金亞秋

(復(fù)旦大學(xué)電磁波信息科學(xué)教育部重點(diǎn)實(shí)驗(yàn)室 上海 200433)

1 引言

人工智能研究與應(yīng)用已成為當(dāng)今科技發(fā)展的一個重大領(lǐng)域，發(fā)展人工智能是提升國家核心競爭力、維護(hù)國家安全的重大戰(zhàn)略性科學(xué)技術(shù)。

美國麻省理工學(xué)院幾十年從未有過新設(shè)學(xué)院，但是在2018年10月，MIT宣布新設(shè)施瓦茲曼計(jì)算學(xué)院[1]，并建設(shè)了專門為計(jì)算機(jī)科學(xué)、人工智能、數(shù)據(jù)科學(xué)及相關(guān)交叉領(lǐng)域的斯迪塔(Stata)科學(xué)中心(見圖1)。其目的在于看準(zhǔn)了人工智能與大數(shù)據(jù)計(jì)算對未來科學(xué)與技術(shù)的強(qiáng)力推動作用。在斯迪塔科學(xué)中心大廳陳列了MIT在二戰(zhàn)期間建造的SCR-615B雷達(dá)(見圖2)。MIT校長也特地在今年MIT通訊上發(fā)表文章[2]，強(qiáng)調(diào)人工智能帶來的競爭與挑戰(zhàn)。

圖1 MIT斯迪塔科學(xué)中心Fig.1 MIT stata science center

圖2 大廳中陳列的SCR-615B雷達(dá)Fig.2 SCR-615B radar displayed in the hall

2016年，美國白宮連續(xù)發(fā)布《為人工智能的未來做好準(zhǔn)備》、《國家人工智能研究和發(fā)展戰(zhàn)略規(guī)劃》和《人工智能、自動化與經(jīng)濟(jì)報(bào)告》3份重量級報(bào)告并推動成立了機(jī)器學(xué)習(xí)與人工智能分委會(MLAI)，積極布局人工智能未來發(fā)展[3]。2018年1月，美國國防部發(fā)布了新版《國防戰(zhàn)略》報(bào)告，指出先進(jìn)計(jì)算、大數(shù)據(jù)分析、機(jī)器人等技術(shù)的發(fā)展是影響國家安全的重要因素。2018年6月，美國國防高級研究計(jì)劃局(Defense Advanced Research Projects Agency,DARPA)首次公開討論美國“電子復(fù)興計(jì)劃”的初步細(xì)節(jié)，電子復(fù)興計(jì)劃的開展將加速推動人工智能硬件的發(fā)展。同年9月，DARPA宣布將致力于打造具有常識、能感知語境和更高能源效率的系統(tǒng)[4]。2019年2月，美國總統(tǒng)特朗普簽署了《維持美國人工智能領(lǐng)導(dǎo)力》的行政命令，旨在保持美國在人工智能領(lǐng)域的全球領(lǐng)導(dǎo)地位。2019年2月12日，美國防部網(wǎng)站公布了《2018年國防部人工智能戰(zhàn)略概要-利用人工智能促進(jìn)安全與繁榮》，闡明了美國軍方部署人工智能的戰(zhàn)略舉措以及重點(diǎn)領(lǐng)域[5]，美國國防部計(jì)劃以DARPA的“下一代人工智能”(AI Next)和“人工智能探索”(AIE)兩個項(xiàng)目為標(biāo)桿，著力探索和應(yīng)用人工智能技術(shù)，提升軍事實(shí)力?！癆I Next”項(xiàng)目于2018年9月宣布啟動，該項(xiàng)目基于DARPA過去60年引領(lǐng)開發(fā)的兩代人工智能技術(shù)，強(qiáng)調(diào)AI的“環(huán)境自適應(yīng)”能力，探索的主要領(lǐng)域包括：促使國防部關(guān)鍵業(yè)務(wù)流程自動化的新技術(shù)；提高AI系統(tǒng)的魯棒性和可靠性；增強(qiáng)機(jī)器學(xué)習(xí)和AI技術(shù)的安全性和靈活性；降低功耗，避免數(shù)據(jù)和性能效率低下；開創(chuàng)下一代AI算法和應(yīng)用[6]。AIE計(jì)劃將專注于“第三波”人工智能的應(yīng)用及理論，旨在讓機(jī)器適應(yīng)不斷變化的情況，其將簡化提案、合同和資助流程，旨在加快AI平臺的研究和開發(fā)工作，幫助美國保持其在AI領(lǐng)域的技術(shù)優(yōu)勢。

2017年3月，法國發(fā)布《人工智能戰(zhàn)略》，新建了人工智能中心，開發(fā)了數(shù)據(jù)存儲與處理平臺、自動學(xué)習(xí)技術(shù)平臺和網(wǎng)絡(luò)安全平臺等[7]。德國“腦科學(xué)”的戰(zhàn)略重點(diǎn)是機(jī)器人和數(shù)字化，且在2012年德國馬普科學(xué)研究所就和美國開展計(jì)算神經(jīng)科學(xué)合作的研究[8]。日本也高度重視人工智能技術(shù)的發(fā)展，2017年日本政府出臺《下一代人工智能推進(jìn)戰(zhàn)略》，明確人工智能發(fā)展的重點(diǎn)，并推動人工智能技術(shù)向強(qiáng)人工智能和超級人工智能的方向延伸[9]。

我國在2017年7月發(fā)布《新一代人工智能發(fā)展規(guī)劃》，并制定了國家人工智能戰(zhàn)略分3步走的目標(biāo)，到2030年使中國人工智能理論、技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心[10]。當(dāng)前，我國在人工智能研究與應(yīng)用已表現(xiàn)出十分強(qiáng)大的科研動員力量，如國家自然科學(xué)基金于2017年8月發(fā)布了“人工智能基礎(chǔ)研究應(yīng)急管理項(xiàng)目指南”，擬資助人工智能前沿基礎(chǔ)、智能自主運(yùn)動體、復(fù)雜制造過程智能決策理論與關(guān)鍵技術(shù)3個方面25個研究方向的研究[11]。我們相信，在創(chuàng)新驅(qū)動下，我國將在人工智能AI技術(shù)的研究、應(yīng)用與產(chǎn)業(yè)領(lǐng)域取得重大的發(fā)展，在世界上占據(jù)重要領(lǐng)地。

本文提出在空間遙感與目標(biāo)識別的領(lǐng)域內(nèi)發(fā)展AI技術(shù)。我們在2017年主持了遙感智能處理(IEEE RSIP)會議[12]，并在IEEE TGRS/GRSL上組稿[13-16]發(fā)表論述。我們在“科技導(dǎo)報(bào)”上多次發(fā)表論述[17,18]，突出“物理智能”與“微波視覺”的概念。這里再專門就SAR目標(biāo)監(jiān)測與信息感知，論述在電磁波與目標(biāo)相互作用的物理背景下進(jìn)行人工智能信息技術(shù)的研究，即“物理智能”，以發(fā)展在人眼不能識別的電磁頻譜上形成目標(biāo)信息感知的“微波視覺”。

2 多源多模式SAR信息感知

在20世紀(jì)50年代，SAR圖像只是單一模式的雷達(dá)散射截面積(Radar Cross Section,RCS)灰度圖，用于有無軍用目標(biāo)的監(jiān)測。隨后在70年代開始在民用領(lǐng)域取得了巨大的發(fā)展與應(yīng)用，如海洋風(fēng)場、陸地水文、植被積雪、降水旱澇、自然災(zāi)害監(jiān)測評估、地表變化識別等等，各類應(yīng)用有各類需求，提出不同科學(xué)內(nèi)涵的理論與技術(shù)問題，有力地促使了SAR技術(shù)的全面發(fā)展。進(jìn)入21世紀(jì)以來，全極化、干涉、高分辨率等SAR衛(wèi)星技術(shù)迅速地相繼發(fā)展，形成了多源多模式全極化高分辨率SAR(以下簡稱：多模式SAR)信息技術(shù)(見圖3)。

隨著空間分辨率的提高至米級與分米級，多模式SAR遙感信息感知形成了一個在民用與國防科技有重大意義的科學(xué)技術(shù)領(lǐng)域。21世紀(jì)的SAR促進(jìn)了自動目標(biāo)識別(Automatic Target Recognition,ATR)的研究與應(yīng)用。從1維的有無到2維目標(biāo)圖、3維目標(biāo)特征識別、以及多維的目標(biāo)形態(tài)等。

但是，SAR信息感知與目標(biāo)特征反演重構(gòu)并不是靠人工視覺可以完成的，電磁波與復(fù)雜目標(biāo)的相互作用及其散射成像機(jī)理是SAR成像的物理基礎(chǔ)。我們對SAR成像的理論參數(shù)建模、數(shù)值模擬、在頻域空域時域極化域的物理與數(shù)值特征進(jìn)行了研究，形成了極化SAR參數(shù)化模擬軟件，散射與成像計(jì)算，以及由此進(jìn)行的目標(biāo)分類識別、特征重構(gòu)等[19]。

多模式SAR遙感產(chǎn)生大量系列性多時相和多類物理特征的圖像及其豐富多類的復(fù)數(shù)據(jù)，在遙感大數(shù)據(jù)驅(qū)動下，遙感應(yīng)用技術(shù)取得了十分廣泛的進(jìn)展。但是，大多局限于傳統(tǒng)的數(shù)據(jù)統(tǒng)計(jì)分析與圖像處理技術(shù)，顯然不能適應(yīng)多模式SAR技術(shù)與應(yīng)用需求，尤其是很難完成天空地海各類目標(biāo)的自動識別ATR及其多維度精細(xì)信息的感知與反演重構(gòu)。

3 大數(shù)據(jù)驅(qū)動的人工智能技術(shù)

圖3 各國SAR發(fā)展概況Fig.3 Overview of SAR development in various countries

人工智能技術(shù)近年里取得了科技與產(chǎn)業(yè)界相當(dāng)廣泛的關(guān)注。基于眼睛-視網(wǎng)膜-大腦V1-V4區(qū)的對局部構(gòu)造-特征-整體的識別，建立一種簡單的感知規(guī)則，獲得視覺感知能力?；谟?jì)算神經(jīng)的方式，以大數(shù)據(jù)的數(shù)據(jù)擬合驅(qū)動，構(gòu)造多層網(wǎng)絡(luò)卷積，從局部構(gòu)造、特征矢量空間，到大整體的網(wǎng)絡(luò)計(jì)算，來實(shí)現(xiàn)內(nèi)在信息的感知能力。這是人工智能及其深度學(xué)習(xí)的思路。

類似地，如何發(fā)展新的“聰明”的類腦功能，適于電磁波散射成像的SAR信息感知，它不同于通?；诠鈱W(xué)視覺為基礎(chǔ)的計(jì)算機(jī)視覺處理，要構(gòu)造適應(yīng)SAR內(nèi)涵信息感知的微波譜上的智能信息技術(shù)，我們稱之為：在遙感大數(shù)據(jù)驅(qū)動下，基于多元多模式全極化高分辨率SAR物理機(jī)制指導(dǎo)下的電磁AI-新的科學(xué)技術(shù)，從人腦的光學(xué)視覺到類人腦的電磁波-微波視覺。

由圖4、圖5，多模式SAR的物理基礎(chǔ)是電磁波散射傳輸建模仿真正問題和多維度信息反演重構(gòu)的逆問題研究，基于類腦計(jì)算神經(jīng)算法的人工智能深度學(xué)習(xí)在多模式SAR遙感物理背景約束的各類大數(shù)據(jù)驅(qū)動下，進(jìn)行人工智能的信息感知處理，從而在各個領(lǐng)域中應(yīng)用。

4 用于ATR的物理智能的微波視覺

基于SAR散射成像機(jī)理，形成處理該類大數(shù)據(jù)的類腦智能功能，來感知SAR信息，這仿佛就是“看見了微波”：微波視覺。它最終能夠在線自動解譯、產(chǎn)生一種易于接受的可視化表征與視覺語義等，這就是“微波意識”，對SAR散射輻射場的視覺語義、推理、決策和交互的偵查、識別、干擾、對抗、打擊的技術(shù)形態(tài)。

圖4 天空地海目標(biāo)的多源多模式SAR遙感信息感知研究與應(yīng)用Fig.4 Research and application of multi-source and multi-mode SAR remote sensing information perception for spatial-ground-sea targets

圖5 遙感大數(shù)據(jù)的物理智能到應(yīng)用Fig.5 Physical intelligence to application of remote sensing big data

由圖6，本文提出由電磁波散射創(chuàng)數(shù)的正逆理論與類腦人工智能研究的結(jié)合，產(chǎn)生智能新算法，這是交叉科學(xué)的電磁人工智能EM AI。它在地球遙感、ATR、電子對抗、衛(wèi)星導(dǎo)航通信等有重要的應(yīng)用。由此，本文提出“電磁空間的遙-通-導(dǎo)技術(shù)”。

我們最近主編了“空間微波遙感研究與應(yīng)用叢書”[20]，計(jì)劃有14本專著陸續(xù)由科學(xué)出版社出版，其中有8部專著論及SAR信息獲取(圖7)。其中包括該實(shí)驗(yàn)室撰寫的“雷達(dá)圖像信息智能解譯”[21]。該專著依據(jù)SAR圖像解譯的背景需求和研究現(xiàn)狀，總結(jié)了該實(shí)驗(yàn)室近年來利用深度學(xué)習(xí)智能技術(shù)在SAR自動目標(biāo)識別、極化SAR地物分類等領(lǐng)域的最新研究進(jìn)展，并提供了相關(guān)章節(jié)的樣例數(shù)據(jù)和程序代碼。

圖6 空間電磁學(xué)的人工智能Fig.6 Artificial intelligence of space electromagnetics

圖7 空間微波遙感研究與應(yīng)用叢書Fig.7 Spatial microwave remote sensing research and application series

本實(shí)驗(yàn)室關(guān)于智能信息感知的一些研究內(nèi)容概述如下：

(1)提出SAR目標(biāo)智能識別算法[15]，所提全卷積網(wǎng)絡(luò)通過去掉全連接層來減少獨(dú)立參數(shù)的個數(shù)，將此網(wǎng)絡(luò)應(yīng)用于SAR目標(biāo)分類數(shù)據(jù)集MSTAR上，10類目標(biāo)平均分類精度達(dá)到了99%，還實(shí)現(xiàn)了對SAR圖像端到端的目標(biāo)檢測-鑒別-識別方法。提出了海面艦船目標(biāo)的快速檢測算法，并建立SAR圖像艦船目標(biāo)數(shù)據(jù)集，開展了基于遷移學(xué)習(xí)的船舶目標(biāo)分類實(shí)驗(yàn)。

(2)提出復(fù)數(shù)域的深度學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)算法[16]，以極化相干矩陣的復(fù)數(shù)多維圖像訓(xùn)練極化SAR地表分類的卷積神經(jīng)網(wǎng)絡(luò)CNN。將該算法應(yīng)用于全極化SAR圖像地物分類，F(xiàn)levoland 15類地物平均分類精度達(dá)到了95%[22]。

(3)提出了少樣本的CNN，用于目標(biāo)ATR，具有良好的網(wǎng)絡(luò)泛化能力；并進(jìn)一步研究了在無樣本條件下，CNN特征矢量分布的目標(biāo)識別與分類能力[14]。零樣本學(xué)習(xí)對SAR ATR很重要，因?yàn)橛?xùn)練樣本并不總是適用于所有的目標(biāo)和場景。文中提出了一種新的基于生成的神經(jīng)網(wǎng)絡(luò)框架。該框架的關(guān)鍵部分是生成式反卷積神經(jīng)網(wǎng)絡(luò)，稱為生成器。它在學(xué)習(xí)目標(biāo)分層表示的同時自動構(gòu)建一個由方向不變特征和方向角張成的連續(xù)SAR目標(biāo)特征空間。然后將其用作設(shè)計(jì)和初始化解釋器卷積神經(jīng)網(wǎng)絡(luò)的參考，該解釋器網(wǎng)絡(luò)與生成器網(wǎng)絡(luò)成反對稱。然后訓(xùn)練解釋器網(wǎng)絡(luò)將任何輸入的SAR圖像映射到目標(biāo)特征空間。

(4)SAR圖像去斑點(diǎn)噪聲的CNN處理；提出了一種去除斑點(diǎn)噪聲的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[23]。它使用CNN提取圖像特征并重建離散的RCS概率密度函數(shù)(Probability Density Function,PDF)。該網(wǎng)絡(luò)由一個混合損失函數(shù)訓(xùn)練，該函數(shù)度量實(shí)際的SAR圖像強(qiáng)度PDF與估計(jì)的SAR圖像強(qiáng)度PDF之間的距離，該距離由重建的RCS PDF與先驗(yàn)散斑PDF之間的卷積得到。可以通過仿真圖像或者真實(shí)SAR圖像來訓(xùn)練網(wǎng)絡(luò)。在仿真SAR圖像和真實(shí)NASA/JPL AIRSAR圖像上的實(shí)驗(yàn)結(jié)果都證實(shí)了所提出的去斑點(diǎn)噪聲的神經(jīng)網(wǎng)絡(luò)的有效性。

(5)由單極化SAR圖像轉(zhuǎn)化為極化SAR圖像的彩色化CNN處理，用于場景分析處理[24]。文中提出了一種將單極化SAR圖像轉(zhuǎn)換為全極化SAR圖像的深層神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)由兩部分組成，分別是特征提取網(wǎng)絡(luò)和緊隨其后的用來匹配空間特征和極化特征的特征翻譯網(wǎng)絡(luò)，通過這種方法每個像素的極化協(xié)方差矩陣都可以重建出來。最終得到的全極化SAR圖像不僅在視覺相似性方面，而且在真實(shí)的PolSAR應(yīng)用方面與真實(shí)的全極化SAR圖像非常吻合。

此外，還有一部分工作是利用國內(nèi)外SAR、包括中國GF-3 SAR數(shù)據(jù)，用于地面車輛、機(jī)場飛機(jī)和海面艦船等的SAR-AI-ATR識別；提出了干涉INSAR反演森林樹高的CNN方法以及由光學(xué)圖像和微波SAR的對照訓(xùn)練，構(gòu)造光學(xué)圖像和微波雷達(dá)成像的互易生成方法。以上工作可以參考相關(guān)專著[21]。

5 結(jié)束語

數(shù)據(jù)不等于信息。大數(shù)據(jù)只是素材、是一種驅(qū)動；不同的數(shù)據(jù)，就有不同的科學(xué)內(nèi)涵；因此大數(shù)據(jù)的簡單直接的統(tǒng)計(jì)和分析并不能涵蓋內(nèi)涵信息的感知，尤其是對于人眼直觀難以感受的多模式微波SAR的成像多維度矢量化復(fù)數(shù)據(jù)，提出用物理指導(dǎo)下的大數(shù)據(jù)驅(qū)動的AI反演信息，發(fā)展AI新模型、新算法，適應(yīng)SAR遙感物理學(xué)與應(yīng)用需求。交叉學(xué)科的AI研究十分重要，EM AI新科技的實(shí)現(xiàn)將帶動多產(chǎn)業(yè)-多應(yīng)用的發(fā)展。

目前，多模式遙感智能信息與目標(biāo)識別研究尚處于探索階段，需要進(jìn)一步開展相關(guān)研究，繼續(xù)構(gòu)造“微波視覺”的新理論、新方法和新應(yīng)用技術(shù)。