L'interprétation intelligente des informations du vide spatial est le processus d'utilisation des technologies d'intelligence artificielle pour le traitement et l'interprétation intelligentes de multiples données obtenues à partir de la plate-forme du vide spatial afin d'obtenir des informations. Le principal modèle d'interprétation intelligente des données basé sur les données actuellement se fonde principalement sur l'utilisation d'un grand volume de données d'entraînement et de structures de réseau avancées pour améliorer les performances d'interprétation, ce qui conduit à des problèmes tels qu'une grande dépendance aux données annotées, une instabilité dans la généralisation des scénarios et un manque d'interprétation du modèle. L'interprétation intelligente basée sur la causalité peut atténuer efficacement ces problèmes en combinant le raisonnement causale avec l'apprentissage profond pour réaliser une interprétation plus efficace, fiable et robuste, avec l'espoir de devenir un nouveau paradigme d'interprétation intelligente pour le vide spatial. Cet article examine principalement les travaux de recherche sur les modèles d'interprétation des informations du vide spatial combinés à la théorie de la causalité, en expliquant d'abord les tendances de la recherche sur l'interprétation des informations du vide spatial selon trois aspects : la relation, la corrélation et la connaissance causale, puis en établissant une échelle des causalités intelligente des informations du vide spatial, en explorant ensuite le cadre analytique de la causalité et les méthodes de représentation de la causalité basées sur les caractéristiques temporelles et statistiques spatiales des données du vide spatial, en mettant l'accent sur la construction de modèles intelligents d'interprétation de la causalité basés sur les graphiques causaux, le raisonnement contrefactuel, l'interventionnalité des caractéristiques du modèle, puis enfin, en indiquant les applications et les défis de l'interprétation intelligente de la causalité dans l'environnement d'observation du vide spatial.

raisonnement causale ; interprétation intelligente ; apprentissage profond ; approche causale ; informations du vide spatial ; raisonnement contrefactuel ; intervention de causalité