AI如何真正“下海”？院士热议海洋观测从“自动”走向“智能”还有多远

当人工智能浪潮席卷全球，传统海洋观测与科学研究迎来一场深刻变革。人工智能已成为当前海洋感知技术发展的重要变量。

AI究竟只是后端的数据处理工具，还是能真正嵌入装备的核心引擎？它是否能够真正走向深海、走向实用？4月25日，第五届人工智能海洋学论坛在济南国家超级计算济南中心举行。在论坛特别设置的“海洋+人工智能”院士高端访谈环节，中国工程院院士潘德炉、中国科学院院士陈大可、中国工程院院士蒋兴伟、中国工程院院士王军成等院士，直面AI如何深度落地海洋观测、遥感等议题，勾勒出人工智能赋能海洋强国建设的清晰路径。

 海洋装备智能化的关键跨越正在进行

“AI+海洋”已成为科技发展的前沿方向和热点领域。当前，我国海洋观测以海洋浮标、潜标以及水上、水下观测装备为重要支撑，水下移动观测装备近年来发展迅速。

“我国海洋观测技术装备发展虽然起步相对较晚，但进入21世纪以来，在国家重大计划和持续投入支持下，海洋观测监测技术快速发展，特别是在水下自主航行器、水下机器人、海洋重力仪、水下探测装备等方向取得明显进展。”王军成表示，“目前我国海上观测装备，特别是以浮标、潜标为代表的水上水下观测装备，仍主要处于自动化观测阶段，正在向智能化观测加快转变。”

要实现真正的智能化观测，需要解决一系列关键技术问题：传感器智能化、数据采集智能化、现场数据处理和多源信息融合等。“海浪、风速等观测数据易受海况、设备扰动产生误差，过去需回传后端发现和校正。未来，AI可在观测现场实现数据融合、质量控制、误差修正和异常剔除，提升观测要素的准确性和可靠性。”王军成说。

相比观测装备的智能化迭代，一个更深层的问题是：AI能助力基础理论研究吗？

 “人工智能不会简单替代理论研究，但它能通过提升信息获取能力、增强数据挖掘能力、改进经验参数化和模型表达，为海洋基础理论研究提供新的工具和路径。”陈大可举例，物理海洋学中长期悬而未决的不同尺度之间的相互作用、湍流、环流等难题，过去高度依赖经验参数化，未来都有可能借助人工智能得到替代、改进或优化，从而助力理论突破。

卫星数据已“喂”给AI

海洋是一门高度依赖观测的学科。除现场观测数据外，卫星遥感数据能够提供更大范围、更连续的时空信息。

“海洋人工智能离不开‘四个大’：大数据、大算法、大算力、大模型。”潘德炉指出，“海洋遥感要进一步解决从海面到水下、从表层到次表层的信息获取问题，推动卫星遥感更加精准地服务海洋探测。没有高质量、多尺度、连续稳定的数据源，海洋人工智能就缺少坚实基础。” 

有数据不等于能用好数据。当前遥感算法正处在持续创新迭代的重要阶段，需要推动卫星信息科学与海洋物理、海洋化学、海洋生物、海洋动力、海洋气象等学科深度交叉，发展融合多学科知识的科学算法，让人工智能真正理解海洋、服务海洋。

回顾我国海洋卫星的发展脉络：从2002年发射第一颗海洋卫星开始，进入了海洋卫星发展的快车道。2018年以后，我国开始发射业务化海洋卫星。此后，我国快速完成海洋水色卫星、海洋动力环境卫星和海洋监视监测卫星等系列建设，形成海洋卫星在轨组网运行能力，目前已有多颗海洋卫星在轨服务。

有了数据，应用落地是检验AI价值的关键。蒋兴伟从海洋卫星的角度给出积极信号。

“在国家自然科学基金重大项目等支持下，国内青年科研团队已经利用深度学习技术，发展基于海洋动力卫星遥感数据的数据驱动模型，并在业务平台上开展应用探索。”蒋兴伟说，“这说明，海洋卫星数据与AI的结合，正在从科学研究走向业务应用。”

人工智能正在深刻改变海洋科学研究和海洋技术应用的方式，但AI赋能海洋，从不是简单叠加，而是一场需要高质量数据筑基、多学科交叉探路、重大需求牵引、人才梯队托举的持久战。

从观测装备的智能化嵌入，到遥感数据与AI模型的业务化结合，院士们描述的“路线图”已十分清晰。而这场AI“下海”的深潜之旅，才刚刚开始。

（大众新闻记者 戴岳 王亚楠 郭由）