摘 要：作为世界三大尖端技术之一， 人工智能（ Artificial Intelligent）自1956年诞生之日起， 就成为科学发展史上一颗令人瞩目的新星， 吸引着无数科学工作者从事相关的研究与创造。我们所处的时代是知识爆炸的时代，各种海量信息充斥着世界各个角落，而仅仅依靠人类自身，很难实现对这些信息的有效处理。人工智能作为一门研究和制造智能机器或智能系统的学科，目标在于模拟和延展人类的智能，这与当今时代发展的需求是不谋而合的。

人工智能是一门新理论、新技术、新方法和新思想不断涌现的前沿交叉学科，与计算机科学、控制论、信息论、神经生理学、哲学、语言学等密切相关，研究领域除了经典的知识表示、启发式搜索理论、推理技术、人工智能系统和语言之外，还涉及专家系统、自然语言理解机器学习、博弈、机器人学、模式识别、智能检索、自动程序设计、数据挖掘、计算机视觉、分布式人工智能、人工神经网络、智能控制、智能决策支持系统、智能电网等领域，相关研究成果也已广泛应用到生产、生活的各个方面。

1.人工智能的基本概念

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

2.人工智能的发展历程

（1）孕育期（1956年之前）

尽管现代人工智能的兴起一般被认为开始于1956年达特蒙斯的夏季讨论会，但实际自古以来，人类就在一直尝试用各种机器来代替人的部分劳动，以提高征服自然的能力。除了文学作品中关于人工智能的记载之外，还有很多科学家都为人工智能这个学科的最终诞生付出了艰辛的劳动和不懈的努力。

达特蒙斯讨论会之后，在美国开始形成了以人工智能为研究目标的几个研究组，他们分别是纽厄尔和西蒙的 Carnegie-RAND协作组（也称为心理学组）、塞缪尔和格伦特尔（ Herbert Gelernter）的IBM公司工程课题研究组以及明斯基和麦卡锡的MIT研究组。这3个小组在后续的十多年中，分别在定理证明、问题求解、博弈等领域取得了重大突破。

（3）发展期（1970年之后）

这一时期人工智能的发展经历曲折而艰难，曾一度陷入困境，但又很快再度兴起，知识工程的方法渗透到人工智能的各个领域，人工智能也从实验室走向实际应用。

自1970年以后，许多国家相继开展了人工智能方面的研究工作，大量成果不断涌现，但困难和挫折也随之而来，人工智能遇到了很多当时难以解决的问题，发展陷入困境。尽管人工智能研究的先驱面对了种种困难， 但他们没有退缩和动摇。为解决这些困难，从20世纪80年代末以来，专家系统又开始尝试多技术、多方法综合集成，多学科、多领域综合应用的探索。大型分布式专家系统、多专家协同式专家系统、广义知识表示、综合知识库、并行推理、多种专家系统开发工具、大型分布式人工智能开发环境和分布式环境下的多Agent协同系统逐渐出现。

3.人工智能的研究目标

人工智能研究的近期目标是实现智能机器，即先部分地或某种程度地实现机器的智能，使现有的计算机更聪明、更有用，使它不仅能做一般的数值计算及非数值信息的数据处理还能运用知识处理问题，能模拟人类的部分智能行为。针对这一目标，人们就要根据现有计算机的特点研究实现智能的有关理论、技术和方法，建立相应的智能系统，如专家系统、机器翻译系统、模式识别系统、机器人、人工神经网络等。

人工智能研究的远期目标与近期目标相辅相成，远期目标为近期目标指明了方向，近期目标的研究为远期目标的最终实现奠定了基础，做好理论及技术上的准备，也增强了人们实现远期目标的信心。最后还应该注意的是，近期目标与远期目标之间并无严格的界限，随着人工智能研究的深入、发展，近期目标不断变化，逐步向远期目标靠近，近年来在人工智能各个领域中所取得的成就充分说明了这一点。

4.人工智能的学术流派

也稱为心理学派、逻辑学派，这一学派的学者主要基于心理模拟和符号推演的方法进行人工智能研究。早期的代表人物有纽厄尔、肖、西蒙等，后来还有费根鲍姆、尼尔森等，其代表性的理念是“物理符号系统假设”，认为人对客观世界的认知基元是符号，认知过程就是符号处理的过程。

“心理模拟，符号推演”是从人脑的宏观心理层面入手，以智能行为的心理模型为依据，将问题或知识表示成某种逻辑网络，采用符号推演的方法，模拟人脑的逻辑思维过程，实现人工智能。

它也被称为生理学派，主要采用生理模拟和神经计算的方法进行人工智能研究，其代表人物有麦卡洛、皮茨、罗森布拉特、科厚南、霍普菲尔德、鲁梅尔哈特等。连接主义学派早在20世纪40年代就已出现，但由于种种原因发展缓慢，甚至一度出现低潮，直到20世纪80年代中期才重新崛起，现已成为人工智能研究中不可或缺的重要途径与方法，每年国际国内都有很多关于人工神经网络的专门会议召开，用于相关领域工作的交流。

其也称进化主义、控制论学派，是基于控制论“感知-动作”控制系统的人工智能学派，其代表人物是MIT的布鲁克斯教授。行为主义认为人工智能起源于控制论，人工智能可以像人类智能一样逐步进化，智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理。这种方法通过模拟人和动物在与环境交互、控制过程中的智能活动和行为特性（如反应、适应、学习、寻优等）研究和实现人工智能。

5.人工智能的研究和应用

专家系统是一种在相关领域中具有专家水平解题能力的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟人类专家的思维过程，求解需要专家才能解决的困难问题。

自然语言理解（ Nature Language Processing）又叫自然语言处理，主要研究如何使得计算机能够理解和生成自然语言，即采用人工智能的理论和技术将设定的自然语言机理用计算机程序表达出来，构造能够理解自然语言的系统。

知识是智能的基础，要使计算机具有智能，就必须使它具有知识，使计算机具有知识一般有两种途径：一种是人们把有关的知识归纳、整理在一起，并用计算机可以接受、处理的的方式输入到计算机中去；另一种是使计算机具有学习的能力，它可以直接向书本、教师学习，也可以在实践过程中不断总结经验、吸取教训，实现自身的不断完善。第二种途径一般称为机器学习（ Machine Learning）。

（4） 分布式人工智能

分布式人工智能（ Distributed Artificial Intelligence，DAI）是人工智能和分布式计算相结合的产物，主要研究在逻辑或物理上实现分散的智能群体Agent的行为与方法，研究 協调、操作它们的知识、技能和规划，用以完成多任务系统和求解各种具有明确目标的问题。

智能控制（ Intelligent Control）是指那种无须或少需人的干预，就能独立地驱动智能机器，实现其目标的自动控制，是一种把人工智能技术与经典控制理论及现代控制理论相结，研制智能控制系统的方法和技术。

总结：人工智能，将是未来科学技术发展的主要发展方向，虽然目前还面临着许多困境，但是有如核技术一样，虽然有危险，但只要人类能找到合理利用的方法，同样可以造福人类。当前人工智能还处于弱人工阶段，人工智能还要很长的路要走。因此，人工智能的当前重点在于大力研发，让人工智能在人民生活中扮演更加重要的角色。

[1]鲁斌. 人工智能及应用. 清华大学出版社. 2017

遥感就是遥远的感知，听起来是专业词汇。但我们对感知却不陌生，每个人与生俱来都有感知的能力，我们的耳朵可以听，眼睛可以看，鼻子可以闻。但是人类并也不满足于这样的一些感知能力，我们希望到更高的地方去看，像鸟一样从天空的视角俯瞰大地，所以我们对自身能力的想象，比如说屏幕上的超级英雄，他们都具有某种程度上的遥感能力，纵身一跃就可以到大气层外遥看我们的地球。既然是超能力，就具备更强大的探测能力。遥感也是这样，它既包括人眼看到的可见光，也包括人眼看不到的更多的电磁波信息。空间技术赋予了我们更多更强的感知能力，能在更高、更远的地方探测地表信息。利用遥感技术为生产生活服务，比如气象预报、减灾防灾、区域规划、对国土资源的探测和管理以及智慧城市等。新华社在国庆阅兵时发表了一篇特别的报道，从卫星上一览长安街上的阅兵队伍，这也是遥感在新闻报道的应用。

今天，越来越成熟的空间技术，加上3S技术，即遥感（RS）和地理信息系统（GIS）、全球定位系统（GPS），为人工智能的应用准备了海量的空间数据，加上5G移动通信和万物互联时代的来临，这些数据将为我们带来对未来智能时代的憧憬。金院士带来的是即将到来的未来，所有的空间信息和所有生产生活的可能都被智慧化，我们的地球是一个智慧的地球。

地球上空每天飞行着上千个卫星，各种模式的卫星载荷遥感监测，每时每刻都产生着新的各类数据及其图像。构成了 "空间大数据"。我们的卫星观测、通常说的空间遥感，已经达到很高的分辨率。合成孔径雷达图像空间分辨率可达到分米量级。通过雷达对地球上的大气、地表、海洋、空间等进行目标识别，这个过程就是信息感知。在这之中，我们获得了什么信息，这些信息又能形成什么知识产品？这是在空间观测和空间遥感得到重要应用的主要问题。而人工智能的发展，为信息感知提供了新的途径。今天主要讲讲如何用人工智能的方法来处理空间遥感大数据，从而对目标精细特征进行感知，并形成知识产品。

遥感就是遥远的感知。从地球遥感来说，可分为早期的光学遥感（即飞机上的航空摄影）、卫星平台上的空间遥感、红外遥感、微波遥感。从主被动来说，可分为被动遥感和主动遥感。被动遥感在气象预报、海洋预报方面发挥着很大作用；主动遥感可以达到分米量级的分辨率，通过发射并接收电磁波，感知、反演、重建目标的物理特征。

要想仔细观测某个地方，需具备比较大的雷达孔径，进而获得较高的分辨率。大孔径有赖于合成技术，七十年代第一个合成孔径雷达运用于海洋卫星，开启了在民用上的应用，九十年代，合成孔径雷达技术蓬勃发展，我们称其为多源多模式合成孔径雷达。至今，它已发展成为一个多源多模式高分辨率全极化合成孔径雷达。多源，即数据有各种目的、各种频率；多模式，即数据采集、测量有不同方式；高分辨率，指雷达可以达到分米量级；全极化，即测量后可以得到电场、磁场不同方向上的反应。

上世纪九十年代时，中国在这方面基本上是空白的。九十年代后，国内空间遥感事业随着国家的发展而迅速发展。2000年后，中国已经不单是做调研了，而是开始有了实质性的进展，尤其是地球遥感中的风云气象卫星及海洋卫星被广泛应用。举个例子，地球同步卫星"风云四号"围绕地球与太阳同步旋转，只要保持一定的倾斜角，就可始终观测到地球上某一个固定区域。而现在我们的环境卫星及一些其他卫星，都有合成孔径雷达技术。最近发射的环境卫星，也达到了分米量级，达到了全极化。

许多人关心国家在这方面的技术到底处于什么水平？应该说，我们已经从"追赶"、"跟跑"到了"平跑"阶段，达到了第一集团的水平。我们当然还没有领先，但最近十多年已经取得了非常明显的进展，正在不断形成全面的技术。从世界范围来看，德国做得很好，加拿大在卫星的商用方面做得很好，美国较为保密，日本则有比较成熟的数据发布。这些都是值得学习的方面。

2、 人工智能技术提供信息感知的新途径

通过全天时、全天候、高分辨率、多维度获取数据成像，我们对天、空、地、海上的目标进行识别，得到信息感知和特征的反演、重构。需强调的是，这里讨论的是微波、毫米波等电磁波，而不是光学的照片——它是个非视觉的过程，不是通过人眼去"看"能明了的，必须经过科学研究和分析来获取。

如何识别雷达转化的数据图像？一个研究方式是做模型，例如，通过各种物理参数对复杂的地表进行计算和成像，这也叫做正向的模拟。可是即便所成的像和光学照片有一定相似性，除非是依靠有经验的人，普通百姓依然无法靠肉眼识别信息。

而人工智能技术提供了信息感知的新途径。以人脸识别为例，机器可以从众多人脸中快速识别所需的人脸，在雷达图像中，我们同样希望可以通过大数据感知所需识别的内容。目前，人工智能已助力于雷达图像识别中，在智慧城市、灾害监测评估、侦察定位跟踪等方面都有广泛的应用。

人工智能实际上是模拟人脑、人眼视网膜，通过对局部或整体的数据分析，建立感知机制。通过深度学习、大量的数据输入，人工智能产生特征性的矢量分布，进而获取了感知信息的能力。我们非常热切的希望，通过计算神经学、计算机人工神经网络的建立，发展出处理多源多模式高分辨率全极化遥感的新方式。

比如，通过训练工具及神经网络的计算，人们可以判断舰船及舰船的类型；再如合成孔径雷达技术，通过神经网络，可将单极化图像转变为彩色图像，便于识别分析；此外，雷达图像和照片之间的互验，即光学和微波之间的互验，也可以用神经网络进行处理，以便视觉判断。

民用广泛的需求促进了雷达技术的发展，雷达技术在民用方面也有很大的应用。比如说台风路径监测。因为台风眼是一个非常强的热力场的动力过程，通过光学红外看不到里面，云雨把红外线挡住了，照相更不可能。但是微波可以透过云雨，微波可以透过台风眼看到里面的物理参数。所以我们通过微波雷达观测，雷达遥感建立台风内部的特征，并选取一定的特征性参数作为训练台风路径的人工智能技术。特别是局部地区的气象预报实际上很难，主要是观测网太少，卫星观测也不太可能对一个小时之内发生的天气现象进行观测，但人工智能所形成的模型可以做到这一点。将来人工智能对于一些灾害性的天气必定会发挥非常重要的作用。

雷达技术还可以应用对植被、农作物的估产。我们可以通过农作物的各种参数，比如温度、土壤湿度、季节降水、高度等，以及它最后的产量建立起一个训练网络，从而实现对农作物的估产。

还有城市变化、灾害评估的分类识别。1984年的上海与2014年的上海，城市发生了什么变化？看起来密密麻麻的东西多了、城市建设多了，但其它的科学评估不能单凭眼睛看，我们必须建立起一个目标多时相变化的评估方法，也是人工智能的方法，这在城市的环境监测、城市的发展变化、变化的识别以及发生灾害的评估方面都可以产生很大的作用。

归根到底，人的眼睛看不到许多雷达图象，我们希望有一个电子的眼睛，称之为微波视觉。如果人眼、人脑或者我们所控制的计算机有一个微波视觉，将雷达图象变成我们想知道的物理特征，并进行分类识别。这实际上从一维的数据、二维的图象变成了多维的信息，实际上也是国家能力的一个体现。

为此，我们提出物理智能，也就是智能技术要加强在交叉学科当中的物理学规律下进行，提出了"微波视觉"的概念。现在各行各业实际上都是围绕如何发展人工智能技术，从而达到相应的目标，这就需要进行各方面的工作。一方面，我们正在编写一套关于空间微波遥感的研究和应用的丛书，还组织了一些国际研讨会、专刊，希望能够推动人工智能在大数据、信息感知方面取得新的进展，从而在特定的目标、特定的任务当中发挥作用。

实际上，我们从电磁物理学，加上人工智能AI形成了微波视觉，其中包括了电磁波的仿真反演的研究，包括类脑智能以及物理世界相互作用方面的结合，从而产生交叉科学的电磁方面的人工智能技术，这是我们所提出的人工智能技术特别是在空间电磁学、空间遥感科学，或者目标的自动识别技术方面的进展。根据定义不同，我们可以在许多方面得到应用，比如地球科学当中的一些参数的反演，包括全球变化的研究、目标识别方面的ATR技术。同样还可以在电子对抗技术、空间导航技术等方面得到应用。

总体来说，卫星技术和其它相关技术提供了大量的数据，但大量的数据和信息的感知不能划等号，特别是多维度、精细的信息感知。我们可以再发展人工智能新的模型、新的算法，并在契合空间遥感的物理学需求的情况下，产生一个交叉的新科学。长期以来，理论、实验和计算构成了科学的三大支柱，现在增加了一个新的支柱，就是智能的支柱。理论，是科学的基本理论；实验，是科学理论的一个实现和佐证；计算，是由于计算机的发展；智能，是由于科学技术的发展。这些科技的应用将带动许多相关学科和相关产业的发展，比如我们正在进行的用来目标识别的人工智能芯片，一方面带动了许多原先没有的产业的新发展，同样，也会促进许多基础研究。基础研究将进入一个新的领域。