鄭敏睿， 鄭新奇， 王嬌

①北卡羅來納大學(xué)夏洛特分校，夏洛特 NC 28223；②中國地質(zhì)大學(xué)(北京)信息工程學(xué)院，北京 100083

筆者2012年提出《論地理系統(tǒng)模擬基本模型》[1]論題時，感覺這些觀點(diǎn)已經(jīng)比較綜合前沿。經(jīng)過幾年的探究，筆者所在團(tuán)隊(duì)基本解決了其中涉及的關(guān)鍵技術(shù)難點(diǎn)，實(shí)現(xiàn)了基本模型的研制和試用[2-3]。GSBM(geographic system basic model)基本實(shí)現(xiàn)GIS+CA(cellular automata)+ABM(agent based model)+SD(system dynamic)等的深度融合，在地塊級進(jìn)行了真正的時空動力學(xué)模型研制。同時還延伸出另外的成果：多級空間系統(tǒng)動力學(xué)模型(multilevel space system dynamics model，MSSD)[4]和超參數(shù)優(yōu)化的空間分析方法[5]，經(jīng)過不斷的優(yōu)化和提升，已經(jīng)達(dá)到可以進(jìn)行區(qū)域地理系統(tǒng)模擬研究的決策支持[6]。但是，該研究已經(jīng)被人工智能(artificial intelligence，AI)的新浪潮蓋過。AI是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

2016年AlphaGo的橫空出世，讓AI成為全世界科技界關(guān)注的熱點(diǎn)。AlphaGo采用了很多新理論和新技術(shù)，在監(jiān)督學(xué)習(xí)模式中向前推進(jìn)了一大步[7]。2017年AlphaGo Zero再次成為“網(wǎng)紅”[8]，給人們帶來一個全新的思維視角。AlphaGo Zero已經(jīng)不再采用監(jiān)督學(xué)習(xí)，不再依靠人類的經(jīng)驗(yàn)來進(jìn)行學(xué)習(xí)，而是在簡單的規(guī)則指引下開始沒有人類參與的自我訓(xùn)練和學(xué)習(xí)，結(jié)果不僅發(fā)現(xiàn)人類所有已經(jīng)發(fā)現(xiàn)的定式，還發(fā)現(xiàn)人類沒有發(fā)現(xiàn)的新定式。在這樣一個框架下，AI真正進(jìn)入一個新階段，標(biāo)志著知識積累到一定程度會實(shí)現(xiàn)從弱人工智能邁上中人工智能，并正在邁向強(qiáng)人工智能的發(fā)展。

空間分析(spatial analysis，SA)是一種定量分析空間數(shù)據(jù)的方法，是揭示和闡明所有發(fā)生在地球表面的空間現(xiàn)象的過程，旨在為空間決策、區(qū)域規(guī)劃和政策制定等工作服務(wù)[9]。曾經(jīng)和正在輝煌的GIS中具有競爭力的SA，也因?yàn)橹悄苁謾C(jī)、共享單車、滴滴打車、智慧城市等雨后春筍般的發(fā)展而受到挑戰(zhàn)。在這樣的背景下，對SA和AI進(jìn)行討論具有重要的意義。一方面，各種新概念不斷出現(xiàn)，比如，人類科技發(fā)展到了中人工智能階段，就可以實(shí)現(xiàn)全息化了。周成虎等專家致力于全息地圖、全息空間、智能空間、空間智能等的倡導(dǎo)和研究[10-11]；王家耀等提出“新型智慧城市‘大腦’就是時空大數(shù)據(jù)平臺”[12]；李德仁等在多個學(xué)術(shù)交流會報告中強(qiáng)調(diào)，人工智能、腦認(rèn)知在全世界都被認(rèn)為是現(xiàn)在和未來十年最重要的科學(xué)研究內(nèi)容[13]；IJGIS主編May Yuan教授也認(rèn)為要開展空間和地理思維的認(rèn)知神經(jīng)科學(xué)研究[14]。有了這樣的思維框架，就可以真正實(shí)現(xiàn)一個位置映射這個位置所有故事，或者是一個故事涉及的所有位置，并將“兩個所有”繼續(xù)發(fā)揚(yáng)光大。另一方面，一些人建議干脆將GIS融入IT，比如李振宇認(rèn)為GIS是在走向一個消亡的過程，是在走向更多的、更廣泛的空間信息的一種服務(wù)之中[15]。

無論是樂觀者還是悲觀者都不可否認(rèn)的是，我們已經(jīng)進(jìn)入人工智能時代。雖然人工智能有強(qiáng)、中、弱之分，但空間分析必須感知人工智能并快速形成SA+AI或者AI+SA，最終形成AISA。為此，本文梳理了空間分析每次“顛覆性”跨越的主要節(jié)點(diǎn)，簡要總結(jié)了空間分析的演進(jìn)和主要流派、代表理論，闡述了AISA的基本原理，預(yù)測了AISA未來的幾個熱點(diǎn)。全文沒有按照一般研究的思路進(jìn)行編寫，而是采用“概覽+拐點(diǎn)”的思路進(jìn)行結(jié)構(gòu)組織，迎合了全樣本人工智能分析的新思路。希望這些觀點(diǎn)對讀者具有參考價值。

1 人工智能空間分析發(fā)展關(guān)鍵節(jié)點(diǎn)

1.1 從0到1的計(jì)算機(jī)化工作模式(SA1.0)

GIS起源于人口普查、土地調(diào)查和自動制圖。1963年加拿大測量學(xué)家Tomlinson首先提出“地理信息系統(tǒng)”這一術(shù)語，并建成世界上第一個地理信息系統(tǒng)CGIS(Canada geographic information system)[16]。這樣的技術(shù)發(fā)展將人們從基于紙張的全人工工作模式解放出來。人們將手工作業(yè)輸入計(jì)算機(jī)，通過計(jì)算機(jī)來進(jìn)行查詢、統(tǒng)計(jì)和重復(fù)使用——這是0到1的飛躍。這個階段的空間分析其實(shí)是“表+腦”，就是各種表格數(shù)據(jù)在計(jì)算機(jī)中，空間相關(guān)的內(nèi)容在工作人員的頭腦中。這是初級的人機(jī)交互模式。

“地圖+數(shù)據(jù)庫”的技術(shù)路線于20世紀(jì)60年代提出，其產(chǎn)業(yè)化發(fā)展到今天。我們現(xiàn)在所稱的傳統(tǒng)GIS，是指通過數(shù)據(jù)獲取、數(shù)據(jù)質(zhì)量控制、內(nèi)業(yè)數(shù)據(jù)庫管理、可視化查詢分析、簡單決策支持等集成手段，以電子地圖為信息載體，“GIS平臺+應(yīng)用開發(fā)”為主要特點(diǎn)的系統(tǒng)。因此，MIS(management information system)與GIS的最大區(qū)別就在于GIS可以是“地圖+數(shù)據(jù)庫”模式。2002年，ESRI公司在ArcGIS 8中推出Geodatabase，稱得上傳統(tǒng)GIS的巔峰之作，《Modeling Our World》可視為GIS界一份雄心壯志的宣言[17]。

1.2 全球視野的可視化技術(shù)(SA2.0)

GIS固然有其獨(dú)特的不可替代的技術(shù)優(yōu)勢，卻不能看到全球境況和分析動態(tài)的可視化全球現(xiàn)象。1998年時任美國副總統(tǒng)的戈?duì)柼岢觥皵?shù)字地球”的構(gòu)想。1999年11月第一屆數(shù)字地球國際會議在北京召開，這是世界上第一個以數(shù)字地球?yàn)橹黝}的國際性會議。來自27個國家的500余名代表圍繞數(shù)字地球的概念和認(rèn)識、理論與技術(shù)、應(yīng)用前景等方面開展了交流和討論。會議通過了《北京宣言》，出版了由徐冠華部長和陳運(yùn)泰院士主編的會議論文集。之后，圍繞數(shù)字地球的各種學(xué)術(shù)會議相繼召開。2005年Google Earth(GE)上線運(yùn)行，原來的GIS視野擴(kuò)展到了全球視野，并通過特有的技術(shù)，實(shí)現(xiàn)了簡單的基于球面的空間分析功能[18]。GE被《PC世界雜志》評為2005年全球100種最佳新產(chǎn)品之一，把地球的衛(wèi)星圖像帶入我們的家庭。全球用戶為從高處能看到自己的房子、汽車而興奮，都在熱捧這款軟件。到目前為止，GE雖然僅僅實(shí)現(xiàn)了簡單的空間分析功能，甚至算不上人工智能，但是其親民的交互性讓人愛不釋手。我們可以確認(rèn)這個軟件在空間分析中有很多潛在的應(yīng)用[19]。GE的Timelapse功能可以讓用戶通過衛(wèi)星圖片觀看1984以來的地表變化。GE與GIS的結(jié)合也使原來單一的GIS空間分析如虎添翼，比如對登革熱這種蚊子傳播的疾病分析[20]、基于GE的地質(zhì)數(shù)據(jù)分析等[21]。

1.3 隱LBS及其智慧應(yīng)用(SA3.0)

以2012年滴滴打車上線運(yùn)行為標(biāo)志的基于LBS的大眾化普及應(yīng)用，將GIS中引以為傲的基于位置的地理數(shù)據(jù)空間分析再次推到一個新階段。隨著移動互聯(lián)網(wǎng)的快速發(fā)展，以及 2014年以摩拜為首的共享單車的應(yīng)運(yùn)而生，讓無樁單車開始取代有樁單車。這些發(fā)生在身邊的位置數(shù)據(jù)應(yīng)用，雖然我們幾乎感受不到卻實(shí)實(shí)在在存在，并支持著各種空間分析和決策服務(wù)。隱LBS 空間分析是指人們看不到基于LBS的空間分析及其技術(shù)，卻廣泛應(yīng)用[22]。目前這樣的空間分析狀態(tài)造成了GIS的正在失去其應(yīng)有的地位，逐漸走向衰落的假象。

其實(shí)，作為GIS核心技術(shù)的空間分析并沒有衰退，只是像數(shù)碼相機(jī)取代膠卷相機(jī)一樣在發(fā)生蛻變。這種基于LBS的智慧應(yīng)用能夠廣泛支持需要動態(tài)地理空間信息的應(yīng)用，從尋找旅館、急救服務(wù)到導(dǎo)航，幾乎可以覆蓋生活中的所有方面。LBS演化出了4個特點(diǎn)：從被動式到主動式、從單用戶到交叉用戶、從單目標(biāo)到多目標(biāo)、從面向內(nèi)容到面向應(yīng)用。伴隨著智能手機(jī)、移動互聯(lián)網(wǎng)技術(shù)和大數(shù)據(jù)技術(shù)發(fā)展，隱LBS的智慧應(yīng)用將有更大的市場和潛力。

1.4 云GIS與人工智能時空決策(SA4.0)

據(jù)報道，GIS的年產(chǎn)值達(dá)到了百億美元的級別，且還在持續(xù)增長，因?yàn)榻鼛资曛泻芏喾治鰞?yōu)化的方法已經(jīng)成熟，能在各個行業(yè)中起決策支持。當(dāng)前，人工智能和認(rèn)知計(jì)算正席卷全球，大數(shù)據(jù)分析、輔助決策、深度學(xué)習(xí)給人類能力的提升提供了無限的可能。如：IBM Waston 的疾病診斷準(zhǔn)確率震撼了人類醫(yī)生；摩根大通COIN僅用幾秒鐘就完成了人類需消耗36萬小時才能完成的金融合同分析。

時間是地理對象發(fā)生、發(fā)展和消亡的主導(dǎo)因素。GIS應(yīng)用領(lǐng)域的不斷拓展 , 對描述和掌握地理現(xiàn)象的時空變化規(guī)律提出了更高的要求。同時，GIS基礎(chǔ)理論的進(jìn)步也要求系統(tǒng)能夠更完整地去描述地理現(xiàn)象，不能再忽視時間變量。這兩方面的迫切要求引起了越來越多學(xué)者的高度重視，預(yù)示著人工智能時空決策時代即將到來。例如，百度地圖圍繞語音賦能地圖，使人機(jī)交互聽得清、聽得懂，能滿足駕駛者提的需求，最大限度地實(shí)現(xiàn)在駕車環(huán)境下更加安全和高效操作地圖，讓雙手得到解放。百度地圖事業(yè)部總經(jīng)理李瑩介紹，目前百度語音識別能力已經(jīng)超過了人耳的識別準(zhǔn)確率。有了這樣的實(shí)時決策支持，未來人工智能時空決策將會有更多普及化的發(fā)展。

1.5 AI思維的悄然興起(SA4.0+)

在新技術(shù)不斷更迭的社會，市場需求給傳統(tǒng)GIS服務(wù)帶來了新的挑戰(zhàn)。用戶已經(jīng)不能接受功能齊全但售價昂貴，且難以拓展的純工具類的軟件服務(wù)。取而代之的是地理信息的全鏈條、一站式服務(wù)，如底層數(shù)據(jù)的補(bǔ)充、地理編碼服務(wù)、數(shù)據(jù)上圖、模型計(jì)算等等。人們甚至希望能夠提供直接解決實(shí)際問題的分析應(yīng)用。這個趨勢目前仍然在探索過程中。

各行各業(yè)要從重視AI轉(zhuǎn)變?yōu)锳I思維，比如互聯(lián)網(wǎng)時代有互聯(lián)網(wǎng)思維，移動互聯(lián)網(wǎng)時代也有移動互聯(lián)網(wǎng)思維，思維方式隨著技術(shù)發(fā)展轉(zhuǎn)變已經(jīng)是技術(shù)思維演進(jìn)的套路。李彥宏在2017年百度聯(lián)盟峰會上發(fā)表了主題為“AI時代的思維方式”的演講，號召行業(yè)“AI First”，將AI與業(yè)務(wù)密切結(jié)合[23]。當(dāng)然，作為GIS科學(xué)研究前沿的引領(lǐng)，空間分析中的AI思維也在悄然萌芽并快速發(fā)展，我們即將進(jìn)入AISA的4.0+時代。當(dāng)有類似“所想即所得”的“意念A(yù)ISA”出現(xiàn)并規(guī)?；瘧?yīng)用，AISA將進(jìn)入5.0新時代。

2 人工智能空間分析演進(jìn)

2.1 空間分析中不斷有人工智能的滲透

與空間分析密切相關(guān)的地理計(jì)量研究也走過了類似的歷程。20世紀(jì)60年代興起了地理計(jì)量革命，為地理學(xué)帶來了新工具，也帶來了新思維。由于當(dāng)時計(jì)算理論和計(jì)算工具的限制，在20世紀(jì)70年代末計(jì)量地理陷入沉寂。20世紀(jì)90年代初，隨著遙感技術(shù)和GIS技術(shù)發(fā)展，地理信息科學(xué)開始發(fā)展。其間，空間分析的概念和方法在地理學(xué)、流行病學(xué)、地質(zhì)學(xué)等學(xué)科都得到了廣泛的推廣與應(yīng)用[24]。1996年第一次計(jì)算地理學(xué)術(shù)會議在英國召開，宣告了計(jì)算地理學(xué)誕生。此后，研究成果如雨后春筍般地出現(xiàn)，深刻影響著地理學(xué)及相鄰學(xué)科。計(jì)算地理學(xué)也促進(jìn)了空間分析的進(jìn)一步發(fā)展。

1956年開始出現(xiàn)AI的相關(guān)研究，20世紀(jì)80年代就已經(jīng)受到各國的關(guān)注。計(jì)算機(jī)技術(shù)飛速發(fā)展， CPU、GPU、TPU的普及應(yīng)用不斷提高計(jì)算機(jī)處理能力。物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)相繼出現(xiàn)，使人工智能成為近幾年的爆點(diǎn)[25]。以AI和SA為關(guān)鍵詞在WOF(web of science)(1990—2018)中通過citespace進(jìn)行文章分析發(fā)現(xiàn)，共247篇合作發(fā)表的文獻(xiàn)，其中發(fā)表數(shù)量最多的國家是中國，其次是美國。同時，中國也是中介中心性最高的國家，較為活躍，且大部分研究都是由本國學(xué)者完成。從WOF關(guān)鍵詞時序視角知識圖譜(見圖1(a))、CNKI(1993—2018)110篇中關(guān)鍵詞聚類知識圖譜(圖1(b))可見，近20年間，人工智能、GIS、神經(jīng)網(wǎng)絡(luò)、遺傳算法、元胞自動機(jī)、支持向量機(jī)、邏輯回歸、專家系統(tǒng)、進(jìn)化計(jì)算等成為關(guān)鍵詞。

圖1 基于Citespace的AISA分析

2.1 空間分析算法滯后AI算法發(fā)展

幾十年的AI發(fā)展，基本形成了機(jī)器學(xué)習(xí)算法研究的五大門派(見表1)。傳統(tǒng)算法和各大門派的機(jī)器學(xué)習(xí)算法需要人類知識、規(guī)則、經(jīng)驗(yàn)和數(shù)據(jù)的支持，是一種歸納和演繹學(xué)習(xí)，屬于初級人工智能[26]。

從表1可知，空間分析在機(jī)器學(xué)習(xí)發(fā)展這個過程中也逐步得到發(fā)展和演進(jìn)，從簡單的空間分析不斷進(jìn)步到復(fù)雜的空間關(guān)系分析和時空復(fù)雜預(yù)測等[27-28]。比如，利用各種模式識別技術(shù)對點(diǎn)對象進(jìn)行智能分析和智能標(biāo)識，并對結(jié)果以各種類型的決策形式進(jìn)行可視化，利用自然語言研究智能化的人機(jī)界面、分析工具的自動組裝和快速響應(yīng)，從而使用戶從繁雜的操作工具和命令中解脫出來等，甚至形成意念人機(jī)交互的科幻模式。ESRI已經(jīng)建立了專門的項(xiàng)目團(tuán)隊(duì)，來探索AI和大數(shù)據(jù)在地理信息領(lǐng)域的前沿應(yīng)用，在新版的ArcGIS 10.6軟件中，將會加入與Spark等大數(shù)據(jù)軟件集成應(yīng)用的新功能。

需要特別說明的是，在2000年之前，空間分析關(guān)注“物”多，關(guān)注“人”少，屬于數(shù)據(jù)驅(qū)動型的靜態(tài)空間分析，其結(jié)果是通過人機(jī)交互來實(shí)現(xiàn)地理現(xiàn)象的分析和表達(dá)。進(jìn)入21世紀(jì)，“人”的因素被越來越多地關(guān)注，尤其是智能手機(jī)的出現(xiàn)和大數(shù)據(jù)技術(shù)的發(fā)展，把人的思維、行為等更多地融合到空間分析中，這個趨勢在未來將會更加突出。

任何智能的發(fā)展都需要一個學(xué)習(xí)的過程。近期，人工智能之所以能取得突飛猛進(jìn)的進(jìn)展，是這些年來大數(shù)據(jù)長足發(fā)展的結(jié)果。由于各類感應(yīng)器和數(shù)據(jù)采集技術(shù)的發(fā)展，我們開始擁有以往難以想象的海量數(shù)據(jù)，同時，也開始在某一領(lǐng)域擁有深度的、細(xì)致的數(shù)據(jù)——這些數(shù)據(jù)都是訓(xùn)練某一領(lǐng)域“智能”的前提。AI技術(shù)讓物質(zhì)世界在邏輯、思維層面開始最大程度地適應(yīng)、體現(xiàn)人的主觀需求。機(jī)器主題意識的培養(yǎng)、目標(biāo)的培養(yǎng)、自我學(xué)習(xí)的能力、遺傳進(jìn)化的能力等都使得人類多了一種認(rèn)識世界、了解自己并體現(xiàn)價值的技術(shù)和途徑。在這方面，空間分析理論和算法滯后于人工智能的理論和算法。

表1 機(jī)器學(xué)習(xí)算法與空間分析的流派和演進(jìn)

3 人工智能空間分析原理

3.1 人工智能空間分析概念

通過前面的闡述，我們基本可以了解空間分析和人工智能在各自領(lǐng)域的發(fā)展脈絡(luò)。因?yàn)椤叭恕钡膮⑴c，AISA成為具有“顛覆性”發(fā)展的一種新方法。人工智能是對人的意識、思維的信息過程的模擬。它不是人的智能，但能像人那樣思考，也可能超過人的智能?？臻g分析就是借助人的空間認(rèn)知將地理現(xiàn)象進(jìn)行數(shù)據(jù)映射，進(jìn)而再現(xiàn)地理現(xiàn)象?；谶@樣的思考，我們將人工智能空間分析定義為：基于多源異構(gòu)的時空大數(shù)據(jù)，在地理計(jì)算和社會計(jì)算等人類創(chuàng)造出來的空間分析理論知識和方法基礎(chǔ)上，根據(jù)各種可能需求和問題，集成或融合人工智能方法，通過超級計(jì)算或云(霧)計(jì)算支持，實(shí)現(xiàn)比傳統(tǒng)空間分析方法更加靈活地適應(yīng)問題需求，得到比單個分析方法更多結(jié)果，展示多維靈動的決策支持方案等的新方法。它具有計(jì)算速度快、適應(yīng)面廣、可自學(xué)習(xí)、不斷自我完善功能、全樣本參與、全要素決策、過程透視等特點(diǎn)。未來人工智能就是一名具有各種智能工具的智能分析機(jī)器人，只要給出原理、算法和假設(shè)條件等，智能分析機(jī)器人就能自動將其歸類并進(jìn)行計(jì)算和更好的應(yīng)用。

3.2 人工智能空間分析技術(shù)框架

從空間分析的一般原理可以知道，在對樣本數(shù)據(jù)不能進(jìn)行全覆蓋分析時，人們只能采用樣本抽樣來進(jìn)行空間分析。根據(jù)問題性質(zhì)抽取樣本，選擇合適的計(jì)算模型進(jìn)行數(shù)據(jù)計(jì)算，驗(yàn)證計(jì)算結(jié)果和模型應(yīng)用，我們稱之為有監(jiān)督的AISA，或者是不完全的AISA(表2)。

這樣的空間分析原理隨著AlphaGo Zero的研發(fā)成功，全樣本、全自動、全智能的非監(jiān)督性AISA的研究得到新進(jìn)展。非監(jiān)督AISA與監(jiān)督AISA之間的主要區(qū)別在于是否研究時空邊界內(nèi)的全樣本和全自動機(jī)器學(xué)習(xí)。由于空間要素的參與，AISA增加了表2中②、③兩個新步驟。AISA基本原理可以概括為圖2。

表2 監(jiān)督AISA工作步驟

圖2 AISA基本原理

從圖2可知，首先，需要明確和分析的問題是時空邊界，將問題可能涉及的內(nèi)容全部涵蓋其中，進(jìn)而明確界定研究對象的空間范圍和時間區(qū)間。其次，選擇可能有效的計(jì)算模型，以及對模型超參數(shù)進(jìn)行優(yōu)化。除了選擇已經(jīng)成熟的空間分析方法外，為了解決問題甚至要新建空間模型，也可以用考慮多種模型的混合(融合)使用。為使模型效果最優(yōu)化，不斷進(jìn)行超參數(shù)優(yōu)化，直到達(dá)到最優(yōu)。這些過程可以進(jìn)行抽樣樣本計(jì)算，以免耗費(fèi)更多計(jì)算資源。結(jié)果是否優(yōu)化需要通過正反兩方面的精度檢驗(yàn)函數(shù)，比如精確度熵、損失度熵等來驗(yàn)證。如果精度達(dá)不到要求則返回重新進(jìn)行模型選擇，或者返回再次進(jìn)行超參數(shù)調(diào)優(yōu)。循環(huán)前述步驟，直到結(jié)果滿意終止。最后，將優(yōu)化后的模型和參數(shù)進(jìn)行全樣本的非監(jiān)督機(jī)器學(xué)習(xí)、深度機(jī)器學(xué)習(xí)、增強(qiáng)深度機(jī)器學(xué)習(xí)等訓(xùn)練，實(shí)現(xiàn)真正意義上的中強(qiáng)度人工智能，甚至是強(qiáng)人工智能的空間分析。這就是AISA的基本原理，支撐AISA的內(nèi)部計(jì)算(圖3)。

在AISA工作中，要考慮適宜于全樣本的時空異構(gòu)數(shù)據(jù)庫、混合(融合)模型，甚至是云計(jì)算、大數(shù)據(jù)和未來新的技術(shù)發(fā)明的參與(圖3)。當(dāng)然，支持AISA的還有超級計(jì)算，如果沒有超級計(jì)算的參與，AISA還是很難真正達(dá)到預(yù)期效果的。

圖3 AISA算法原理

4 人工智能空間分析主要研究熱點(diǎn)

4.1 智能空間計(jì)算

2011年吳華意等[29]首先提出空間計(jì)算(spatial computing)概念。空間計(jì)算是利用空間原則優(yōu)化分布式計(jì)算性能的計(jì)算模式。它以空間數(shù)據(jù)和社會物理現(xiàn)象等為對象，利用空間優(yōu)化原則，研究地理空間數(shù)據(jù)分布式計(jì)算的原理及大規(guī)模模擬的有效分析方法。起初，研究集中在地學(xué)、遙感、導(dǎo)航和測繪等學(xué)科領(lǐng)域。之后，空間計(jì)算經(jīng)過一系列變革也融入人文社科領(lǐng)域，協(xié)助我們回答各種各樣關(guān)于人的行為的問題?？臻g計(jì)算讓我們對“位置”有了新的理解，極大地改變了我們的生活。例如：我們該如何理解自己與位置信息之間的關(guān)系？如何溝通并可視化位置信息？以及如何使用導(dǎo)航功能？等等[30]?？臻g計(jì)算將原來狹義的計(jì)算機(jī)領(lǐng)域的分布式計(jì)算擴(kuò)展到考慮空間位置分布的計(jì)算，即以空間原則主導(dǎo)著科學(xué)參數(shù)之間的時間與空間交互，可推動空間原則在物理現(xiàn)象模擬過程中的應(yīng)用，進(jìn)一步推動現(xiàn)代科學(xué)的進(jìn)步。空間自相關(guān)性、非平穩(wěn)性與邊緣效應(yīng)等，給空間預(yù)測分析帶來挑戰(zhàn)。如何將機(jī)器學(xué)習(xí)、人工智能技術(shù)拓展到這一領(lǐng)域，解決存在于時間與空間上的自相關(guān)性、非平穩(wěn)性、多相性與多尺度的挑戰(zhàn)，以及如何挖掘頻繁出現(xiàn)的時間與空間模式等將是研究人員未來研究的重點(diǎn)內(nèi)容[31]。

4.2 超參數(shù)空間優(yōu)化

很多空間分析模型在運(yùn)行之前，需要人為設(shè)定規(guī)則或者參數(shù)，即使AlphaGo Zero這樣強(qiáng)大的人工智能高手也是如此。超參數(shù)就是在開始學(xué)習(xí)過程之前設(shè)置的參數(shù)。通常情況下，需要對超參數(shù)進(jìn)行優(yōu)化，以提高機(jī)器學(xué)習(xí)的性能和效果。在超參數(shù)優(yōu)化方面，一些方法已經(jīng)得到研究和應(yīng)用，比如網(wǎng)格搜索、貝葉斯優(yōu)化、隨機(jī)搜索、基于梯度的優(yōu)化等。DeepMind 從遺傳算法獲得啟發(fā)，提出一種新型的超參數(shù)調(diào)優(yōu)方法，其性能要比貝葉斯優(yōu)化好很多，且在各種前沿模型的測試中很大程度上提升了當(dāng)前最優(yōu)的性能[32]。鄭敏睿等[5]首次將超參數(shù)優(yōu)化拓展到空間分析中，提出了“超參數(shù)空間優(yōu)化”的概念和方法，并圍繞這個方向進(jìn)行了神經(jīng)網(wǎng)絡(luò)驅(qū)動的空間模型的多級分析研究。超參數(shù)優(yōu)化，尤其是空間分析的超參數(shù)優(yōu)化問題，將成為AISA的重點(diǎn)研究方向之一。

4.3 智能空間規(guī)劃機(jī)器人

2010年開始筆者參加《全國國土規(guī)劃綱要》的編制，在此過程中建立了一個具有272個圖層的國土空間數(shù)據(jù)庫，并在數(shù)據(jù)庫管理系統(tǒng)中嵌入了部分空間輔助決策功能，比如通過一個縣級行政區(qū)查詢272個圖層的所有信息，依據(jù)272個圖層數(shù)據(jù)對全國國土空間進(jìn)行分區(qū)，或者通過這個具有10年全國流動人口和社會經(jīng)濟(jì)數(shù)據(jù)聯(lián)合位置信息的對國土開發(fā)進(jìn)行變化分析，或者對城市群及城市擴(kuò)展邊界進(jìn)行識別等。這種既不是基于局部的分析，也不是基于抽樣的分析，而是基于全樣本的全域分析或者全樣本的時間動態(tài)分析，給我們帶來了很多新的認(rèn)識和發(fā)現(xiàn)。由于受到計(jì)算速度的限制，這樣全樣本的大數(shù)據(jù)分析技術(shù)前幾年的發(fā)展曾受到短暫的影響。目前，一項(xiàng)新的研究——“規(guī)劃機(jī)器人”正在一些研究機(jī)構(gòu)如火如荼地進(jìn)行。我們團(tuán)隊(duì)也正在致力于Demo的研發(fā)，其主要功能就是借助人工智能技術(shù)在進(jìn)行城市總體規(guī)劃、國土空間規(guī)劃、土地利用規(guī)劃等的工作中，對規(guī)劃方案的實(shí)時時空模擬與預(yù)測進(jìn)行可視化分析。美國北卡州立大學(xué)的Ross Meentemeyer教授團(tuán)隊(duì)也在進(jìn)行相關(guān)的研究。相信這個方向也是GIS“重生”的一個重要陣地[31]。

4.4 全樣本時空預(yù)測

隨著各類傳感器和數(shù)據(jù)采集技術(shù)的發(fā)展，各種數(shù)據(jù)所提供的信息量正在呈爆炸式增長。同時，空間數(shù)據(jù)的使用者也已經(jīng)從專業(yè)的行業(yè)用戶向更廣泛的用戶群擴(kuò)展。傳統(tǒng)的空間數(shù)據(jù)處理方式和空間分析模型，在效率和精度上已經(jīng)漸漸無法滿足用戶需求。為此，未來AISA將會在多維度模型、多尺度時空數(shù)據(jù)、分布式計(jì)算能力、可視化功能、泛在移動化等方面深入發(fā)展。終極算法的誕生，可能是多種學(xué)習(xí)方式深度交叉融合的結(jié)果。以深度增強(qiáng)學(xué)習(xí)思想為主線的算法和框架技術(shù)將極大地拓展五大機(jī)器學(xué)習(xí)門派的功力，尤其是將時間變量引入后的可視化時空復(fù)合分析，在時空插值、時空信息預(yù)報、時空統(tǒng)計(jì)、時空剪裁與變換等方向?qū)行峦黄啤?/p>

4.5 空間神經(jīng)網(wǎng)絡(luò)分析

從空間分析+人工智能到人工智能+空間分析再到人工空間分析智能，可以看做是人工智能空間分析的基本進(jìn)程，就像GeoHey的輝煌將來臨一樣[33]。

4.5.1 空間神經(jīng)網(wǎng)絡(luò)新模型

利用人類神經(jīng)生理與認(rèn)知科學(xué)研究人類思維和空間智能機(jī)理，并利用人類甚至高級動物神經(jīng)基礎(chǔ)理論的研究成果，基于位置智能和時間智能，用集成數(shù)理方法，學(xué)者們建立了功能更加完善、性能更加優(yōu)越的適合于空間分析的神經(jīng)網(wǎng)絡(luò)模型。通過廣泛而深入地研究時空神經(jīng)網(wǎng)絡(luò)混合算法和多種性能，尤其是服務(wù)于決策的各種神經(jīng)網(wǎng)絡(luò)新模型，空間分析實(shí)現(xiàn)了從弱人工智能向中人工智能的邁進(jìn)。在弱空間分析人工智能中，我們通過穩(wěn)定性、收斂性、容錯性、魯棒性和超參數(shù)優(yōu)化等研究，可以開發(fā)新的網(wǎng)絡(luò)數(shù)理理論，如神經(jīng)網(wǎng)絡(luò)動力學(xué)、非線性神經(jīng)場和全時空尺度增強(qiáng)深度神經(jīng)網(wǎng)絡(luò)等。

4.5.2 空間神經(jīng)網(wǎng)絡(luò)進(jìn)化計(jì)算

空間神經(jīng)網(wǎng)絡(luò)進(jìn)化計(jì)算迫切需要增強(qiáng)的主要是集成基于聯(lián)結(jié)主義的神經(jīng)網(wǎng)絡(luò)理論、基于符號主義的人工智能專家系統(tǒng)理論和基于進(jìn)化論的人工生命這3大研究領(lǐng)域，建立神經(jīng)計(jì)算和進(jìn)化計(jì)算的數(shù)學(xué)理論基礎(chǔ)，提高計(jì)算性能。同時，尋找具有計(jì)算復(fù)雜性、網(wǎng)絡(luò)容錯性和堅(jiān)韌性的計(jì)算理論，使建立的模型和學(xué)習(xí)算法成為適應(yīng)性空間神經(jīng)網(wǎng)絡(luò)進(jìn)化計(jì)算的有力工具，從而促進(jìn)地理信息科學(xué)的發(fā)展。

5 結(jié)語與討論

空間分析過程實(shí)際上是一個地理空間建模過程，而空間分析依賴于空間分析模型，因此建立空間分析模型的過程是綜合分析處理和應(yīng)用空間數(shù)據(jù)的有效手段。研究空間分析模型及如何建立有效的空間分析模型已成為地理信息科學(xué)和基礎(chǔ)地理信息科學(xué)的核心任務(wù)[35]。

本文針對人工智能的發(fā)展新背景和一些人認(rèn)為GIS即將消亡的悲觀論調(diào)，較為系統(tǒng)地回顧了空間分析發(fā)展歷程中具有“顛覆性”的關(guān)鍵節(jié)點(diǎn)，總結(jié)了在這些關(guān)鍵節(jié)點(diǎn)發(fā)生的革命性變革，提出了機(jī)器學(xué)習(xí)和空間分析對應(yīng)的主要流派和代表性算法，闡明了AISA的原理與技術(shù)邏輯。根據(jù)新時代對空間分析模型的不同需求，本文提出未來AISA的研究熱點(diǎn)和發(fā)展趨勢。

未來在機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)和人工智能的促進(jìn)下，應(yīng)用時空大數(shù)據(jù)進(jìn)行AISA將遇到更多的挑戰(zhàn)與機(jī)遇。如果沒有時空大數(shù)據(jù)，AISA要通用化主要取決于終極算法的能力。非監(jiān)督式的強(qiáng)AISA的目標(biāo)是機(jī)器智能化、擬人化，所想即所得的意念式AISA，需要通過深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)掌握的知識和經(jīng)驗(yàn)，再結(jié)合大腦新皮層理論的時空預(yù)測框架，實(shí)現(xiàn)像人一樣的快速智能響應(yīng)。這也許就是未來幾年甚至幾十年AISA終極算法的革命之路。

我們也要警惕，一旦因人工智能的參與產(chǎn)生大量的假數(shù)據(jù)，而這些數(shù)據(jù)被AISA分析，結(jié)果將是AISA更高級的發(fā)展階段——防偽AISA。

(2018年9月17日收稿)