A interpretação inteligente de informações aeroespaciais é o processo de utilizar tecnologias de inteligência artificial para processar e interpretar inteligentemente os dados de múltiplas fontes obtidos a partir de plataformas aeroespaciais para obter informações. Os modelos de interpretação inteligente baseados em dados predominantes utilizam principalmente grandes conjuntos de dados de treinamento e arquiteturas de rede avançadas para melhorar o desempenho da interpretação, enfrentando problemas como grande dependência de dados anotados, adaptabilidade instável à generalização de cenários e falta de interpretabilidade do modelo. A interpretação inteligente orientada por causalidade, combinando raciocínio causal e aprendizado profundo, pode aliviar eficazmente esses problemas para alcançar uma interpretação mais eficiente, confiável e robusta, e tem potencial para se tornar um novo paradigma de interpretação inteligente de informações aeroespaciais. Este artigo revisa principalmente os trabalhos de pesquisa que integram modelos de interpretação de informações aeroespaciais com a teoria causal, primeiramente explicando as tendências de pesquisa em interpretação de informações aeroespaciais sob três aspectos: associação, correlação e cognição causal, em seguida estabelecendo a escada causal da cognição inteligente causal das informações aeroespaciais, explorando com base nas características temporais e estatísticas espaciais dos dados aeroespaciais o quadro de análise causal e os métodos de representação causal direcionados aos dados aeroespaciais, enfatizando o processo de construção de três modelos de interpretação inteligente causal centrados no modelo de grafo causal, no raciocínio contrafactual e na intervenção nas características do modelo, e finalizando destacando as aplicações e desafios da interpretação inteligente causal no ambiente de observação aeroespacial.

raciocínio causal;interpretação inteligente;aprendizado profundo;orientado por causalidade;informações aeroespaciais;raciocínio contrafactual;intervenção causal