圈内国际巨头们如何看待空间信息产业2017发展趋势?

　　未来已来。

　　翻看如今的热点新闻，一定离不开如人工智能(AI)、数字工程、增强现实(AR)、商业智能等这些字眼。正当普通人努力去理解这些技术时，地理空间产业中的利益相关者们已经开始感受到新技术快速发展而带来的挑战了。

　　伴随着云技术的无限计算能力，自动化被视为当今从爆炸式数据中提取有效信息的重要途径。某种角度而言，机器正在逐渐接管我们的行业。对空间信息产业而言，更加智能的机器和工作流中的嵌入式计算正逐渐兴起。

　　前不久，众多空间信息领域的国际巨头们齐聚印度，深入探讨了行业相关问题，例如，如何更加深入地利用人工智能，而不止是通过赋予人工智能理解复杂数据的能力。

Andreas Gerster：法如BIM/CIM与产品设计部副总裁

　　“我们通过’观察’技术来推动效率，而不是单纯地推动这项技术”

　　对效率的推动

　　这始于对现实世界的抓取。对现实的抓取是一码事，而如何利用这些数据又是另一码事，：我们需要从中获取有用信息。只要这些数据只能为一台计算机所用，它就只能发挥有限的作用，因此需要提高现有的效率。

　　科技是伟大的工具，但如今也导致了人类能力的退化。Faro是一家现代化的公司，我们通过“观察”这些技术来推动效率，而不是单纯地推动这项技术。我们想通过提供有效可用的信息来增强人脑的能力，以使人类在建设方面更加灵活且高效。

　　数据隐私

　　这不仅是一个隐私问题，更应该说是一个安全问题。试想，你手上拥有一家原子工厂的真实扫描数据，而它落入了他人手中，这将意味着什么?我们考虑这件事，当然这也取决于地区，比如美国的用户就比欧洲的用户更爱分享数据。因此，我们需要根据需求来提供不同的平台。

      “我相信自动驾驶终会实现，并且其实现速度将远超我们的想象。”

　　物联网和地图内容

　　我们时常提及物联网(IoT)，但如果不知道“物”在哪里的话，物联网就没有任何意义。对此，地图可谓至关重要。如今，整个社会的发展都依赖于地图：三十年前导航只存在于科幻小说之中，但是现在它是一种日常使用的产品。同时，没有手机地图的生活令人难以忍受，移动互联网服务的迅速发展使手机地图得到了飞速发展。在地图中，图层的数量和内容总量都在增长，同时还存在一个关键挑战：缺少最新的信息——这也是最为严峻的问题，未来的应对的方法应是自动化流程及优化地图更新。

　　交通标志分类器AI

　　众所周知，交通标志对地图的意义非同小可。但早期，交通标志的绘制过程曾很漫长。TomTom如今利用激光已经实现了这个复杂可视化过程的自动化：交通标志分类器AI已经创建了一个包含一亿个交通标志实例的数据库。

　　未来的地图将为社区、传感器数据、专业制图服务、自动化和深度学习所推动：基于AI的自动化对于实现高效率和短周期至关重要。此外作为处理全球化需求和日益增长的内容所必需的可拓展性，也只能通过AI来实现。因此，搭建一个业务性的制图平台势在必行。

Walter Scott：DigitalGlobe创始人兼首席技术官

      “遥感产生的数据可以轻易使任何一个IT部门瘫痪。”

　　数据管理挑战

　　遥感始于提供透明的全球化信息的需求。现如今，遥感技术无处不在，并产生大量数据。这给我们带来了数据管理方面的挑战：该公司自从1999年以来积累了海量数据，这些数据可以轻易使任何一个IT部门瘫痪，或破坏我们从数据中大规模提取有效信息的能力。这个过程中，云计算、深度学习和众包开源技术发挥了重要作用。

　　众包开源数据的认证

　　当我攻读硕士时，大家都讨厌统计，没有人想选这门课。而现在统计则变成了宠儿。我们在众包开源数据中所利用的一些高级统计技术，可以让我们有效地了解，众包数据何时是准确的，何时不是，这是让大量的数据帮助我们从误差中理清思路。众包和机器之间生成一个反馈链接时，机器也成为了众包开源数据的一份子。

Steven W. Berglund：天宝公司 CEO

      “到2020年，一部智能手机可能比今天的超级计算机更智能。”

　　智能机器和AI

　　智能机器是一个灵活且理性的代理人，能够感知周遭环境，并且可以通过最大限度地提升完成目标的成功机率而采取行动。这意味着环境和期望结果的相互理解。环境中被连接的设备数量快速增长，甚至设备数量超过了人，从而带来了巨大的市场机遇。如今，所有的市场都在一个互联互通的世界中得以重塑。

　　物联网和云技术为一般用途的AI制造了一场完美的舞台风暴。这是因为AI激发了物联网所产生的传感器数据的潜能：到2020年，一部智能手机可能比今天的超级计算机更智能。人们将越来越多地利用计算能力和系统能力改进工作流程，最终帮助人们更全面地提升生产力。

　　精准农业和运输

　　传感器和人工智能通过监测作物状况，诸如降水、营养物、植物种群和土壤水分含量等，来推动精准耕作。疾病预测会变得更容易，自动变速灌溉也将成为可能，伴随还有自主耕作和自主收获。

　　而在交通领域，计算机视觉和大数据可用于路况和交通需求预测。传感器集成的远程信息处理系统有助于优化航线，机器学习和数据智能也可实现预防性维护。因此，智能基础设施与智能车辆的集成在未来创造了重大机遇。

　　信息处理

　　如今信息处理流程正在发生变化。先前必须在办公室完成的工作，现在可以直接在工程现场完成。而众包数据也已成为很多应用的可行数据来源。数据访问来源也从数据所有者变得自由和开放起来。在信息处理过程中，应用程序更多地以嵌入方式出现，而更新的频率也从版本控制变为动态更新。

　　针对上述变化，我们需要重新认真思考包括组织、机构的设计等内容。盈利和信息的潜在收益递减，也需要被纳入考虑。另一个重要因素是任务中关键故障的分析结果，包括系统复杂度，安全度和人机切换。

　Mladen Stojic：海克斯康董事长

      “人们花费了数十年来理解已经发生的事，而现在则是一个理解正在发生的事，并预测未来之事的时代。”

　　突破传统模型

　　我们生活在一个多维的动态世界中，然而,现有科技只能让我们静态表达。当前，即使技术专注于建立传感器和软件，以生成美观的图像，但这仍是静态显示，面对这一瓶颈，而时间就成为了一个重要因素，一旦有了四维元素(时间)，就可以实现传统模型的突破。

　　过程干预

　　我们不仅需要了解已经发生和正在发生的，也需要知道如何对发生过程进行影响。人工智能和深度学习对积极结果的发生发挥了重要影响。其中一个典型的例子，是使用机器人和无人机，推动了许多领域的飞速发展，其目的就是为当前关键任务提供更多支持信息。

　　人们花费了数十年来理解已经发生的事，而现在则是一个理解正在发生的事，并预测未来之事的时代，这也是深度学习和高级分析真正发挥作用的地方。　　

　　人工智能在2016年赚得了无数眼球，其他新技术也慢慢渗入了空间信息行业，也许巨头们也清楚，这对行业来说既是机遇也是挑战。至于如何把握以便发挥行业效能，这也是我们每个人需要考虑的问题。