La interpretación inteligente de información aeroespacial es el proceso de utilizar tecnologías de inteligencia artificial para procesar e interpretar de manera inteligente los datos de múltiples fuentes obtenidos de plataformas aeroespaciales para obtener información. Los modelos de interpretación inteligente basados en datos predominantes utilizan principalmente grandes conjuntos de datos de entrenamiento y arquitecturas de red avanzadas para mejorar el rendimiento de la interpretación, enfrentando problemas como una gran dependencia de datos etiquetados, adaptabilidad inestable a la generalización del escenario y falta de explicabilidad del modelo. La interpretación inteligente impulsada por la causalidad, mediante la combinación del razonamiento causal y el aprendizaje profundo, puede aliviar eficazmente estos problemas para lograr una interpretación más eficiente, confiable y robusta, y tiene el potencial de convertirse en un nuevo paradigma de interpretación inteligente de información aeroespacial. Este artículo revisa principalmente los trabajos de investigación que integran modelos de interpretación de información aeroespacial con la teoría causal, comenzando por exponer las tendencias de investigación en interpretación de información aeroespacial desde tres aspectos: asociación, correlación y cognición causal, luego estableciendo la escalera causal de la cognición inteligente causal de la información aeroespacial, explorando además, basándose en las características temporales y estadísticas espaciales de los datos aeroespaciales, el marco de análisis causal y los métodos de representación causal orientados a los datos aeroespaciales, enfocándose en la construcción de tres modelos de interpretación inteligente causal centrados en el modelo de gráfico causal, el razonamiento contrafactual y la intervención en las características del modelo, y finalmente señalando las aplicaciones y desafíos de la interpretación inteligente causal en el entorno de observación aeroespacial.

razonamiento causal;interpretación inteligente;aprendizaje profundo;impulsado por causalidad;información aeroespacial;razonamiento contrafactual;intervención causal