ModelWhale 助力遥感领域科研的数据开放、跨学科协同及产学研一体

2023年3月，科技部会同自然科学基金委启动“人工智能驱动的科学研究（AI for Science）”专项部署工作，布局“人工智能驱动的科学研究”前沿科技研发体系。对此，中国科学院院士、北京大学国际机器学习研究中心主任鄂维南认为，AI for Science 是“以机器学习为代表的人工智能技术”与“科学研究”深度融合的产物。科技创新2030—“新一代人工智能”重大项目实施专家组成员、北京科学智能研究院副院长张林峰表示，AI for Science 最大的一个特点便是它正以一种前所未有的方式，将不同学科、不同背景的人们联系在了一起。

随着 AI for Science 新范式的引入，除了现有的科研工作流与基础设施会发生比较大的变化，在促进数据开放共享与跨学科协同方面会发挥怎样的正向作用？目前，在特定领域，AI 算法业务化的现状又是如何？

和鲸科技特邀来自中国自然资源航空物探遥感中心，遥感应用技术研究所的于峻川老师，以第一人称的视角与大家分享 AI + 遥感领域科研工作中的数据开放、跨学科协同及产学研一体。

01 数据开放共享与跨学科协同

我觉得从意愿上来说，大家是非常想要合作的，这个没有任何问题。另外在政策上，包括可以看到一些项目的指南里，也不仅仅是要求你去做技术的跨领域融合，还强调组织上的产学研一体化，所以从政策上来说，也是非常支持的。

那么从市场的角度来说，我认为用单一技术来解决问题的，是已经经过充分竞争，市场格局比较稳定了，所以有潜力的主要还是在跨学科领域里面。像目前我们正在做的重点研发计划的项目，其实就是一个非常典型的跨学科案例，这里面涉及到了地质这块做理论研究的、涉及到了指标体系的构建、涉及到用 InSAR 数据来解决问题、涉及到光学的数据、机载 LiDAR，然后还包括了系统建设的方方面面。只有把这一个整体给做下来了，才能满足落地应用的需求。

那这些都是跨学科合作好的方面，但是在数据共享这块我觉得还是有很多可以提升的空间。

首先我们现在没有一个比较好的政策，其次没有一个能够人人都可以使用的数据平台，第三点我觉得也是最重要的一点，就是我们现在缺少这种共享开放的环境，很多人都不认可这个价值。现在互联网上大家都在倡导知识付费，但是知识付费了以后就越来越少的人愿意去免费地、主动地共享自己的数据和成果了。我也不知道是不是因为这个原因，感觉现在参加一些会议，看到的很多都是关于自己成果的宣传，中间的技术细节反而很少能够听到了。

所以我认为无论是模型也好还是数据也好，无论它技术指标有多高，这都只是一个方面，真正能够使它得到认可的应该是看有多少人去使用它，并给出正面的评价。我非常希望无论是卫星数据也好，还是行业里面的数据也好，都能够尽可能地去开放。

02 AI 算法业务化与产学研一体

人工智能在遥感领域的应用，我觉得是处在一个磨合期。某些方面用了之后感觉效果不错的，就是已经基本具备了业务化的基础了；而另一些，或者说大多数情况下，它其实还是没有办法去取代传统的工作模式，更多的是在原有的业务链条里面取代其中的一部分。

但是最核心的，还是在于人。新的技术手段和传统的业务链条之间，需要经过一个迭代的过程去逐步地磨合，这个过程可能会持续很长时间，到最后形成一种人机智能交互的状态，我认为这可能是这个技术最后的落点。

那么我们为了更快地去加速这个产业化的过程，就像前面提到的这几个方面一样，比如我们需要去培养更多跨领域的人才，我们希望像和鲸这样比较优秀的公司能够去开发一些面向业务的系统平台，还希望我们的数据，遥感数据也好、行业数据也好，都要更加开放。

另外还有一个比较重要的方面是，我认为大家对于人工智能技术要有一个客观的认识。它只是一个算法，只是一个解决途径。如果大家对它的期待过高，而短期又没有看到效果，那会对整个业务化造成很大的困难。所以我希望这个领域的从业者既要有信心，又要克制，踏踏实实地把自己的工作或者技术做到落地，才能够真正推进业务化的发展。

03 结束语

感谢于峻川老师有关 AI + 遥感领域科研工作中相关问题的分享，点击《人工智能在遥感领域的应用，正处在一个磨合期丨对话数智 x 于峻川》阅读访谈完整版。

在技术革命与顶层政策的引领下，科研界正给予人工智能越来越多的关注。和鲸科技旗下的 ModelWhale 科研版聚焦数据驱动研究的协同创新，是以推动 AI for Science 科研范式改革、加强有组织科研为己任的数字化基础设施：关注从数据、算法到模型等研究对象的一站式全流程管理，从基础设施层面提升科学研究的可复现性，帮助营造协作协同的良好科研生态；基于 FAIR 原则与开放科研理念为数据等研究生产资料提供安全、完善的公开共享门户与在线交互工作台；异构融合、集约管控、按需分配、敏捷响应，强大的算力调度管理使个人电脑调用 LLM 大语言模型成为可能，也使算力资源在组织团队内发挥最大可用性；引入 ModelOps 理念，助力大模型全生命周期管理。

ModelWhale 科研版覆盖地球科学、生物医学、人文社科等专业领域，且已将最佳实践落实于国家气象信息中心、中国自然资源航空物探遥感中心等国家级科研机构，希望能为每一位从事数据创新研究的开拓者及其团队提供支持。任何相关需求，都欢迎您点击【联系产品顾问(移动端跳转)】与我们展开交流。