La traduction intelligente des informations aérospatiales est le processus consistant à utiliser la technologie de l'intelligence artificielle pour traiter et interpréter de manière intelligente les données provenant de plateformes aérospatiales afin d'obtenir des informations. Les modèles de traduction intelligente basés sur les données actuellement dominants utilisent principalement des données d'entraînement à grande échelle et des structures de réseau avancées pour améliorer les performances de traduction, mais ils présentent des problèmes tels que la dépendance à de nombreuses données annotées, une adaptabilité instable à la généralisation de scénarios et un manque d'interprétation du modèle. La traduction intelligente basée sur la causalité, en combinant le raisonnement causal avec l'apprentissage profond, peut atténuer efficacement ces problèmes pour réaliser une traduction plus efficace, fiable et robuste, et pourrait devenir un nouveau paradigme de traduction intelligente des informations aérospatiales. Dans cet article, nous présentons une synthèse des travaux de recherche sur le modèle de traduction des informations aérospatiales combinant la théorie de la causalité, en exposant tout d'abord les tendances de recherche sur la traduction des informations aérospatiales du point de vue de l'association, de la corrélation et de la cognition causale, ensuite en établissant l'échelle de la causalité de la cognition intelligente aérospatiale, en explorant davantage le cadre d'analyse de la causalité et les méthodes de représentation de la causalité pour les données aérospatiales, en se concentrant sur la construction de trois modèles de traduction intelligente basée sur la causalité, à savoir le modèle de graphe de causalité, le raisonnement contrefactuel, et l'intervention de caractéristiques du modèle, et enfin en soulignant l'application et les défis de la traduction intelligente basée sur la causalité dans l'environnement d'observation aérospatiale.

Raisonnement causale;Traduction intelligente;Apprentissage profond;Causalité;Informations aérospatiales;Raisonnement contrefactuel;Intervention causale