王家耀院士：人工智能开启地图学的新时代
来源：测绘学术资讯，作者：地图研究
人工智能开启地图学的新时代
王家耀
河南省时空大数据产业技术研究院
摘要：人工智能经过百余年的梦想探索和开启发展，如今已成一个时代的科学技术标志。人工智能涉及许多学科，应用领域十分广泛。地图是人类历史上最伟大的创新思维，是诠释世界的杰作，是浓缩历史的经典。地图学是人类智慧的结晶，是跨越时空的科学，是自然科学、社会人文科学、工程技术科学交叉融合的学科。在地图学发展史上，曾经有三次重大突破，极大地推动了地图学的发展。在人工智能时代正在到来的今天，我们要思考能否实现地图学的再度崛起。本文首先梳理了人工智能这一概念提出之前 50 多年的梦想探索和人工智能“元年”之后发展的曲折道路，从四个方面分析了人工智能时代正在到来的因素；回顾了地图学同人工智能的不解之缘，分析了 20 世纪 80—90 年代形成的地图制图专家系统研究热潮为什么在接下来的 10 多年中就没有了的原因，而且论述了近 10 余年来地图学领域人工智能研究出现的大好局面；从四个方面分析与论述了人工智能时代地图学再度崛起的依据，强调人工智能时代将开启以数据密集型计算为特征的地图学科学范式的新时代，深度学习将为解决智能地图制图“知识工程”瓶颈问题提供一条新途径，类脑智能研究将为面向智能地图制图的基础理论研究打开一扇大门，人工智能将成为发展智能地图制图的核心驱动力。
当前，人工智能技术的广泛应用正在给人类社会带来巨大变革。地图学有着几乎同人类文明同样悠久的历史，曾经有过三次重大突破。古希腊托勒密（公元约 90—168 年）的《地理学指南》和我国魏晋时期裴秀（224—273 年）的《禹贡地域图十八篇·序》，奠定了上古时代地图学的基石，对于后来的地图学产生过长期而深远的影响；15 世纪末至17 世纪中叶的大航海时代奠定了世界地图的地理轮廓，16 世纪地图集的兴起和盛行总结了东方和西方地图学的历史性成就，17 世纪后的大规模三角测量和地形图测绘奠定了近代地图测绘的基础，19 世纪自然科学的进步与深化促进了专题地图的兴起与发展，20 世纪初随着航空摄影测量的出现、照相平版彩色胶印技术的应用，经过两次世界大战后，大约在 20 世纪 50 年代末和 60 年代初，地图学作为一门独立的学科已经形成；20 世纪 50 年代信息论、控制论、系统论三大科学理论的问世和电子计算机的诞生，不仅彻底改变了世界科学图景和当代科学家的思维方式，也为地图学的发展指明了方向，伴随而来的是地图制图技术的革命，电子计算机技术和自动化技术为地图学的发展开辟了崭新的道路。遥感影像制图的兴起为地图信息的获取和处理提供了新的方法和手段，地图印刷新材料、新技术、新工艺为提高地图印刷质量创造了有利条件。进入 20 世纪 90 年代以来，地图电子编辑出版系统相继问世，出现了以全数字地图制图与出版方式代替传统手工生产方式的新的转机，导致了地图制图技术上的根本性变革，而地图制图技术的根本性变革又推动了地图学理论研究，出现了“理论地图学”研究热潮，从此地图学进入了信息时代。地图学的重点由信息获取一端向信息深加工一端转移，地图学的功能在不断扩展和延伸，广泛应用于人类社会的方方面面。地图、天气图、导航电子地图、地理信息系统成为“改变世界的十大地理思想”。地图学发展史上的三次重大突破或崛起，深刻说明了一个道理：理论是技术的先导，没有先进理论指导的技术是盲目的技术；技术是理论的支撑，没有先进技术支撑的理论是空洞的理论。那么，人工智能时代的到来，是否能成为地图学再度崛起的核心驱动力呢？本文论述了人工智能为何能成为一个“时代”，回顾了地图学同人工智能的“不解之缘”，分析了20 世纪 80—90 年代形成的地图制图专家系统研究热潮为何在以后的 10 多年不仅没有持续而且成果基本未在生产中得到应用的经验教训，介绍了近 10 余年来人工智能应用于地图学领域出现的好势头，从多方面论证了人工智能时代地图学再度崛起的依据。
1 人工智能为何能成一个“时代”
1.1 人工智能及其提出之前 50 余年的梦想与探索
人工智能（AI）是研究、开发用于模拟、延伸和扩展人工智能的理论、方法、技术及应用系统的一门新的综合性学科，它涉及计算机、控制论、信息论、神经生物学、心理学、语言学等众多领域，而核心是认知科学与技术，即计算机视觉、机器学习、自然语言处理、机器人和语音识别，它试图了解智能的实质，并生产出一种新的、能以与人类智能相似的方式做出反应的智能机器。然而，“人工智能”这个术语的到来经历了 50 余年的梦想与艰苦探索。创造出能像人类一样思考的机器是科学家们最伟大的梦想之一，但真正的人工智能探索之路是充满波折与不确定性的。历史的车轮倒回到 1900 年，数学家大卫·希尔伯特（David Hilbert）向全世界庄严宣布了当时 23 个未解决的难题，其中的第二和第十个问题就与人工智能密切相关。年轻数学家库尔特·哥德尔（Kurt Godel）对大卫·希尔伯特提出的第二个未解难题即“证明数学系统中应同时具备一致性和完备性”提出了不同看法，认为“一致性和完备性不能同时具备”，于 1931 年提出并被美国《时代》周刊评选为 20 世纪最有影响力的数学定理，即“哥德尔不完备性定理”。另一位年轻科学家艾伦·图灵（Alan Turing）针对大卫·希尔伯特的第十个未解难题即“是否存在着判定任意一个丢番图方程”有解的机械化运算过程，设想提出了一个机器——图灵机——计算机的理论原型，为计算机的发明铺平了道路；但是，艾伦·图灵前进的脚步并未停止，1940 年他开始认真思考“机器是否能具备人类的智能”，于 1950 年发表了《机器能思考吗？》一文，并提出了遭到质疑的“图灵测试”。尽管如此，图灵的研究无疑大大促进了人工智能的发展，在图灵 1954 年去世后的 1966 年，美国计算机协会设立了以图灵命名的“图灵奖”，以奖励那些对计算机发展作出重要贡献的人。约翰·冯·诺依曼（John Von Neumann）于 1945 年完成了早期的计算机 EDVAC 设计，提出了大家熟知的冯·诺依曼体系结构，推动了人类历史进入信息时代。诺伯特·维纳（Norbert Wiener）于 1948 年提出“控制论”，对机器与人的统一性进行了深入讨论，揭示了用机器模拟人的可能性，为人工智能的提出奠定了重要基础，开启了人工智能的发展之路。
1.2 人工智能发展的曲折道路
人工智能经历 50 余年的梦想与探索之后，开启了“推理期→知识期→学习期”发展的曲折道路。
1956 年 6—8 月，约翰·麦卡锡（John McCcarthy）、马文·闵斯基（Marvin Minsky）、克劳德·香农（Claude Shannon）、艾伦·纽厄尔（Allen Newell）和赫伯特·西蒙（Herbert Simon）等人齐聚达特茅斯，共同发起并组织召开了用机器模拟人类智能的暑期专题研讨会，机器定理证明、四色定理、机器学习和模式识别等成为会议的亮点。他们虽未取得共识，但却为会议讨论的内容取了一个名字“人工智能”，这标志着人工智能作为一个学科的诞生，具有极其重要的历史意义，达特茅斯会议成为人工智能发展史上的开篇之作，1956 年成为人工智能的元年。这就是人工智能的“推理期”。人工智能自诞生之日起就引起了人们无限美好的想象和憧憬，而且得到了迅速发展。期间，爱德华·费根鲍姆（Edward Feigenbaum）开辟新路，提出人工智能必须引入“知识”，1968 年第一个专家系统问世，随后各式各样的专家系统陆陆续续涌现。1963 年首届国际人工智能联合会议（International Joint Conference on Artificial Intelligence，IJCAI）召开，此后每年召开一次，并成为人工智能界高级别的学术盛会；我国于 1981 年成立了中国人工智能学会（CAAI），并于 1989 年首次召开了中国人工智能联合学术会议（CJCAI）；1970 年 International Journal of AI 杂志创刊，成为国际上最高级别的人工智能学术期刊。在 1977 年的第五届国际人工智能大会上，提出了“知识工程”这个全新的研究领域，在其刺激下，日本、英国、西欧、美国和中国（“863”计划）的人工智能计划陆续推出。20 世纪 80 年代初日本开启的“第五代计算机”即“知识信息处理计算系统”研制计划，把人工智能研究推向了高潮，短短十余年间，各种专家系统研究形成了热潮。但是，人工智能的发展过程起伏跌宕。日本的“第五代计算机”并没有能够突破冯·诺依曼体系结构，无法模拟人类大脑的思维活动；1982 年约翰·霍普菲尔德（John Hopfield）提出的人工神经网络，1986 年戴维·鲁梅尔哈特（David E Rumelhart）等提出的多层神经网络反向传播（BP）算法，成为神经网络研究的重要标志。但效果并没有人们期望的那么好，其根本原因在于知识从哪里来和如何获取。这就是人工智能的“知识期”。随着大数据时代的到来，人工智能技术逐渐渗透到人类社会的各个方面，人们对用计算机模拟人的智能的需求更加迫切，再次对冯·诺依曼体系结构的计算机作为“电脑”模拟人脑提出了质疑，其中 1987 年在美国波士顿召开的人工智能基础国际研讨会是一个契机，会上许多在人工智能领域作出重要贡献的专家围绕人工智能的基础理论阐述了各自的学术思想。此后，很多学者把人工智能的主要理论和方法归纳为三大学派，即符号主义（Symbolism）学派，以约翰·麦卡锡、艾伦·纽厄尔和赫伯特·西蒙等为代表，主张以物理符号系统（符号操作系统）假设和有限合理性原理为基础，集专家、知识、规则、推理于一体；联结主义（Connectionisan）学派，以沃伦·麦卡洛克、约翰·霍普菲尔德等为代表，主张以仿生学为基础，以人工神经网络和进化计算为核心，即“早期神经网络→多层神经网络（BP 算法）→统计学习理论”；行为主义（Behaviorism）学派，以罗德尼·布鲁克斯（Rodney Brooks）为代表，以“自组织（Self-organization）、自学习（Self-learning）、自适应（Self-adaptive）”能力即智能行为能力为核心，出现了机器昆虫、遗传算法、蚁群算法、免疫算法等智能算法。三大学派在争论（分裂与统一）中进入 21 世纪，人们认识到生物智能特别是人类智能的突破性研究是核心，只有把人类智能的工作机理弄清楚了，才可能让机器更好地去模拟它，这就导致了深度学习、深度增强学习即模拟大脑的类脑研究，也就是用大数据教会计算机通过不断的学习来获得知识。这就是人工智能的“学习期”。
1.3 人工智能时代正在到来
说人工智能时代正在到来，许多该领域的专家有过许多分析和论证，如有的学者提出人工智能时代正在到来的“三大标志”，其实人工智能领域人才的培养也是一个重要标志。所以，这里归纳为以下几个方面。
1.3.1 从万物互联到万物智能
随着互联网、物联网和智能感知技术的发展，从万物互联到万物智能是一个必然趋势。文献 [6] 引用前百度研究院常务副院长提出的“三阶段”论：一是，2000—2009 年，称为“润物细无声”，即大数据的产生和大数据时代的到来；二是，2010—2019 年，称为“于无声处听惊雷”，即移动互联网、更多的数据、更强大的计算能力和模型算法等；三是，2020—2029 年，称为“江山如此多娇”，即大规模人工智能技术的应用。应该说，现在已经拥有大规模海量数据，具备很强的计算能力和一系列模型算法，人工智能技术的应用范围越来越广、规模越来越大。
1.3.2 人工智能技术正在催生新产业并助推传统产业的转型升级
人工智能技术正在催生新产业，这是一个明显的事实，是人工智能技术对全社会加快渗透（工业制造业、经济和金融、日常生活、文化和娱乐等）的结果，也是脑科学、认知科学与人工智能交叉融合的结果。例如：基于计算机视觉的工业相机、工业镜头、SCI 智能相机软硬件等；机器学习深度发展的深度学习、深度增强学习等；基于自然语言处理技术的自然语言通信的计算机系统或人机通信系统，特别是其中的软件系统；基于人工智能的各类（种）机器人（电话机器人、电销机器人、搬运机器人……）现在已成为有影响的产业；还有基于语音识别技术的相关产业；等。人工智能技术正在助推传统产业的转型升级，也是一个不争的事实。例如：在传统制造业转型升级方面，包括智能设计、智能制造或柔性制造（如“3D 打印”）等等，大大提高了生产效率；在地理信息产业领域，人工智能正在成为传统地理信息产业转型升级的核心驱动力，特别是人工智能“三元素”（时空大数据、算法、计算能力）中的算法（包括算法智能调度）自主研究，已开始显示出基于云计算的时空大数据分布、并行、协同的助推地理信息产业转型的优势。
1.3.3 人工智能时代正在到来的必要与充分条件
文献 [6] 提出了四个“必要条件”和四个“充分条件”。其中，四个“必要条件”是：移动互联网的发展和传感器的普遍采用；云计算使智能大规模并行计算成为现实；机器学习特别是深度学习技术不断进步；大数据理论与技术的发展。四个“充分条件”是：软硬件服务的一体化；聚焦刚性需求；关键技术突破；体验式营销。从人工智能的现实状况看，应该说四个“必要条件”基本具备，特别是 5G 技术的快速发展，基于云计算的大规模分布、并行和协同计算已在一些重大科学和工程计算中得到应用，机器学习正在向深度学习和增强深度学习发展，大数据已成为全球战略和国家战略；而智能感知无处不在、低成本大规模并行计算、自主可控深度学习和深度增强学习算法的深化研究等需要进一步加强。至于四个“充分条件”，目前正在逐步推进与实现，而其中的“体验式营销”已表现出很好的发展势头。所以，总体来说，人工智能时代正在到来的“必要条件”与“充分条件”是可预期的。
1.3.4 一支知识结构合理的人工智能的人才队伍至关重要
于前所述，如果没有大卫·希尔伯特、库尔特·哥德尔、艾伦·图灵、约翰·冯·诺依曼和诺伯特·维纳等一批年轻科学家的大胆探索，怎么可能开启人工智能之梦想呢？如果没有约翰·麦卡锡、马文·闵斯基、克劳德·香农、艾伦·纽厄尔和赫伯特·西蒙等一批科学家于 1956 年 6—8 月齐聚达特茅斯的专题研讨会，怎么可能有 1956 年人工智能的元年呢？如果没有爱德华·费根鲍姆开辟新路，提出人工智能必须引入“知识”，怎么可能有 1968 年第一个专家系统问世至 20 世纪 80—90 年间国内外专家系统的热潮呢？如果没有爱德华·费根鲍姆在 1977 年第五届国际人工智能大会上提出“知识工程”这个全新的领域，怎么可能有后来的日本的第五代计算机计划、英国的阿尔维计划、西欧的尤里卡计划、美国的星计划和中国的 863 计划的陆续推出呢？如果没有三大学派，即符号主义学派（以约翰·麦卡锡等为代表）、联结主义学派（以沃伦·麦卡洛克等为代表）和行为主义学派（以罗德尼·布鲁克斯等为代表）在争论（分裂与统一）中进入 21 世纪，怎么可能有今天用大数据教会计算机通过不断学习来获取知识即模拟人脑的类脑和类脑智能研究并促进了机器学习的快速发展的大好局面呢？人工智能由探索期到推理期，再到知识期，直到今天仍在进行中的学习期的 120 年历程表明，人才是何等重要！应该说，百余年人工智能探索发展的过程中，培养了一大批该领域的杰出科学家和优秀人才。我国以钱学森先生为代表的老一辈科学家为我国人工智能的发展奠定了很好的基础，人工智能中青年人才队伍也在快速成长，特别是近些年来国内不少高校还设立了人工智能或大数据学院、研究院（所），培养该领域的专业技术人才。但总体来说还是管理型人才多、专业技术人才少，特别是从事人工智能基础理论和核心技术研究的人才少，近些年来出版的人工智能或大数据相关科学著作的学者还是国外的多、国内的少，这就是一个明显的例证，该领域我国与西方发达国家尚有明显差距，必须引起足够的重视。
2 地图学同人工智能的不解之缘
2.1 地图学——人类智慧的结晶
地图学是人类历史上最伟大的创新思维之一。地图学研究的主题是地图，地图重构而非复制复杂非线性的地理世界，重构的过程就是科学抽象（地图投影、地图符号系统、地图制图综合）的过程，充满了人类智能，是人类科学抽象表达复杂非线性地理世界的空间结构和空间关系的伟大创造，成为国际上公认的三大通用语言（音乐、绘画、地图）之一，人类社会不可能没有任何形式的地图。地图是最古老也是最强大、最持久的地理思想之一，在过去数千年地理学家探索和发展的所有思想中，地图都成为东西方文明的中心，被称为地理学的第二语言。天气图是大气的快照，具备全方位的可视化功能，使人们认识到气压、风和降水之间的基本关系，向人们发出有关飓风、龙卷风、大风雪、冷空气、暴风雨等警报，制作天气图的思想改变了世界；地理信息系统（GIS）是地图功能的拓展和延伸，被称为地理学的第三语言，地理信息系统（GIS）、遥感（RS）、全球卫星导航系统（GNSS）的“3S”集成，使地理信息在可得性、可靠性和价值方面发生了巨大变化，这种变化对人们如何表达和理解这个世界具有重要意义；导航电子地图是人们工作、学习、生活不可缺少的工具。现在，人们开车不用像过去那样“记路”，“导航定位系统 + 导航电子地图系统”可以随时告知你到达目的地的“线路”，人们外出探亲访友、购物不用“问路”，只要打开手机就可以利用导航电子地图规划到达目的地的线路，按地图行进即可到达目的地，导航电子地图使人们的出行方式发生了革命性的变化。今天，我们不可能设想一个社会如果没有任何形式的地图那会是什么样的，但很少有人知道地图是采用什么方法制作出来的。事实上，在很长时间内陆图是采用手工制图方法制作的，电子计算机问世后采用计算机辅助地图制图的技术制作。那么，人工智能的兴起，地图制图的理论、方法和技术会发生什么的变化呢？
2.2 地图制图专家系统——20 世纪 80—90 年代的热潮及其反思
20 世纪 80—90 年代正是人工智能发展的“知识期”，国内外地图学界都先后研制出一批地图制图专家系统。在国外，有英国 G. Robinson 和 M. Jeckson 研制的地图设计专家系统 MAP-AID（1985）、加拿大 Pfefferkorn 和 Burr 研制的综合性地图制图专家系统 ACES（1985）、美国 P. Jankowiski 和 T. L. Nyegges 研制的基于知识的地图投影选择专家系统（1990）、美国 Fremen 和 Nickerson 研制的基于规则的制图综合专家系统 MAPEX，等等；在国内，如原武汉测绘科技大学张文星研制的制图综合专家系统 MAPGEN（1988）、中国科学院周英明研制的基于规则方法的统计制图专家系统（1989）、解放军测绘学院孙群研制的军事地图制图专家系统数学基础自动生成子系统（1990）及该校陆效忠研制的面向对象的定量制图专家系统（1991）、华一新研制的专题地图设计专家系统 PC-MAPPEX（1991）和王家耀、武芳等研制的制图综合专家系统工具 CGES（1992），等等。可以说，在 20 世纪 80—90 年代的短短 10 余年间，形成了地图制图专家系统研究的热潮，其共同特点是基于人类总结的地图制图专家（或从制图规范中抽取）的知识和基于知识的推理（如“IF-Then”形式）。但是，20 世纪 80—90 年代 10 年间形成的地图制图专家系统研究的热潮，在接下来的 10 多年里就没有了，之前研制的地图制图专家系统在制图生产中也基本未得到应用。这是为什么呢？其原因在于“制图知识工程”瓶颈问题未得到解决。钱学森先生早在 1984年 9 月 1 日给戴汝为先生的信中有精辟的分析，他指出：“我以为国外人工智能工作，似乎急于求成，而基础理论工作不扎实。我们当然最后要取得应用成果，但不能没有理论指导，理论与实践相结合。” 时隔 17 年后，李娜在《科学导报》发表题为《被批 20 年无进展，人工智能需要重启？》的文章，指出“为什么没有机器人能够修复日本的核反应堆？原因是人工智能能研究在 20 世纪 60 年代和 70 年代取得了很大的进步，但随后走上了错误道路。”作者引用 AI 和认知科学领域的奠基人马文·闵斯基（Marvin Minsky）和帕特里克·温斯顿（Patrick Winston）的话说，“过去 20 年中 AI 本来是应该取得更大进展的，问题发生在 20 世纪 80 年代，AI 研究的资金开始枯竭，研究人员尝试探索商业化 AI，由此产生的最大问题是 AI 研究的狭窄和专业化，而基础问题研究无人问津，没有进展。因此主张回归到好奇心驱动研究。没有理论指导，研究工作就不可能持久。”后来人工智能研究的进展证明了这一点。
2.3 近 10 余年来地图学领域人工智能研究出现了好势头
理论是技术的先导，技术是理论的支撑。近 10 余年来，同其他领域的人工智能一样，地图学领域人工智能的研究出现了新的局面，代表性的成果有自适应地图可视化关键技术研究、基于活动理论的网络地图设计研究、自适应地图可视化原理与方法 和专题地图智能化设计理论与关键技术，等等。更为突出的成果是在智能化地图制图综合方面，例如：面向地图自动综合的空间信息智能处理，为计算机模拟人在制图综合过程中的思维方式进行了大量基础理论和关键技术研究；地图制图综合质量评估模型，研究了制图综合算法和制图综合结果的评价模型，解决了制图综合质量评价难题；居民地增量级联更新理论与方法，以居民地要素增量级联更新流程为主线，研究了其理论基础、实现方法和关键技术；地图群（组）目标描述与自动综合，摒弃了传统上“重算法、轻描述”的思想，强调地图目标描述和综合算法并重，使综合算法更具针对性；数字地图综合进展，系统地总结了制图综合提出百年来制图综合过程的主观性、客观化、定量化、模型化、算法化、智能化、协同化和系统化的发展趋势；自动制图综合及其过程控制的智能化研究，创新性提出了自动制图“综合链”理论，解决了自动制图综合过程控制的智能化难题；等等。总结近 10 余年自动制图综合智能化领域的研究，归纳起来有四个方面的突破：一是首创多尺度地图目标空间关系定量计算基础理论与方法；二是创建地图空间模式信息度量、智能识别与变化发现方法；三是首创可回溯的地图综合链理论与过程控制模型；四是研发了自适应地图智能综合与更新软件系统，广泛服务国家经济、国防建设的各个方面。
3 人工智能时代地图学的再度崛起
3.1 人工智能时代开启以数据密集型计算为特征的地图学科学范式的新时代
美 国 著 名 科 学 哲 学 家 托 马 斯· 库 恩 C Thomas Kuhn 在《The Structure of scientific Revolutions》（《科学革命的结构》）一书中提出“范式”的概念和理论 。所谓科学范式，指的是一个共同体成员所共享的信仰、价值、技术等的集合，指常规科学所赖以运作的理论基础和实践规范，是从事某一科学的研究者群体所共同遵从的世界观和行为方式。之后，计算机图灵奖得主 Jim Grey 提出四个科学范式的理论，即第一范式——经验范式，产生于数千年前，是描述自然现象的经验范式，人们以经验和观察为依据进行科学研究，即以科学实验的方式探索未知；第二范式——理论范式，产生于几百年前，是以建模和归纳为基础的理论分析范式，即在科学实验基础上进行模型归纳形成相应的规则和理论；第三范式——计算范式，产生于几十年前，是以模拟复杂现象为基础的计算科学范式，即在科学实验和理论计算都难以进行的情况下，采用模拟仿真方式以验证理论及方法的可靠性；第四范式——数据密集型计算范式，今天正在出现，是以大数据为基础，集理论、实验和模拟于一体，对大规模海量数据进行分析挖掘和知识发现的数据密集型计算范式。Jim Grey 的四个科学范式的理论完全适合地图学科学范式的发展演进。古代地图学属经验范式，产生于数千年前，是以人类观察为依据的直观逻辑思维；近代地图学属理论范式，产生于数百年前，是以理论思维和地图实测方法为依据的科学假设和理论分析；现代地图学属计算范式，产生于数十年前，是以计算机的应用——计算机地图制图为标志的模拟计算和系统综合方法；人工智能时代的地图学属数据密集型计算范式，目前正在出现，是以智能化理论和技术为手段，以时空大数据为对象，综合利用人工智能三要素（数据、算法、算力）解决地图学领域的大规模海量数据计算的难题。当今的地图学，正面临着人工智能和时空大数据时代的全球性挑战，数据密集型计算范式正是解决地图学面临挑战的具有本质性的理论、方法和技术，这不仅是科研方式的转变，更重要的是地图——思维方式（大数据思维）的大变化，通过时空大数据的分析挖掘，可以发现过去的科学方法发现不了的新模式、新知识和新规律。这正是当今地图学要解决的问题。所以，人工智能开启以数据密集型计算为特征的地图科学范式新时代，是地图学科学范式发展演进的规律和趋势。
3.2 深度学习为解决智能地图制图“知识工程”瓶颈问题提供了一条新的途径
深度学习的基础是神经网络。神经网络的前世是基于统计样本数据的浅层机器学习模型，其中，1974 年哈佛大学的博士生保罗·沃博斯提出、1986 年大卫·鲁姆哈特（David Rumelhart）和他的学生杰弗里·辛顿（Geoffrey Hinton）等人重新发现的反向传播算法（BP 算法），使陷入“冷冬”的人工神经网络重新活跃起来，比起过去基于人工规则的系统要优越的多，包括在地图学领域也得其用于海图水深综合研究。神经网络的今生是2006 年辛顿和他的学生提出的基于大数据方法的深度学习，在这之前还有严恩·乐库（Yann LeCun）于 1998 年提出的多层神经网络即卷积神经网络，深度学习本质上是利用大数据教会计算机自己通过不断学习以获得知识和发现规律，因此应用范围和应用前景十分广阔，在地图学特别是自动制图综合领域，将为解决智能地图制图特别是智能地图制图综合“知识工程”瓶颈问题开辟一条新路。地图制图在现代以前的漫长历史中，制图工作的重点在于如何提高表现力，制图者的个人技巧对地图质量影响很大，制图者必须有丰富的作业经历和经过长期实践才能积累起足够的经验、形成经验性知识，这种知识具有很强的主观性，甚至是“只能意会，不能言传”。在这种情况下，完全依赖于人工总结地图制图规则性知识是无法从根本上解决“知识工程”问题的。随着人工智能时代的到来，支撑人工智能的大数据、算法和算力等三个条件都已基本具备，智能地图制图特别是智能地图制图综合的“知识工程”瓶颈问题，有可能通过地图制图时空大数据和利用算法及已具备的计算能力，采用分布、并行、协同的方法，让计算机不断地学习以获取制图综合知识和规律。
3.3 类脑智能研究将为面向智能地图制图的基础理论研究打开一扇大门
类脑智能是人工智能发展的另一条路径，将成为人工智能发展的优先研究方向。AI领域的专家认为，基于机器学习的人工智能技术已经深入到许多领域，但机器学习往往需要大规模海量数据，而且还面临无法进行推理的困境。也就是说，机器学习不灵活，需要大规模人工标注的高质量数据；训练模型要有很大的计算开销；缺乏高级认知能力和举一反三的能力。正是在这种情况下，科学家们开始转向对人类大脑的借鉴与研究。所谓“类脑”，即模拟人脑；所谓“类脑智能”，即模拟人脑的类脑计算机。通过发展“类脑智能”可以揭示人脑信息处理的思维与途径。智能地图制图特别是智能地图制图综合不是也面临这样的问题吗？地图制图专家们在处理地图制图问题时是怎样思考的？能不能让计算机也像地图制图专家们一样会思考？道理是相通的。这就要求地图制图专家和人工智能专家相结合，地图制图专家在类脑智能基本原理的基础上，开展面向智能地图制图特别是智能地图制图综合的类脑智能研究，在脑机理研究成果的基础上下功夫研究制图专家在处理制图综合问题时的思维推理，尽可能使面向制图综合问题的类脑计算模型和算法精确化，充分利用先进的云计算架构和超强计算能力。地图制图专家们还必须认识到，类脑智能本质上就是计算机（电脑）人工智能与人类（人脑）智能的深度融合，是一项长期的战略性研究任务；面向智能地图制图领域的类脑和类脑智能研究，将使智能地图制图特别是智能地图制图综合研究取得重大突破，是一项未来发展有很大创新空间的战略性研究任务。近几年来脑科学、神经科学、认知科学和人工智能技术取得了可喜的进展，有望为面向智能地图制图的类脑和类脑智能研究提供基础和借鉴，我们要坚持跨界（学科）学习与合作，实现计算机制图人工智能与制图专家自然智能的深度融合，这是一项经过艰苦努力有望实现的战略性研究任务。
3.4 人工智能将成为发展智能地图制图的核心驱动力
人工智能作为发展智能地图制图的核心驱动力，主要包括三个要素，即算法、时空大数据和计算能力。所谓算法，是指某个领域（如地图制图领域）某个问题的有穷地机械地判定（计算），它只用有穷多条指令描述，计算机便按指令执行有穷步的计算过程，从而得出问题解决的结果。从本质上讲，算法本身就是一种知识。算法是机器学习的核心，相当于发电机的引擎。算法在地图自动制图特别是制图综合领域的应用并非新鲜事。以算法为核心的计算机人工智能同制图专家人脑智能相比较，具有速度更快、效率更高、结果更好、耐力更强等特点。所谓时空大数据，是指基于统一时空基准、存在于时间和空间中与位置直接（空间定位）或间接（空间分布）相关联的大数据，是人工智能（机器学习）的动力，类比发电厂的水动力、煤动力、核动力。没有时空大数据，智能地图制图特别是智能制图综合算法就不起作用，数据质量不好，就会算不准。所谓计算能力，是指计算机利用算法对时空大数据进行处理的能力，类比发电厂的发动机。云计算是一种新的计算模式，它通过“池化”和“云化”汇聚信息资源，并具有时间弹性和空间弹性，用户可以在“池子”中找到自己所需要的信息资源，实现基础设施即服务（IaaS）、平台即服务（PaaS）、软件即服务（SaaS）和数据即服务（DaaS）等。就目前所拥有的时空大数据和研制的大量智能地图制图特别是智能制图综合算法，计算能力完全能够支撑时空大数据处理的分布（任务分解）、并行（工作流）、协作（同）（算法调度），最终实现智能化地图制图。就面向智能地图制图特别对智能制图综合而言，应该说时空大数据和计算能力都不成问题，关键问题是要研究自主可控的智能地图制图综合的算法和智能制图系统，要改变目前以图幅为单元的单人、单机、单系统的模式，研究分布（按大制图区域分块或按要素实行任务分解）、并行（多个节点上按“制图综合链”并行处理）和协同（算法调度、各要素相互关系处理和各“分块”任务协同处理）的新模式。人工智能开启地图学的新时代，但这并非是不经历艰苦努力就能轻而易举实现的。我们要从人工智能梦想探索和发展的“曲折道路”中吸取经验教训，必须像在这个领域作出杰出贡献的科学家们那样，不断前行，挑战极限，克服当前学术界存在的“急功近利”“浮躁之风”“赶集之风”；要像老一辈科学家那样，对待科学问题要提倡争论、尊重科学、尊重规律，克服搞“商品广告式”文字游戏的“不实之风”，真正做到“登高望远、脚踏实地”。进入 21 世纪以来，地图学领域的智能化研究出现了好的势头，但必须坚持自信、持之以恒。就地图制图而言，它本是一个极具创造性的工作，是一个十分复杂的思维过程，逻辑思维（抽象思维）、形象思维、灵感思维并存。逻辑思维能方便地用数学公式来描述，但地图制图过程中大量存在的形象思维和灵感思维带有模糊性或不确定性。这就是说，要花大力气进行基础性工作，包括面向地图制图的人工智能基础理论研究，如面向地图制图的类脑和类脑智能研究。地图制图过程中到底有些什么样的知识在起作用，从哪里和如何获得这些知识，地图制图知识特别是那些模糊性或不确定性知识怎样提取和描述，怎样对这些知识进行处理，建立什么样的适合智能地图制图特点的自适应演绎推理机制和智能控制策略。这些基础理论、方法和技术问题，只有通过持久的、扎扎实实的、一步一个脚印的研究工作才能最终得到解决。
文章摘自《地图研究》，参考文献（略)