正在发生着巨大的改变。通过数据可视化、数字分析能力，新一代测绘地理信息为终端客户提供实时分析决策，在城市治理和规划、国防安全等领域以及电信、建筑、工程、智慧交通等领域提供了核心空间支持。随着北斗三号全球导航卫星系统的正式开通，需要加快推动测绘地理信息迈向新的2.0时代，这2.0时代就是智能的测绘地理信息时代[8]。
本文将从基础理论、关键技术、核心应用、开源开放平台等方面详细阐述新一代人工智能赋能测绘地理信息的路径，分析时空大数据智能处理理论、技术上的特点，为测绘地理信息迈向智能化2.0时代提供一种思考。
1测绘地理信息迈向智能2.0时代的驱动力分析数字化→网络化→智能化是信息化产业的一般发展规律。测绘地理信息属于信息化产业，因此，该规律同样适用于测绘地理信息。由此可见，测绘地理信息的高级阶段即为智能化阶段。
(1)计算机技术催生了地理信息系统技术的产生。在计算机软件和硬件的支持下，GIS能够按照空间分布和属性对各种地理信息以数字化的形式进行输入、存储、显示、更新、检索、制图以及综合分析。换句话说，没有计算机技术的发展，就没有GIS的出现。随着计算机能力的显著提高和网络通信技术的快速发展，GIS技术已能够实现网络化运行，使得GIS管理地理信息数据的能力由TB级提升到了PB级，分析和应用地理信息数据的水平也得到了迅速的提高。
(2)"互联网+"促进了测绘地理信息与各领域的深度融合。"互联网+"是互联网、云计算、大数据等高新技术在各领域"全工作流""全产业链""全价值链"中的深度融合和集成创新应用，已成为信息行业发展的新动力[9]。"地理信息+"与"互联网+"在本质上是一致的，都是进行跨界融合。地理信息与新一代信息技术的跨界融合催生了新的融合集成技术，例如地理信息与大数据、人工智能等技术进行跨界融合后催生了自动驾驶、增强现实等新技术；地理信息与移动互联网技术等进行跨界融合后催生了移动互联网地图等新应用。当前要抓牢北斗三号全球导航卫星系统开通的有利机遇，深化"地理信息+人工智能+北斗"发展。只有全力推动"地理信息+"在经济、社会、民生等各领域的深度融合，才能加快推动测绘地理信息迈向新的2.0时代。
(3)大数据技术和云计算为快速处理海量的地理信息数据提供了支撑。当前，随着遥感技术、通信技术等的快速发展，地理信息数据正在以TB、PB级的速度爆炸式增长。利用大数据技术，可以解决当前地理信息数据"高吞吐量"的问题，并能够快速完成各种类型数据的密集型计算[10-11]。虽然互联网为地理信息的共享提供了基础性的设施，基于互联网的WebGIS在某种程度上实现了在线处理分析、共享互操作，但是随着地理信息数据量爆炸式的增长、空间分析手段变得更加多元化，单个计算机的处理能力、分析能力、存储能力都难以实现对海量地理信息数据的快速处理。而利用云计算技术则可以解决海量地理信息数据的共享、存储、处理等方面的问题。云计算技术通过网络"云"将处理海量地理信息数据的程序分解为成千上万的小程序，然后分发给由多部服务器组成的系统进行处理和分析，最后对计算结果进行合并后反馈给用户。大数据技术和云计算计算支撑着海量地理信息数据处理的分布化、协同化和智能化。
(4)在信息技术中，新一代人工智能技术是加快推动测绘地理信息迈向新的2.0时代的核心驱动力。人工智能是计算机应用学科的一个分支，经过60多年的演进，特别是在移动互联网、大数据、超级计算、脑科学等新环境新技术以及经济社会发展新需求的共同驱动下，人工智能技术如今已进入了新的发展阶段。新一代人工智能技术已经由研究如何利用计算机模拟人类的思维、意识以及行为过程，转变为如何智能化模拟和管理复杂巨系统，例如智能交通、智能经济等。人工智能技术能够大幅度提高计算、识别和判断等方面的能力，并且能够避免人为因素产生的误差、过失等。人工智能的核心技术，如机器学习和深度神经网络要求为自动连续地学习，而云计算、大数据、物联网等技术又是机器学习和深度神经网络进行学习的环境支撑。新一代人工智能技术包括大数据智能、跨媒体智能、群体智能、混合增强智能和自主无人系统五大方向。如何融合新一代人工智能五大技术方向于地理信息服务的全过程，提高地理信息服务的精确化、智能化水平，是新时代地理信息服务的重大命题。
在分析新一代人工智能技术发展方向和测绘地理信息现状的基础上，本文提出构建智能测绘地理信息架构，包括智能测绘地理信息的基础时空数据框架、基础理论、关键技术、软硬件开源开放平台及其典型应用。整体框架设计如图1所示。
图1智能测绘地理信息2.0整体架构设计Fig.1Theframeworkofintelligentsurveyingandmappinggeographicinformation2.0图选项2智能测绘地理信息(IGIS)时空数据框架传统的测绘地理信息三维产品仅表达了地球的三维表层。真实三维世界是充满空间的、动态的，未来的测绘地理信息产品需要是真三维动态的时空大数据环境[12]，而与之结合的人工智能技术必须能够描述、表达和预测真三维动态的世界。因此，建立室内外一体化真三维世界孪生模型是新一代人工智能技术赋能测绘地理信息的基础设施。这里有两个方面的内容需要考虑：一是真三维时空大数据模型的构建，二是孪生环境中实体的动态定位与变化信息更新。
2.1基于3DGIS的真三维时空模型构建GIS在空间数据的表达与交互方面具有独特的优势，计算机图像学在三维实体表达方面具有独特的优势。真实世界的三维表达模型需要将两者的优势结合起来。近年来，建筑信息模型(buildinginformationmodel，BIM)已广泛应用于建筑工程领域。BIM能够为建筑工程建立虚拟的三维模型，通过数字化技术，为这个模型提供完整的、与实际情况一致的建筑工程信息库。该信息库不仅包含描述建筑物构件的几何信息、专业属性及状态信息，还包含了非构件对象(如空间、运动行为)的状态信息[13]。通过融合GIS和BIM，GIS将从户外走入房间内，从宏观走入微观，从而实现真3D的GIS。通过实体测绘，建立BIM实体，通过摄影测量为每个实体建立立体纹理，通过GIS来管理三维实体的属性信息，并表达实体间的相关空间拓扑关系。
真三维时空模型是应用人工智能技术描述现实世界的基础，但新一代人工智能技术仍然能够帮助更好地构建这一模型。例如，虽然GIS+BIM模型能够对现实对象进行逼真的表达，也能够提供较好的交互界面，但是这种交互一般局限于计算机显示器。在GIS+BIM模型的基础上融入人机混合增强智能技术，例如虚拟现实技术(virtualreality，VR)、增强现实技术(augmentedreality，AR)，建立基于GIS+BIM的智能三维可视化模型，可进一步提高人机交互性。VR是一种可以创建和体验虚拟世界的计算机仿真系统，通过产生的电子信号将其与各种输出设备结合使其转化为能够让人们感受到的现象，并使用户沉浸到该环境中[7,14]。VR具有沉浸性、交互性、多感知性、自主性、构想性等特征。AR是一种实时人机交互技术，是对虚拟信息和现实世界的融合[15]。AR主要包含虚拟现实融合、实时交互、三维注册三大特征。其中三维注册最为重要。三维注册强调虚拟对象和现实世界的对应关系，也叫三维匹配，是对现实环境空间的跟踪与定位[16]。
基于GIS+BIM的智能三维可视化模型，可利用AR的实时跟踪和三维注册技术将虚拟的BIM模型与真实世界"混合叠加"，实现同一画面的实时交互查询。同时结合北斗卫星导航系统与GIS技术，引入空间信息，将BIM模型与现实世界的真实坐标匹配，保证AR跟踪与定位准确性与精确性，从而可在辅助施工作业、军事训练、飞行训练、城市管理等方面。
2.2孪生实体动态定位与变化更新真三维时空模型中孪生实体的动态定位和变化更新是应用人工智能技术赋能测绘地理信息的另一个基础。只有精确地定位每个实体在真三维时空环境的位置和变化，才能建立描述、抽象、预测现实世界的人工智能模型。人类对于时间与空间位置的需求，正逐渐从粗略走向精准、从事后走向实时、从静态走向动态、从区域走向全球，智能时代需要高精定位基础设施支持。未来工业智能运行和控制对时间精度的要求是纳秒级的，对定位的要求可能达毫米级或更高。在这样的一个智能时代，精准定位技术必然要成为一个基础设施，赋予现实世界中每个实体统一、实时、精确的定位信息是人工智能技术赋能测绘地理信息的关键。
3智能测绘地理信息基础理论问题3.1真三维多重时空知识表达理论模型笔者提出的多重知识表达理论概括了人类大脑认识世界的3种方式[17]，包括言语表达，形象表达和深度神经网络表达，前两者描述了人类大脑的长期记忆模式，可以用知识图谱和视觉知识来表示，后者描述了人类大脑的短期记忆，可以用深度学习模型来表示。人们认识客观世界的三维时空信息也可以用上述3种理论来描述。
3.1.1三维时空信息知识图谱测绘地理信息知识图谱描述真三维时空中实体属性信息以及不同实体属性之间的相关关系。相较于一般的知识图谱的概念，测绘地理信息知识图谱中往往知识是附着在时空坐标信息上面的，通过时空坐标信息来挖掘不同实体属性之间的相互作用和相互影响。例如，一个人在道路上突然生病，他用手机向相关热线发送了一条急救信息，急救中心可以通过患者的手机定位信息快速地锁定其空间坐标和时间基准，并查找所有的急救车辆中的空闲和最近的车辆，并确定最佳救援路线。在这个救援过程中，所有的属性信息(生病的人、空闲的车辆、道路拥堵情况)均通过位置信息来发生关联，形成基于位置信息的知识信息。时空信息知识图谱理论是智能化测绘地理信息系统的核心功能，超越了传统GIS简单的空间分析，建立依托于精确时空信息的知识体系，挖掘出现实世界中地理实体之间的关系，为智能化管理打下基础。
3.1.2真三维时空信息的深度神经网络理论模型真三维深度神经网络理论集合视觉知识理论的一部分和经典的深度学习理论。视觉知识按照笔者的描述是心象的表征，适用于时空信息的推演与显式。而经典的深度神经网络理论，适合于挖掘二维图像的高层次抽象特征。所以结合视觉知识理论，将视觉知识中的三维显示与深度神经网络的高层次特征挖掘相结合，建立适合描述和表示真三维时空信息的深度神经网络理论是智能测绘地理信息的关键。当然，测绘地理信息描述的内容超越人类视觉知识认识的范畴，不仅包括人眼能够感知的光谱区域，还包括人眼不能感知的红外、微波等信息。但这些信息都可以表示为三维实体的多维属性信息，用统一的真三维深度神经网络模型来挖掘和处理。
3.2三维时空大数据推理预测智能测绘地理信息不仅需要能实时感知三维环境，更重要的是能够对于处理对象进行动态推理预测。时空大数据动态推理预测的特点在于预测未来事件的精确位置及附着在位置上的属性信息的变化。相较于传统的模型驱动因果推理，时空信息推理预测需要以数据为驱动，通过机器学习挖掘数据中内在的规律，来指导未来的预测推理。例如，城市交通拥堵情况预测，需要模型精确推理每个交通实体在三维空间的时间序列位置变化，挖掘位置变化的速度、加速度等高层次知识，还要将天气、交通事故、红绿灯等信息融合到整个模型中，从而准确预测未来的交通状况和实现智能化交通管理。
3.3三维时空动态识别对象分析三维时空动态识别对象按照处理的数据类型的不同可以分为三维空间几何变化分析和属性数据变化分析。三维空间几何变化分析侧重于目标或系统位置、几何结构变化的动态提取、监测和预测，属性数据变化分析侧重于目标或系统物理属性的动态提取、监测和预测。由于识别对象内涵的不同，采用的观测设备、分析模型、软件平台等都需要有针对性地选择和设计。例如，地物目标三维空间几何的结构性特征提取，需要选择多角度全景相机等相关设备，设计合适的三维深度卷积神经网络，利用视觉知识框架来提取目标结构化特征。而地物目标的特定成分，则需要选择精细光谱仪来获取目标光谱曲线，设计合适的高维数据特征挖掘算法来表达目标属性。
3.4智能化动态测绘基准构建测绘基准是测绘地理信息空间基础设施[18]。在统一的测绘基准框架下，不同部门、不同区域、不同时间获取的测绘地理信息才能共享互用，避免重复测绘和资金浪费。随着全球卫星导航系统(GNSS)技术的不断发展，测绘基准框架的建立正由传统模式向现代模式转变。通过GNSS快速、准确地获取地面点的大地经度、大地纬度和大地高，然后利用高精度数字高程水准面将GNSS获取的大地高转换为正常高，并结合连续运行卫星定位基准站网(CORS)确定的平面位置，向用户提供真正意义上的三维定位服务。
智能化动态测绘基准理论可以从以下几个方面进行展开。首先，大地水准面智能拟合理论。在建立数字高程水准面时，需要数以百万计的地球重力观测数据，同时需要真实的地形数据进行模型改正。利用大数据智能理论抽象重力数据的高阶特征，将经典拟合理论与深度学习模型进行融合，并在融合模型中兼顾数据误差和地形的影响，是大地水准面智能拟合的关键。其次，GNSS智能定位。由于受到大气层影响、多路径效应等相关因素的干扰，利用GNSS在进行定位时会引入噪声[19]，而这些干扰因素是极度非线性的，造成建模的困难。利用深度学习等对包含噪声的定位信息进行建模，消除这些干扰因素，是GNSS智能化高精度定位的未来研究方向。最后，测绘基准动态更新。由于地壳运动、地震或地面沉降等原因的影响，导致测绘基准框架在不断地变化，如何通过大数据智能地将局部变化更新到基准模型中是实现测绘基准更新的关键。
3.5边-端-云数据协同获取与处理随着传感器技术、移动互联网等技术的成熟，可通过卫星智能探测、智能移动设备(如手机、智能摄像头)等获取海量的时空数据。为了能够高效处理所获取的海量时空数据，需根据云-边-端协同处理理论，将时空数据处理合理的分布在云-边-端上，以构建高效的时空大数据智能处理架构。通过云端提供高性能的计算、共享个体终端的信息和知识、存储通用知识；通过边缘端提供算力支持，可以更有效地进行时空大数据的实时处理，以满足军事和应急抢险等方面对实时性的需求；个体终端则完成个性化的操作和处理。通过结合云端和边缘端，可以突破个体终端的存储和计算力的限制，提高智能算法的训练和推理能力。
4智能测绘地理信息关键技术4.1测绘地理信息与大数据智能融合以深度学习为代表的大数据智能正在逐渐应用到测绘地理信息的方方面面，如遥感图像分类、地图导航等。然而，主流的深度学习框架以二维信息的处理为出发点。如在深度卷积神经网络中，卷积核为二维卷积核，池化、非线性变化等都是以二维信息为基础。这就造成了应用大数据智能技术于测绘地理信息领域的一系列问题。因此，迫切需要开发基于三维时空数据的大数据智能模型。这里有5个关键的技术方面需要突破。
(1)真三维深度学习模型。设计适合三维信息的深度神经网络架构，需要建立三维卷积核，三维池化和三维非线性函数等基本结构。目前的三维深度神经网络模型面向的主要是数据的三维表面，且模型在计算效率、模型表达、精度等方面都存在比较大的缺陷。因此，整个三维深度神经网络的训练方法需要重新设计，训练过程的复杂度，模型的透明度和可解释性都是待解决的关键技术点。另外，三维深度神经网络模型无样本或小样本学习的关键技术。目前的无监督或自监督深度神经网络学习主要是针对二维图像或视频图像，还没有三维的无监督或自监督深度神经网络模型。
(2)真三维视觉知识表达和显示技术。计算机图形学一般处理三维对象的形状、结构等信息，但在真三维孪生环境下基于计算机图形学视觉知识表达和显示技术是一个需要探索的关键。它不仅关系到三维实体表示的问题，更涉及空间信息与属性信息的关联、抽象等高级知识生成。
(3)历史测绘地理信息大数据智能挖掘技术。测绘地理信息数据相较于其他大数据有一个优势就是历史积累的海量大数据。这些历史数据花费了大量的人力物力来实际调查完成，包括影像数据、地图数据、专题数据和其他社会数据。如何建立基于历史测绘地理信息大数据的智能挖掘技术，是测绘地理信息行业一个重大命题。测绘地理信息历史数据不仅可以为深度卷积神经网络等提供训练样本，而且是发现地物实体变化规律的主要信息源。例如，通过对城市的历史地图和影像大数据进行挖掘、分析，并利用深度学习建立模型，城市管理者可以掌握城市的运行规律和规划发展，甚至可以预测城市未来的发展趋势。地图移动端实时产生的大数据和历史数据可作为人工智能训练的样本，以帮助地图导航产品提高预判出行环境变化和趋势的能力。
(4)室内外一体化精确定位技术。室内外一体化精确定位是时空大数据动态预测推理的基础，只有获取了动态高精度的孪生环境实体的精确空间位置，才能挖掘出模式和规律。反过来，通过融合大数据智能技术也可以改进和提高目前的GNSS和室内定位的精度，如定位信号干扰源的智能识别分析，融合移动手机图像的定位分析等。
(5)测绘地理信息与社会大数据融合。城市管理资源配置的决策依赖于人类社会中群体行为与社会结构、信息空间中事件和主题、物理世界中空间位置信息之间的关联。人类社会、信息空间以及物理空间的大数据具有关联复杂性的特点，其关联复杂性体现在多维演化、多元异构以及多尺度关联等方面。面对如此复杂的关联关系，需要对人类社会、信息空间以及物理空间的大数据进行深层表征的建模，即将人类社会、信息空间和物理世界的三元数据作为输入，从已知关联中通过深层表征建模的方法，学习三元空间的统一表征空间。在此基础上建立"人-事-地"大规模图深度网络，可实现城市管理的精细化、科学化和智能化。例如，在流感爆发之际，建立个体体征属性和其他属性的映射，如某种流感与年龄、身体体征等之间的关系；其次，基于社交网络可知道个体之间的交往程度及其个体活动的地理位置信息；通过"人-事-地"大规模图深度网络，可以准确预测流感疫情的趋势。如某个人的兴趣爱好这一属性为"球迷"，"工人体育场"这一地点发生的事件是足球比赛，则这个人就工体与足球比赛建立起了关联。在打通了人事地关联关系之后，则这个人所住小区就与工人体育场发生了关联。基于"人-事-地"大规模图深度网络，可以预测城市中交通走向等。
4.2测绘地理信息与跨媒体智能融合时空大数据中承载的信息源种类繁多，如城市声音污染源是音频信号，城市大气污染源是嗅觉信号，城市概貌是图像信号，城市热岛效应是触觉信号，城市大楼的名称为文本信号。在孪生测绘地理信息的大框架下，这些多媒体信号的公共点是时空坐标基准是相同的。人类智能的重要特点之一，是综合利用视觉、语言、听觉等各种感知所记忆的信息，从而完成识别、推理、设计、创作、预测等功能[20]。测绘地理信息与跨媒体融合的关键是多媒体信息与时空数据的关联之道，建立多模态的智能数据存储、处理、分析、预测框架。例如，在地图生产内业中，利用机器视觉可从卫星影像、无人机影像中识别和标注道路，从街拍实景影像、视频中识别和标注道路两旁的店名等，从而实现图像、图形和文本信息的融合应用，提高地图生产效率。
4.3测绘地理信息与群体智能融合群体智能计算由易到难可分为3种类型[20]：①实现任务分配的众包模式；②较复杂、支持工作流模式的群体智能；③协同求解问题的生态系统模式。通过互联网参与和交互，大规模个体可以表现出超乎寻常的智慧能力。对于测绘地理信息领域，比较直接的技术融合方向是群智时空大数据采集，主要是应用第一层次群智计算，可以概括为"众包测绘"的模式。在该模式中，可以将专业测绘手段、监控设备测绘、车载设备测绘、个人移动设备信息测绘集合于一体，彻底改变目前时空大数据采集的过程，将每个领域，每个对象的通用设备信息采集纳入到专业化测绘成果中。也只有采用群智的模式，才能完成对时空大数据的动态更新。当然，各种设备采集的信息如何从完成从数据到信息到模型再到知识的转化，需要很多多源数据融合和处理工作。另一个比较高阶的技术融合方向是群智开源测绘地理信息软件平台。需要建立统一的开源生态，建立数据、模型和算法的共享机制。
4.4测绘地理信息与人机混合增强智能融合人的智能是自然生物的智能，与人工智能相比各有优势。通过人机协同工作、取长补短，以形成一种"1+1>2"的增强性智能系统。测绘地理信息与人机混合增强智能融合的一个典型方向是三维地图与自动驾驶的交互融合。三维地图导航与人机混合增强智能系统相结合，一方面在驾驶场景中以智能自主驾驶提高驾驶效率；另一方面，以人机交互保障驾驶的安全。人机混合增强智能可以让依靠移动端导航的司机、骑手完全解放双手，通过言语来使用地图上的各种功能，使得注意力更集中于驾驶，从而保障出行安全。在经过多次对话后，可构建一个可持续沟通的人机交互环境。
4.5测绘地理信息与自主智能系统融合相比于类人机器人，自主智能系统(无人飞机、无人汽车等)往往更加高效。测绘地理信息既是自主无人系统的受益者也是自主无人系统的促进者。一方面，未来绝大部分的测绘地理信息将依赖于自主无人系统来获取，其不仅能够获取初始的测绘地理信息数据，而且能够完成大部分数据处理边缘实时计算，直接得到测绘地理信息产品。另一方面，高精度测绘地理信息时空大数据是自主无人系统智能化的第一步。例如，高精度地图是实现无人驾驶不可或缺的重要组成部分。高精度地图可以提高自主智能系统的定位精度，而且在自主智能系统的传感器失效时，能够弥补环境感知设备的不足。自主智能系统能够在所给的地图中通过增强学习的方式去自动需求位置、规划路线，反过来，自主智能系统在适用过程中能不断向地图提供细节与改善，使得地图更加好用。相比以前，地图不再是辅助性的，而是在自主智能系统(如无人飞机、无人汽车等)的决策过程中，直接参与控制、决策与学习。
5构建智能地理信息基础平台问题国务院于2017年7月8日印发并实施的《新一代人工智能发展规划》中强调，要构建基础人工智能开源开放平台[21]。平台具有引导性、公共性等先决属性。在公众所接触的所有信息中，绝大部分都具备地理属性。因此，智慧城市[22]、智能交通、智能农业等的"智慧"和"智能"必然具有空间地理信息的内涵。为了更好地建设智慧城市、智能交通、智能农业等，智能地理信息基础平台(主要包括智能硬件平台、汇聚公众采集的开源数据平台、群智开源软件平台等)的构建势在必行。
5.1智能硬件平台充分利用现代工业制造中的新工艺、新材料以及新一代人工智能技术(包括大数据智能、跨媒体智能、群体智能、人机混合增强智能、自主智能系统)，不断提升地理信息数据采集、处理、应用硬件的智能化水平。基于大数据智能技术，在硬件(如FPGA、DSP等)上固化大数据智能挖掘、分析等智能算法，实现机载、星上实时智能处理与传输。基于跨媒体智能技术，构造模拟和超越生物感知的智能芯片和系统，以极低功耗来高效地表达外部世界复杂的地理信息。基于群体智能技术，加快平台智能编队的步伐，例如智能编队卫星、智能编队无人机等，集所有编队平台的智慧更好地服务于城市管理、防灾减害、国防建设等场景。基于人机混合增强智能技术，研制人机混合增强智能系统，将人类的智慧、经验实时主动输入机器，机器智能结果也交会与人，从而连接起人类智能和机器智能。基于自主智能系统技术，大力发展海洋、地面、航空、航天等自主智能观测硬件系统，如水下自主无人智能系统、智能无人测绘汽车、智能无人机、自主智能卫星等，大幅度提升采集三维地理信息数据的智能化水平。
5.2汇聚公众采集的开源数据平台当前，地理信息数据的采集与使用常处于矛盾的境地。一方面，人们在进行与地理相关的研究和业务时，常常遭遇无地理信息数据可用的窘境；另一方面，相关部门在采集地理信息数据后，由于缺乏地理信息数据分析的专业知识，使得大量的地理数据处于闲置状态。为打破"数据孤岛"，使各部门的数据互通，开源的地理信息数据平台不可或缺。
通过开源的地理信息多媒体数据平台，可汇集历史与现状的基础地理信息数据(包括矢量数据、影像数据、高程模型数据、地理实体、新型测绘产品数据等)、历史与现状的公共专题数据、智能感知的即时数据、空间规划数据等。实名注册用户可随时随地查看所需数据集，并在统一平台上分析、管理数据。为保证安全性，对于涉密的地理信息数据，须进行脱密处理后方可共享于开源数据平台上，或按权限等级进行访问。通过汇聚公众采集的开源数据平台，可实现多源异构地理信息大数据的共享、互操作和无缝流转，实现不同类型数据的有效集成，并提供应用层面的统一访问接口、统一查询方式和统一操作行为。
5.3群智开源软件平台群体智能通过集合群体的智慧来应对各种挑战，提供了一种解决问题的新范式[23-24]。以物联网、移动互联网为纽带，建立地理信息领域的群智开源平台，不仅可以推动地理信息领域的理论技术创新，还能对整个测绘地理信息的应用创新、管理创新和商业创新提供核心驱动力，使得跨时空地汇集群体智能、高效地重组群体智能、更广泛而精确地释放群体智能成为可能。群智开源平台可通过吸引、汇聚和管理大规模参与者，以竞争和合作等多种自主协同方式来共同应对挑战性任务，特别是开放环境下的复杂系统决策任务，涌现出超越个体智力的智能形态。
地理信息群智开源平台是一个综合性平台，可提供基于群体开发的开源GIS软件、基于众问众答的知识共享等。
5.3.1基于群体开发的开源GIS软件软件开发是一种智力活动，涉及群体的创造性和制造能力[25]。开放源码和软件众包是基于群体开发开源GIS软件的两种主要方式。开放源码项目托管服务，例如GitHub、GoogleCode、SourceForge，可以让任何人在任何时间创建和管理开放源码软件(opensourcesoftware，OSS)项目。世界各地的开发人员都可以轻松地访问这些OSS项目的源代码、文档和测试用例，并参与整个开发过程。这种精英制度促使专业人士和业余人士积极地在OSS社区中分享他们的想法、经验和源代码，并协同创建新的软件产品。软件众包是对参与软件开发任务的一种公开选拔，包括文档编制、设计、编码和测试。软件众包通常采用明确的激励措施，特别是竞赛奖品等金钱奖励，来刺激社区成员的参与。
5.3.2基于众问众答的知识共享在进行与地理相关的研究或作业时，由于单一个人或团体的知识储备或经验不足的原因，不可避免地会遇到难以解决的问题。个人或团体可以将所遇到的问题在群智开源平台上进行详细、清晰地描述，供所有用户对该问题进行分析，然后提出解决问题的办法和建议，并做成本规划和可行性分析。集所有用户的智慧提出的解决方案可以快速有效地解决所提出的问题。另一方面，用户可以将自己的经验和知识分享到群智开源平台上，以形成与地理信息相关的知识库。
6智能测绘地理信息典型应用6.1智能自然资源监测自然资源是每个国家发展所能依赖的最重要资源和基础，《深化党和国家机构改革方案》要求将包括"山、水、林、田、湖、草"生命共同体在内的自然资源进行统一管理。新时代的自然资源统一管理需要对传统的管理方式从自然资源现状调查、过程监测、状态修复到未来规划进行全面的精确化、智能化改造与升级。
人工智能技术是一种像"水"和"电"一样的使能技术。如何融合新一代人工智能五大技术(即大数据智能、跨媒体智能、群体智能、混合增强智能和自主智能系统)于自然资源管理的全过程，提高自然资源管理的精确化、智能化水平，是新时代自然资源管理的重大命题。
自然资源监测是自然资源管理的基础。建立自然资源智能监测系统，可解决传统自然资源监测系统在数据采集、数据存储、数据分析、数据展示等方面存在的问题。
(1)在数据采集方面，目前的自然资源监测系统主要以特定需求或问题为导向进行数据采集。例如，农田监测系统的采集体系是面向特定的农田资源进行设计的，采集系统任务单一、不具备环境适应性，无法适应作业环境的变化，不能理解所采集的数据内容。利用深度学习等人工智能技术，自然资源智能监测系统可在采集时就能识别采集对象，并且当采集的对象发生变化时，也会触发采集行为，从而提高实时解决问题的能力，做到数据采集的省时省力省资源，快采快传快识别[26]。
(2)在数据存储方面，当前由于大多自然资源监测数据是涉密或者敏感的，通常采取集中存储，从而导致数据的知识产权难以确定、数据得不到共享。利用基于区块链的人工智能移动加密技术，自然资源智能监测系统可以有效地解决自然资源数据保密和传输的问题。区块链去中心化的加密手段可从源头上对各类自然资源涉密涉隐数据进行封装，使得涉密涉隐信息在存储和传输中无法被窃取[27]。
(3)在数据分析方面，自然资源监测和管理工作的核心在于制定标准并实施有效监督管理，实现资源配置效益最大化和效率最优化。人工智能基于关系模式数学能够发现数据和行为之间的内在联系，分析宏观及微观的趋势，进而使系统具有挖掘、分析及预测能力。
(4)在数据展示方面，目前自然资源数据的展示通常是基于固定模板或者由专家按照特定规则定制形成，其形式是事先确定的，不能够真正实现数据的智能化个性化展示。随着新一代人工智能技术的发展，虚拟现实、增强现实等丰富了自然资源数据的展示形式，从而为自然资源智能监测的应用提供了更多的可能性。
6.1.1大数据智能在自然资源监测中的应用目前的自然资源调查监测存在自动化程度低，结果准确性不高等相关的问题。其原因主要在于没有建立适合自然资源本身特点的智能化调查监测手段。首先，建立自然资源真三维时空大数据环境，其次，设计真三维自然资源多重知识表达模型，包括三维自然资源深度学习表达，自然资源三维图形知识表达等。还要针对小样本问题构建无监督或自监督三维深度神经网络模型。最后，是历史自然资源调查监测数据智能挖掘。测绘地理信息历史数据不仅可以为深度卷积神经网络等提供训练样本，而且是发现地物实体变化规律的主要信息源。
6.1.2群体智能在自然资源监测中的应用自然资源监管存在着监管对象复杂、任务重以及范围广阔等特点。传统的自然资源数据主要依靠卫星图像、专职人员现场数据采集核对和在固定地点安装专业设备采集数据3种方式获取。然而，卫星的图斑图形所能获得数据的粒度过粗。利用专职人员或安装专业设备进行数据采集需要大量的人力和物力成本，难以完全覆盖所有需要监管的对象，更不用说对所监管对象的全程实时数据采集和监控。通过群智技术，可以建立相关的群智自然资源监测平台，基于群智感知的自然资源信息收集系统，即可实现低成本、大规模的实时监管与高效配置自然资源。手机或其他智能终端的用户通过在平台上接受任务后即可开始自然资源数据的收集，系统则筛选出高质量的数据用于后续的分析处理。
6.1.3跨媒体智能在自然资源监测中的应用随着传感技术的发展，获取自然资源数据的手段日益丰富，数据表现形式多样，包括以图片、文字、声音、视频等形式融合表现的多元跨媒体信息，其具有复杂、海量、异质多元、大范围时空关联等特点。通过跨媒体智能，可以在短时间内对复杂多维的自然资源数据进行有效地检索、存储、分析处理与挖掘。
6.1.4人机混合增强智能在自然资源监测中的应用人机混合增强智能可以有效地实现人机交流和通信，增强自然资源监测系统的决策能力，提高系统对复杂情况的适应性以及处理复杂任务的能力，从而使得混合增强智能系统能够生成比单一自然资源智能监测系统更为精确可信的结果。
6.1.5自主智能系统在自然资源监测中的应用在进行自然资源调查监测过程中，不可避免地会遇到地形复杂、条件恶劣的环境，不宜再采用依靠人力的常规调查监测手段。此时的最佳选择是利用自主智能系统(例如自主无人车、自主无人机等)进行自然资源调查监测。自主智能系统能够在所给的地图中通过增强学习的方式去自动需求位置、规划路线，以完成调查监测的任务。
6.2室内外一体化智能导航全球导航卫星系统(GNSS)为人们提供了有效的室外定位手段，已经成为人们出行导航的必备工具。随着我国北斗三号全球导航卫星系统的正式开通，北斗系统的功能和性能将得到进一步提升，北斗应用的规模化、产业化和国际化将更进一步。当前，北斗全球导航卫星系统的定位精度为分米、厘米级别，测速精度0.2m/s，授时精度10ns。但当前的GNSS也存在着一些缺陷，例如当卫星的信号被干扰或者是被遮挡时，卫星导航系统将失去定位导航的能力，在高楼林立的城市区域或大型场馆的室内，卫星定位的精度会大幅度降低，甚至无法定位，然而大型公共场馆内部建筑结构复杂、人员密度高、场馆内设备数量大、对室内定位的需求十分迫切，定位与位置服务的"最后一公里"问题日益突出。
为了满足"智能时代"对定位、导航的无缝和连续可用的需求，需加快完善室内外一体化导航基础设施的建设，保证各种场景下的定位精度和覆盖范围的平滑过渡和无缝连接。基于北斗的室内外一体化无缝定位和导航，一方面要大范围地发展"地基+星基"定位增强系统，地基增强可通过安装有高精度卫星定位接收机的地面基准站网络解算出用户所接收到的卫星导航信号的误差修正信息，然后通过地面通信方式告知用户来提高其定位精度，星基增强是通过卫星播发上述修正信息让用户提高精度。高、中、低轨卫星与地基增强系统相结合才能构建起实时无缝理想的卫星高精定位导航系统。另一方面，在大型商场、展览馆、停车场、会展中心、车站、医院、码头、机场、学校、博物馆、景区景点等大型公共设施内部铺设基于Wi-Fi的室内定位系统、室内高精度定位系统(indoornavigationnodenet,INDOET)。此外，还需研制集成北斗卫星导航和Wi-Fi等模块的室内外无缝定位终端。
室内外一体化智能导航系统是综合应用人工智能、信息管理、认知心理学与行为学等多学科理论与技术而构造的智能信息系统，能自主识别用户需求，并引导用户实现高效率的信息检索与获取。其中，新一代人工智能理论和技术(包括大数据智能、跨媒体智能、人机混合增强智能、群体智能、自主智能系统)是实现室内外一体化智能导航系统的关键。
室内外智能导航系统终端是物联网感知前端的时空位置传感器，其产生的带有精准时空位置标签的时空大数据，是对大数据赋予时空信息，以与其他各类大数据实现关联，直接发现事物本质的普世、快捷和可靠的智能方式。
(1)大数据智能在室内外一体化智能导航中的应用。数以亿计的智能手机、监控视频摄像头、车载定位系统等每时每刻都在产生海量的时空数据。通过大数据智能，对时空大数据进行深度挖掘、分析，建立数据驱动、以自然语言理解为核心的认知计算模型，形成从大数据到知识、从知识到决策的能力。例如，在隧道应急救援时，根据被救援人员的智能手机或车辆定位系统等，获取其精确的地理位置信息，结合大数据智能、移动互联网和云计算等新一代信息技术，为抢险救援人员规划最佳救援路线，缩短救援时间，并向其他车辆发出道路拥堵预警，实时更新最优行车路线，减少拥堵。
(2)群体智能在室内外一体化智能导航中的应用。室内外一体化智能导航的实现并非一己之力所能为之，而需通过群体智能，集合所有科研人员、工程人员的集体智慧，从数据源、数据质量、样本库、算法、系统到硬件，构建服务于室内外一体化智能导航的交互式群智涌现平台。例如，在建立样本库时，单个个体所能搜集到的样本十分有限，而通过所有科研人员、工程人员等搜集到的样本不仅数量庞大，而且种类也会相对齐全。所搜集到的样本则共享于交互式群智涌现平台，供用户使用。
(3)跨媒体智能在室内外一体化智能导航中的应用。时空大数据承载的信息源种类繁多，通过跨媒体智能，可使室内外一体化智能导航系统具有类人甚至超人的智能感知和跨媒体的感知计算能力，包括类人和超人的主动视觉、自然声学场景的听知觉感知、自然交互环境的言语感知及计算、面向媒体感知的自主学习、大规模感知信息处理与学习引擎、城市全维度智能感知推理引擎。例如，用户可通过语音设置起点和终点，室内外一体化智能导航系统在接收到指令后即可提供检索、路线规划等服务，并通过文本、图像、语音等多种形式展现出丰富的指引信息。
(4)人机混合增强智能在室内外一体化智能导航中的应用。基于人机混合增强智能，通过人机智能共生的行为增强与脑机协同、真实世界环境下的情境理解及人机群组协同等，提升室内外一体化智能导航用户的体验。例如，通过AR/VR技术，并配合高精度地图，可在城市真三维时空大数据环境中进行模拟导航，验证道路的合理性。
(5)自主智能系统在室内外一体化智能导航中的应用。基于自主智能系统理论与技术，室内外智能导航系统通过自身携带的各种传感器感知自身状态以及周围环境信息，据此来完成在未知环境中的自主运动。例如，自主无人机在新环境中执行任务时，利用各种传感器感知周边复杂环境信息，通过深度学习等算法规划最优路线，自主的运动，并对行进的路线进行记录，更新对新环境的认知。
7结束语本文分析了新一代人工智能技术对于测绘地理信息发展的影响智能测绘地理信息发展的驱动因素，构建了智能测绘地理信息基础理论、关键技术和软硬件平台整体框架，提出需在时空大数据孪生环境、时空信息知识图谱、真三维深度神经网络、时空大数据动态预测推理等理论方面展开突破，建立了大数据智能、跨媒体智能、群体智能、混合增强智能和自主无人系统五大智能技术与测绘地理信息进行融合方法，强调了智能测绘地理信息软硬件平台的重要作用和构建方式，最后以自然资源智能监测为典型案例，分析了相关的理论、技术和平台在测绘地理信息行业的实际应用。通过本文的论述，理清了人工智能赋能测绘地理信息的内涵、重点内容和路径，为测绘地理信息迈向智能化2.0新时代提供了一种思考。
致谢:感谢吴飞教授、朱强教授对本文的支持。
加快推动人工智能产业高质量发展
人工智能产业为中国经济发展提供战略新动能，是引领中国经济发展的重要战略抓手。2018年9月17日，习近平总书记在致2018世界人工智能大会的贺信中指出，新一代人工智能正在全球范围内蓬勃兴起，为经济社会发展注入了新动能，正在深刻改变人们的生产生活方式。习近平总书记强调，中国正致力于实现高质量发展，人工智能的发展应用将有力提高经济社会发展智能化水平，有效增强公共服务和城市管理能力。习近平总书记的重要论述，为人工智能产业实现高质量发展，更好服务于人民的美好生活指明了方向。
推动高质量发展是“十四五”时期的主题
党的十九届五中全会明确指出，我国经济已转向高质量发展阶段。以推动高质量发展为主题，是“十四五”时期以习近平同志为核心的党中央根据我国发展阶段、发展环境和发展条件变化对我国经济做出的新的重大科学判断。习近平总书记指出，高质量发展就是体现新发展理念的发展，是创新成为第一动力、协调成为内生特点、绿色成为普遍形态、开放成为必由之路、共享成为根本目的的发展。高质量的发展意味着在中高端产品消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域需要培育经济新增长点、形成发展新动能。新时代新阶段的发展必须贯彻新发展理念，必须是高质量发展。而推动经济高质量发展，关键在于以创新为驱动、高质量供给为引领，加快建立科技创新体系，构建现代产业体系，推动质量变革、效率变革、动力变革，建立中高端产业链、价值链，使发展成果更好惠及全体人民，不断实现人民对美好生活的新需求。
当前新一轮科技革命和产业革命正在发生变革，这与我国高质量发展形成历史性交汇。“十四五”时期我国经济发展应抢抓这一重要变革机遇，为高质量发展“动力换挡”导入强劲引擎。伴随移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术的驱动，以人工智能技术为代表的新一轮科技革命蓬勃发展，以前所未有的速度和方式改变着经济发展，成为高质量发展的重要引擎。习近平总书记在十九届中央政治局第九次集体学习时的讲话中指出，“人工智能是引领这一轮科技革命和产业变革的战略性技术，是新一轮科技革命和产业变革的重要驱动力量，具有溢出带动性很强的‘头雁’效应”。加快发展新一代人工智能不仅“事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题”，而且是“我们赢得全球科技竞争主动权的重要战略抓手”，更是“推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源”。在推动经济高质量发展的过程中，人工智能产业的高质量，可以为中国经济发展添薪续力。
党的十九届五中全会审议通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》指出，“在当前和今后一个时期，我国发展仍然处于重要战略机遇期”，要紧扣重要战略机遇新变化，“坚持把发展经济着力点放在实体经济上，坚定不移建设制造强国、质量强国、网络强国、数字强国，推进产业基础高级化、产业链现代化，提高经济质量效益和核心竞争力”。在推动经济高质量发展阶段，人工智能正在为中国新旧动能转换和国民经济高质量发展提供有力支撑，它是推动工业变革的核心驱动力量，也是最能体现知识要素贡献和打造经济社会发展新动能的基础设施产业，加快推进人工智能产业优化升级，成为未来科技创新的一个“超级风口”。近年来，中国人工智能产业化发展迅速，技术发展日益成熟、应用场景日益丰富，企业数量、融资规模均居全球第二，成为人工智能产业化大国之一。与此同时，我国人工智能产业的发展在基础理论研究、关键核心技术、人才培养等方面存在一些短板，这在一定程度上限制了人工智能产业创新发展潜能的充分释放。对此，习近平总书记强调，要深刻认识加快发展新一代人工智能的重大意义，加强领导，做好规划，明确任务，夯实基础，创新技术，促进其同经济社会发展深度融合，推动我国新一代人工智能实现高质量的发展。
以人才、技术促进人工智能产业实现高质量发展
我国人工智能产业迅速发展，在智能芯片、智能算法、知识图谱、计算机视觉、自然语言处理等技术方面不断取得突破，为人工智能产业的创新发展奠定了一定基础。但中国智能产业在芯片硬件等关键性核心技术上仍然比较薄弱，这成为制约人工智能产业实现高质量发展的重要隐患。对此，习近平总书记指出，人工智能具有多学科综合、高度复杂的特征。我们必须加强研判，统筹谋划，协同创新，稳步推进，把增强原创能力作为重点，以关键核心技术为主攻方向，促进人工智能实现高质量发展。
重视产业人才培养，构建“引才、留才、用才”新格局。人工智能产业要实现高质量发展，培养人工智能人才是关键。因此，要强化多层次人才的培养和引入。一是培养人工智能产业所需的复合型人才。一方面，构建以技能为本的劳动力市场，鼓励企业和各类机构为员工提供人工智能技能培训，培育一批专业技能扎实、科学素养高、动手实践能力强、具备开阔产业应用视角和国际前瞻视野的人才，确保关键工种拥有充分数量的人才储备；另一方面，完善高校人工智能学科体系建设和布局，深化“产学研”融合发展，鼓励高校、科研院所与企业合作，通过校企共建人工智能专业和课程，培育更多符合人工智能产业高质量发展所需的复合型人才。二是坚持“走出去+引进来”，加大全球高端人才的培养和引入。一方面，选派人工智能领域优秀科研人员赴海外学习交流，扩大国际化视野；另一方面，充分利用海南自由贸易港、自由贸易区、粤港澳大湾区等历史性战略机遇，鼓励人工智能产业人才引入。
加快完善数字基础设施，增强人工智能科技创新能力。人工智能产业要实现高质量发展，技术的完善和突破是重点，这就要求在技术上既要加快完善基本数字基础设施，也要坚持核心技术的攻坚克难。一是要完善数字基础设施，推动传统产业智能化转型。一方面，充分利用新基建机遇，加强人工智能基础研究和技术研发，协调推进各类数据中心、5G网络部署，全面提升端侧的数据计算、采集及传输能力，为传统产业全面向数字化转型打造坚实广泛的计算基础。另一方面，充分发挥国家新一代人工智能开放创新平台赋能作用，加强传统产业与科技公司合作力度，共同突破工业数字化壁垒，实现双赢。二是要加大基础研究力度，加快突破一批人工智能产业化关键技术。国家要调整人工智能投入结构，提高基础研究经费投入比重和投入力度，支持科学家勇闯人工智能科技前沿的“无人区”，鼓励校企开展深度合作，建立协同创新联盟，努力在人工智能发展方向和理论、方法等方面取得变革性突破，确保我国在人工智能重要领域的理论研究走在前面。同时，要以问题为导向，重点突破自主芯片技术和算法技术，加快建立新一代人工智能关键共性技术体系，确保人工智能关键核心技术牢牢掌握在自己手里。
融合实体经济，推动人工智能产业高质量发展
人工智能是具有极强渗透性的技术。当前人工智能产业化应用正加速从娱乐、消费等领域开始向制造、医疗、能源、交通等更大范围的实体经济进军，这给人工智能产业提供了庞大的市场和丰富的场景。人工智能在我国交通、医疗、教育等传统行业中的发展和应用仍然处于较低水平，无法满足人民对美好生活的需要。因此，要实现人工智能产业高质量发展，就要发挥人工智能在产业升级、产品开发、服务创新等方面的技术优势，推动人工智能与实体经济深度融合，以人工智能技术推动各产业变革，加快产业对接，聚焦重点领域，形成以场景应用为导向的发展模式。
搭建智能平台，发挥人工智能技术应用功能。人工智能不仅能创新产品和服务，而且也能在相当程度上改进或优化传统产业的生产流程，重构传统产业的业务模式。当前，以人脸识别、车辆特征识别、手写识别、文字识别等为代表的计算机视觉相关技术基本成熟，“机器视觉”在制造业中已经逐渐推广应用，加强计算机视觉技术与传统汽车制造等产业的深度融合，用机器代替人力劳动，不仅能节约人力投入，还能提高产品品质。人工智能还能对生产过程的数据进行分析并加以改进。工业生产线在运行过程中会生出大量实时数据(比如温度、压力等等)，利用人工智能技术对数据进行分析，能提前预测可能出现的机器故障、残次品率等等，进而对生产流程进行优化，以达到节约成本、提高效率的目标。因此，要大力推广应用人工智能在促进制造业转型升级中的支撑和引领作用，使其成为推动高新技术产业创新发展中的“头雁”和区域发展的“增长极”。
聚焦重点领域，助推人工智能应用场景落地。如果说人工智能产业是供给侧，那么传统行业则是需求侧。推进人工智能应用场景落地，就要处理好供给侧和需求侧的关系。随着人工智能加速向医疗、交通、智慧城市等多领域的渗透，应聚焦这些涉及民生的领域，提升人工智能产业与实体经济的融合度，为人民群众提供更优质、丰富、便利的新产品和新服务，满足人民群众对美好生活的需要。因此，人工智能技术要着眼于我国庞大的市场和丰富的场景，围绕社会发展需求领域布局，探索出一条充分发挥我国市场和场景资源优势的高质量人工智能产业发展路径。
（作者单位：北京科技大学马克思主义学院）
责任编辑：肖景华
新华社发布2019年度“人工智能时代媒体变革与发展”研究报告
近年来，新华社深入贯彻落实习近平总书记要求，聚焦通讯社主业，持续追踪人工智能技术前沿成果，创造性地研发新闻应用场景，引领媒体人工智能发展潮流，走在世界媒体前列。在大力推进技术革新，通过智能化创新提速提量、提质提效的同时，新华社高度重视相关研究工作，以期为业界实践提供启示借鉴。2019年5月，新华社成立“人工智能时代媒体变革与发展”课题组，聚焦国内外媒体智能化发展情况，关注人工智能领域代表性科技公司的前沿进展，同时面向国内百余家媒体开展问卷调查，调研成果形成2019年度“人工智能时代媒体变革与发展”研究报告，近期将在报告基础上推出专著《智能时代：媒体重塑》。现将报告核心内容摘编以飨读者。
智能时代：传媒业发展现状、挑战与趋势
党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能重要性，为人工智能如何赋能新时代指明方向。近年来，我国先后颁布了一系列国家级战略规划，启动实施人工智能重大项目、推动人工智能学科建设、布局人工智能创新发展实验区，不断强化人工智能基础理论和关键技术研究，促进人工智能与经济社会的高度融合。
人工智能技术的突飞猛进带动了媒体行业的飞速发展，全球新闻传播领域呈现出智能化发展趋势。人工智能技术不仅重塑了新闻生产的整个业务流程，而且改变了传媒产业价值链上的各个环节，还催生出新的媒体业态。人工智能技术在与新闻媒体结合的过程中具有广泛的应用领域和想象空间，甚至可以将人工智能视为下一代新闻媒体的生态环境。
人工智能时代，传媒业应坚持守正创新，在变革中厘清变与不变的认识，把握坚持与发展的关系，避免走入“技术至上论”的迷思。牢牢坚持内容为王，在任何时候都不能丢掉主流媒体的内容优势，同时努力运用智能技术提升传播力、引导力、影响力、公信力。必须明确“人机协作”中居于主导地位的仍然是人，人工智能技术是服务于新闻信息策、采、编、发的工具，不能完全代替人。媒体从业人员应认真践行“四力”要求，不断增强脚力、眼力、脑力、笔力，采写有思想、有温度、有品质的新闻。
课题组深入调研国内外媒体智能化发展情况，了解人工智能领域代表性科技公司的前沿进展，同时面向国内百余家媒体开展问卷调查，调查范围涵盖通讯社、报纸、广播、电视、网站、新媒体业态等各类媒体机构。综合深度调研以及问卷调查结果，我们有以下发现：
一、现状分析
近几年，国内媒体融合深入推进，传统媒体正在发生嬗变，大量新闻信息内容不仅通过报刊、广播、电视等载体传播，还向网站、“两微一端”等新的传播渠道拓展。随着算法推荐、语音交互、计算机视觉等技术的不断发展，新型主流媒体建设提速，国外媒体对人工智能的探索运用也如火如荼。传媒业希望借助人工智能技术高效地进行内容的生产、分发、管理，打造媒体与用户之间的互联互动的新生态，助力转型升级与融合发展。人工智能正深度融入传媒产业链的各个流程和环节，催发一系列的化学反应。
※一是国内传媒业对人工智能技术的应用呈现积极态势，有助于舆论引导能力和传播效果的增强。
超八成（81.8%）受访者认为国内传媒业对智能技术的应用呈现出积极态势。人民日报、新华社、中央广播电视总台以及不少地方媒体积极迎接人工智能时代到来，创新体制机制，整合各方资源，释放新闻生产力，智能化新技术、新产品不断涌现。近半数（49.2%）受访者认为人工智能技术的应用，使媒体舆论引导能力增强，传播效果提升明显。
※二是国内多数传媒对人工智能技术的应用程度及效果一般，不少传统媒体智能化建设迟缓。
超四成受访者表示，目前国内传媒业对人工智能技术的应用程度及效果一般。受限于资金、人才、技术等方面的问题，不少传统媒体智能化发展方面动作迟缓：一方面一些传统媒体的移动化、数字化转型已举步维艰，盈利模式不清、人才流失严重，智能化发展需要的关键技术和设备成本投入高昂，成为其不能承受之重；另一方面很多传统媒体的技术力量薄弱，不具备自主研发和搭建平台的能力，很难实现人工智能技术的快速落地和持续迭代，因此部分传统媒体应用人工智能面临重重阻碍和困难。受访者普遍认为新媒体业态、机构对于人工智能技术的应用效果好于传统媒体。
※三是人工智能技术对媒体采编发流程的影响很大，已渗透至新闻领域各环节。
人工智能对媒体采编发流程的影响最大，对编辑工作、媒体机构品牌的影响也比较大，相对而言对记者工作、经营工作的影响小一些。随着人工智能技术的不断成熟，国内外传媒业都开始将其运用到新闻生产传播的各个环节，数据挖掘被用于寻找新闻线索，机器人写作被用于内容生产，算法推荐接管内容分发等。人工智能已经渗透至信息采集、内容生产、内容分发到与用户互动等全链条。数据表明，国内新闻工作各业务环节中，人工智能应用渗入程度最高的环节集中在舆情监测/线索收集、内容精准传播、用户画像等方面。人工智能应用对新闻报道的时效性、个性化新闻分发的精确度、新闻生产效率提升等方面的帮助作用最为受访者认可。
※四是算法推荐新闻、AI合成主播等智能技术应用，令媒体从业者印象深刻。
受访媒体人印象最深的智能应用是今日头条算法推荐和个性化信息流分发，新华社推出的AI合成主播、“媒体大脑”。人工智能技术驱动的新的媒体业态中，受访者印象最深的集中在视频平台（快手、抖音等）、资讯定制类平台（今日头条、一点资讯等）及网络社交类平台（微博、微信等）。受访者知晓程度最高的五项智能技术是AI合成主播（39.0%）、算法推送新闻（39.0%）、机器人写稿（37.6%）、舆情监测/新闻热点抓取和预测（36.2%）和智能检校（监测新闻稿件中的可疑或高危文本/图片并进行预警）（34.1%）。综合受访者在使用频率、易用性、重要性、对效率的提升程度等维度的打分情况，传媒领域落地的五大“明星”智能技术是：原创识别及盗版追踪、视频字幕生成、算法推送新闻、图片视频自动分类以及采访助手（自动把采访的语音或视频转化成文字辅助编辑写稿）。
※五是人工智能对传媒业影响巨大，将助推新业态产生及媒体融合发展。
超八成（87.4%）受访者认为人工智能对传媒业整体影响大。近七成（67.2%）受访者认为，人工智能将不断催生新的媒体业态。今日头条、一点资讯、快手等虽然声称自己不是媒体，但它们运用人工智能技术实现算法推荐分发，并积极打造内容生态平台，业已成为具有媒体属性的新兴业态。82.9%的受访者认为国内媒体融合发展进程中，人工智能技术的应用空间大。55.9%的受访者认为人工智能将与媒体“深度渗透（融合）”，助推媒体融合向纵深迈进。
二、问题与挑战
人工智能与媒体各业务环节深度融合，实现了提质增效，但在发展进程中，面临不少问题与挑战。对于媒体自身而言，技术基因先天不足、队伍能力跟不上发展要求以及理念、成本等问题在国内外传媒界普遍存在。与此同时，随着人工智能技术越来越多介入新闻生产和传播实践，其双刃剑效应愈加明显，失序失范现象频现，一系列新问题新挑战接踵而至。
※一是观念认知水平滞后于智能化发展趋势。
有效推动人工智能技术应用与媒体创新变革，理念必须先行。调查数据显示，59.7%的受访者认为，推进媒体智能化发展，首先要全员刷新观念、提高认识水平。没有充分的思想认识和正确的思想观念，就难以有科学的发展战略和创新策略。目前，媒体应用人工智能最常见的观念和认知误区表现在三方面：一是在观念上，对运用人工智能加速媒体融合“雾里看花”，认识不充分、不到位。二是在认知上，对人工智能技术在新闻生产领域具体环节的应用效果，还存在“看不见”“看不起”“看不懂”的情况。三是一些媒体机构对于人工智能重视程度不够，缺乏清晰的发展目标、实施路径和战略规划。
※二是传统媒体体制机制不能有效适应变革。
首先，表现在传统组织架构、业务流程的不适应。问卷调查数据显示，63.9%的受访者认为媒体应对人工智能的挑战首先应注重改造传统的采编发业务流程。近年来，一些媒体先行先试，在空间意义上完成了平台架构和外部形态的改造，但在实际生产运作中还需要进一步理顺生产关系、重构新闻生产流程。其次，是资金制约。人工智能相关软硬件的引进开发及数据库构建管理需要较高资金投入，在当前传统媒体整体业绩下滑背景下，不少媒体表示“有心无力”“没钱投入”。第三，人才队伍建设面临新课题。一些传统媒体人员队伍能力跟不上媒体智能化发展要求，不能熟练运用新技术、新手段，存在“本领恐慌”。缺乏媒体智能化发展所需的复合型人才、创新性人才，特别是在技术、运营等部门，领军人才少之又少。传统媒体由于体制机制掣肘，大多存在人才“用不好”“留不住”“招不来”的难题。
※三是传统媒体机构技术基因先天不足。
技术是媒体发展变革的第一生产力。从全球范围看，不少传统媒体积极拥抱人工智能技术，努力转换角色，从内容生产者向平台运营者转化。然而，如何科学合理地研发、运用智能化技术，提高人工智能技术的本土化水平，开发满足市场需求的新场景、新模式，确保应用水平与技术本身的发展水平相匹配，始终是媒体智能化转型的一大痛点。调查结果表明，75.3%的受访者认为媒体应对人工智能的挑战最重要的是增强采编队伍技术储备和创新能力。当前，技术基础设施不足、技术实力不足、人工智能技术应用水平与创新能力有限、媒体机构与技术公司的合作模式有待优化，是影响人工智能技术在媒体落地应用的四个主要问题。
※四是数据标注成为智能化发展瓶颈。
提高人工智能应用水平，大规模、高质量的数据积累必不可少。媒体机构在内容生产、用户服务过程中会产生海量的新闻素材数据及用户行为数据，但大量的数据资源并不能直接用于人工智能的算法训练。调查数据显示，59.5%的受访者认为，面对人工智能的挑战，要高度重视内容数据化。目前，国内不少媒体已在这方面展开积极尝试，但海量的新闻稿、历史图片、视频数据等数据资源，需要投入大量成本，进行“数据清洗”（Datacleaning）以及标框工作，生成高质量的信息化数据。对于数据的清洗整理、加注标引、入库管理需要大量的财力及物力去支撑。因此，对于大多数媒体而言，从“数字化”时代进入“数据化”时代，还有很长的路要走，媒体在布局人工智能战略之初，就必须注意到数据的重要性，着力打造完备的数据源和处理庞大数据系统的能力。
※五是智能化发展给形成舆论共识和防止假新闻带来挑战。
推荐算法基于用户精准画像进行内容筛选推送，提升了新闻生产个性化和新闻推送准确率，同时，由于侧重迎合个人偏好，导致“信息窄化”，形成“信息孤岛”。长此以往，舆论趋于分化、极化、碎片化，形成社会共识、增强社会凝聚力难度加大。与此同时，人工智能技术滥用误用引发虚假新闻危害，基于深度学习、虚拟现实等的换脸技术、语音合成技术、视频生成技术大大发展，虚假文本及音视频成为“新型谣言”。调查结果显示，半数以上（54.5%）受访者认为，假新闻的识别难度加大是影响人工智能发展的重要问题。传统假新闻尚可通过多种渠道验证真伪，但在人工智能技术“黑箱化”的趋势下，信息来源和真伪的判断难度加大。
※六是用户数据安全与隐私成为不容回避的伦理风险。
基于广泛数据分析的人工智能技术大大增加了公民隐私受侵犯的风险，对个人信息的非法使用和采集，对数据来源缺乏安全有效保护，易于造成隐私泄露，出现信息安全问题。调查中，半数受访者认为，隐私保护难度加大已成为人工智能在传媒业运用中存在的重要问题。在媒体智能化发展进程中，用户在与媒介接触的过程中生成了海量数据，在基于用户个人资料、行为数据提供更精准更优质服务的同时，保障数据安全、尊重用户隐私十分重要，必须时刻关注在保护用户数据方面是否存在漏洞，加强对用户隐私的保护，落实相应的人工智能安全策略。
三、对策与建议
随着媒体融合发展进入新阶段，人工智能已经不再仅是一种趋势，而是媒体产业变革的重要驱动力，谁在智能化领域占得先机，谁就能掌握媒体变革的主动权。从技术发展角度看，目前尚处于“弱人工智能”时期，国内外媒体对人工智能技术的应用更多属于初步探索，一些智能化理念从技术规划设想到真正实践应用还有很长的路要走。随着科学技术的不断发展，人工智能将持续推动变革新闻媒体的形态与业态，面对新变化和新态势，我们提出以下建议：
※一是谋划智能化发展战略，探索技术发展新路径。
主流媒体应当根据自身的发展特点和实际情况及早谋划、尽快制定智能化发展战略，抓住人工智能、大数据、云计算、区块链等发展战略机遇，探索技术发展新路径，打造新的竞争优势。具有资源优势的中央级媒体需要进一步发挥引领作用，积极探索技术发展新路径，加大对人工智能的自主研发投入，掌握技术核心，打造智能化、移动化、可视化、社交化等自主可控的新媒体平台；同时，加强与头部科技公司的技术研发合作，拓展前沿技术引进渠道。其他媒体机构应当有选择地走技术自主研发或者技术引进之路，确保在智能化发展浪潮中不落伍、不掉队。
※二是转变传统思维观念，顺应智能化发展新趋势。
正如互联网对传统媒体带来的冲击一样，无论个人意愿如何，人工智能已经深入影响传媒业的发展变革。传统媒体机构需要培养新的观念理念顺应智能化发展新趋势，探索新的体制机制、新的组织架构、新的业务流程以及新的人才队伍，进行彻底的智能化转型。传统媒体人需要主动转型，改变旧式的媒体思维，深化对人工智能发展趋势的认识，提高对技术运用与内容创新关系的认知，不断适应人工智能技术的发展潮流。
※三是变革新闻生产体制机制，切实发挥技术引领。
人工智能技术对新闻生产方式的影响，将直接推动未来媒体的发展。主流媒体的融合发展与智能化创新，不仅是成立新部门、运用新技术，而且要推动媒体资源的全面融合，以核心技术、关键技术为依托再造新闻生产全流程。人工智能时代，主流媒体不仅要重视技术研发与应用的资金投入，而且要尽快创新变革新闻生产的体制机制，依靠新的制度实现技术与新闻生产各要素的优化整合，更好地吸纳资源、吸引人才，构建管理扁平化、功能集中化、产品全媒化的融合发展体系，真正释放科技潜能、不断激发创新活力、切实发挥技术引领。
※四是推动内容智能化创新建设，增强舆论引导力。
人工智能等新科技能够推动新闻报道的形式创新、手段创新，但内容创新是根本。主流媒体在引入并运用新科技的基础上，要进一步推动前沿技术充分赋能内容创新，把内容创新与形式创新有机结合。传媒业不仅要注重新技术的使用，更要提高内容的深度挖掘和技术对内容表现和传播的适配性，使得新闻内容与前沿技术应用无缝对接。同时，主流媒体要充分借助人工智能等前沿科技深入研究新媒体传播规律和受众市场，不断改进产品设计、优化产品形态、提高产品质量，切实增强舆论引导力。
※五是全面整合市场资源，推动媒体融合纵深发展。
人工智能与5G、大数据、云计算、物联网、区块链等新兴科技产业一同改变着传媒业的发展生态。传统媒体机构只有不断跨界整合市场中的科技资源与技术力量，在产品融合、终端融合、渠道融合、人员融合等各方面实现跨越式发展，才能在信息市场中重握主动权，逐步构建起合理的信息传播生态圈及价值体系。中央级媒体拥有得天独厚的资源优势，必须作为主力军和排头兵积极探索技术资源整合的方式方法、渠道途径及发展道路，充分发挥科技赋能效应，推动媒体融合纵深发展。
※六是重视挖掘数据价值，重塑传媒业核心竞争力。
主流媒体在长期发展过程中积累了大量丰富宝贵的采编资源，为其不断提高报道质量、有效履行职能发挥了重要作用，应当充分挖掘数据价值，探索打造一体化大数据管理体系，利用先进算法和算力，实现数据资源的整合共享、数据标引、数据清洗、人工智能训练以及结构化存储。主流媒体应当将大数据分析能力融入新闻生产全流程，使新闻生产流程从基于经验升级至基于数据，探索建立传媒业特有的数据生态，打造数据驱动型媒体，重塑核心竞争力。
※七是打造智媒体新型团队，培育全媒化人才队伍。
智能媒体需要匹配“智能+”的编辑记者，未来的新闻人才队伍应当是复合型的，既需要复合型的个人，更需要复合型的团队，“全媒体编辑记者+人工智能工程师”可能将成为基础配置之一。主流媒体需要科学制定全媒体、智媒体人才的发展整体规划，改变传统招聘重采编轻技术的现状，加大智能技术人才的选聘力度；加强传统采编人员的智能技术培训，提升采编人员之间、人机之间的协同创新能力；探索专家型编辑记者培养与融合报道能力提升的有机结合，构建专业型和全媒型人才成长的“双路径”。
※八是探索法律伦理规约，确保人工智能可管可控。
传媒业在开展人工智能的研发和应用中，需要把握住以人类价值观为导向的方法论，充分考虑人的良知和情感，避免出现安全失控、法律失准、伦理失常等问题，如当前各大新媒体资讯平台需要不断完善算法推荐机制以确保舆论安全等。随着技术的发展，人工智能的能力将不断增强，应当尽快从法律法规层面制定符合媒介伦理的规则和标准，严防技术失控、保护用户隐私、确保人工智能产品皆可溯源，使人工智能既要具备“智慧”又要确保其“善用”。
四、趋势展望
目前，人工智能对传媒业产生深刻影响，从内容生产自动化，到智能分发精准化，再到内容形态多样化和运营管理系统化，其业务流程和生态体系发生着翻天覆地变化。未来，将呈现以下发展趋势：
※一是主流媒体加速融合发展智能化进程。
人工智能在媒体融合发展中的效应，一方面在于提高媒体全要素生产率；另一方面，人工智能将推动媒体更好发挥在国家治理体系现代化中的作用。构建共享、共建的智能化新型主流媒体平台，打造公共信息服务的智能媒体矩阵，或是媒体融合发展的重要方向。
※二是新媒体业态将不断涌现。
传媒业态和内容样态逐渐增多，“四全媒体”内涵和外延都将继续扩展，新平台、新终端、新交互工具不断演化迭代，机器人新闻、传感器新闻、区块链新闻等新闻品类将蓬勃发展。
※三是行业巨头愈发重视关键核心技术的研发。
科技公司技术研发将致力于专用芯片、算法平台和垂直数据为重点的人工智能生态体系，提供更优质的服务；通过多种技术路径，推动人工智能质的飞越。主流媒体通过自主研发和外部合作，为解决采编审发、版权保护、盈利模式等痛点提供有效路径。
※四是主流媒体集团与头部科技公司越来越强大。
随着技术在新闻传播实践中的作用增大，媒介组织形态将出现新的分化、组合。主流媒体集团和头部科技公司具备更强的资源吸附能力，在传媒业中起到技术引领作用。一部分媒体机构逐渐边缘化甚至消亡，一部分媒体机构转入长尾市场和垂直领域。
※五是人机深度融合成为提升新闻工作者“四力”的未来常态。
人工智能将更深入全面地介入媒体信息采集、内容生产、分发反馈等各个环节，辅助新闻工作者延伸“脚力”、提升“眼力”、增强“脑力”、创新“笔力”。人工智能应用模式将从组织层面和项目层面走向个体化、常态化，科技赋能+人文赋能成为人机融合的新基点。
※六是媒体专业界限更加宽泛。
新兴媒体业态使得记者和编辑的角色边界更加宽泛，算法和用户在传播体系中权重越来越大。专业人才和普通用户的媒介素养将深度重构，传统以文科专业为主的体系将持续调整，跨专业、复合型特征更为凸显。
※七是智媒体将提供更有温度的产品服务。
媒体将能够更好地感知受众的情绪变化，推送更贴近用户心境的新闻信息产品，同时更准确地研判大众对于社会热点事件的情绪反应和舆论走向。
※八是音视频生产消费将迎来全方位升级。
人工智能技术的发展将进一步提升音视频内容的生产效率、拓展创新创意的空间，基于不同场景的音视频内容消费将呈现爆发式增长，语音交互技术带来人机交互界面的重塑，帮助媒体开拓新的流量入口。
※九是传媒业版权保护的意识与能力将不断增强。
人工智能等前沿技术将进一步助力解决版权保护问题，提供内容变现、盈利模式创新的智能化技术支撑，将催生传媒版权领域的新规则与新生态。
（新华社“人工智能时代媒体变革与发展”课题组）
附：2019年度“人工智能时代媒体变革与发展”研究报告全文及问卷调查结果
图集+1【纠错】责任编辑：王頔