L'interprétation intelligente des informations aérospatiales est un processus qui utilise des technologies d'intelligence artificielle pour traiter et interpréter intelligemment les données multi-sources obtenues à partir des plateformes aérospatiales afin d'extraire des informations. Les modèles d'interprétation intelligents dominants basés sur les données utilisent principalement de vastes jeux de données d'entraînement et des architectures réseau avancées pour améliorer les performances d'interprétation, mais présentent des problèmes tels qu'une forte dépendance aux données annotées, une adaptabilité instable à la généralisation des scénarios et un manque d'explicabilité des modèles. L'interprétation intelligente causale, combinant le raisonnement causal et l'apprentissage profond, peut atténuer efficacement ces problèmes pour réaliser une interprétation plus efficace, fiable et robuste, et pourrait devenir un nouveau paradigme d'interprétation intelligente des informations aérospatiales. Cet article passe en revue les travaux de recherche sur les modèles d'interprétation des informations aérospatiales intégrant la théorie causale, en expliquant d'abord les tendances de recherche sur l'interprétation des informations aérospatiales sous trois aspects : association, corrélation et cognition causale, puis en établissant l'échelle causale de la cognition intelligente causale des informations aérospatiales, en explorant ensuite, sur la base des caractéristiques temporelles et statistiques spatiales des données aérospatiales, un cadre d'analyse causale et des méthodes de représentation causale pour les données aérospatiales, en mettant l'accent sur le processus de construction de trois modèles d'interprétation intelligente causale basés sur le modèle de graphique causal, le raisonnement contrefactuel et l'intervention sur les caractéristiques du modèle, et enfin en soulignant les applications et les défis de l'interprétation intelligente causale dans le contexte de l'observation aérospatiale.

raisonnement causal;interprétation intelligente;apprentissage profond;piloté par la causalité;informations aérospatiales;raisonnement contrefactuel;intervention causale