2023年12月10日，中国计算机学会青年计算机科技论坛武汉分论坛（CCF YOCSEF武汉）在中国地质大学（武汉）计算机学院举办了以“‘AI+地质’打造宜居地球”为主题的技术论坛。在CCF YOCSEF武汉的精心组织下，本次技术论坛以“线上+线下”形式同步进行。此次活动吸引了众多嘉宾参会，包括十余家科研院所和企事业单位的青年科技工作者参与。CCF YOCSEF武汉AC委员刘芳（武汉城市学院）、委员冯如意（中国地质大学（武汉））担任执行主席，AC委员王耀华（统信软件技术有限公司）、委员柳正利（武汉纺织大学）担任线上主席。

本次技术论坛由湖北省地震局研究员赵斌、中国地质大学（武汉）教授窦杰、中国地质大学（武汉）副研究员李显巨、广州海洋地质调查局正高级工程师郝小柱、中国地质大学（武汉）副教授朱祺琪担任引导发言嘉宾，华中师范大学副教授孙昊担任思辨嘉宾。

会议伊始，CCF YOCSEF武汉分论坛主席肖奎向全体参会者介绍了CCF YOCSEF的背景、发展历程、成员构成、活动形式以及价值理念等，鼓励大家积极参与YOCSEF活动，共同为社会带来正面影响。

在文化培训后，CCF YOCSEF武汉AC委员刘芳介绍了本次论坛的主题背景：地质科学在理解和管理地球系统方面扮演着关键角色，涵盖了气候变化、自然灾害、能源资源和生态平衡等多个领域。当前AI技术的快速发展为处理大规模地质数据、提高预测准确性和优化资源管理提供了新的可能性。本次技术论坛旨在探讨人工智能（AI）技术在地质科学领域的应用，以及这些应用如何促进地球的可持续发展和环境宜居性。五位在地质领域具有深厚研究的嘉宾进行了专题报告，引导参会者更深入地参与到主题讨论中来。

来自湖北地震局的赵斌研究员以“AI+大地测量在地震科学研究中的应用”为题进行了分享，介绍了地震与断层活动、全球主要地震带的分布、地震的主要类型等，并分享了地震形变监测手段，如北斗卫星、GNSS、SAR、遥感卫星、无人机、垂测仪等。他还介绍了机器学习在地球科学研究中的主要应用方向，包括自动化数据处理、建模与仿真以及新知识与新模式的发现。

中国地质大学（武汉）的窦杰教授以“迁移学习提升轻量级网络的地震滑坡快速识别研究”为题进行了分享，从基于AI的地质灾害识别、基于AI的多尺度地质灾害风险评价以及单体地质灾害机理三个方面进行了介绍。他阐述了滑坡产生的背景以及滑坡快速识别所面临的挑战，并介绍了滑坡识别的应用。

中国地质大学（武汉）的李显巨副研究员以“区域尺度矿山开发占地遥感数据集及应用”为题进行了分享，首先介绍了矿山开发所面临的问题，接着分享了前期工作，包括构建的多层级矿山遥感数据集和基于矿山占地特征和深度学习的矿区解译模型。他通过实际案例介绍了所构建的数据集的特征，并介绍了改进的基于语义分割与多级输出的卷积-图网络用于矿区土地覆盖精细场景分类算法。

广州海洋地质调查局的郝小柱高级工程师以“人工智能与海洋探测体系建设”为题进行了分享，介绍了海洋探测技术的目标和发展现状，以及国内外在海洋重力测量、海洋磁力测量、海洋电磁测量、海底热流测量、海洋地震测量、海洋声学测量、海洋地球物理测井等七个方面的发展现状。他指出了当前海洋探测面临的问题和需求，并介绍了海洋探测的主要任务。

中国地质大学的朱祺琪教授以“基于空间定位孪生网络的岩石薄片图像分类研究”为题进行了分享，介绍了岩石分类和识别的背景和意义，以及传统识别方法和基于深度学习的方法的局限性。他介绍了所提出的基于空间定位孪生网络的岩石薄片分类方法，并展示了其在实际生产中的应用。

在思辨讨论环节，来自华中师范大学的思辨嘉宾孙昊发言，他提到AI在地质领域的应用，如光学遥感数据处理、SAR图像分析用于地质灾害识别和海洋探测等。他认为，AI应用面临的挑战和痛点包括：数据收集和标注的需求、如何结合先验知识、模型可解释性以及多模态数据应用中的数据对齐和数据缺失问题。

执行主席分别为每位嘉宾颁发了感谢牌。随后，与会嘉宾主要围绕三个相关议题展开思辨讨论。

议题一：AI在地质方面有哪些成功应用案例和瓶颈与痛点？

AI大模型在当前科技领域备受关注，李显巨分享了盘古大模型在气象领域的适用性，并指出AI和大模型将为行业和社会带来诸多变革，当前的瓶颈主要在于模型的方法能力和行业应用。邹逸雄提到遥感数据采集的困难性，需要专业设备如卫星，且数据收集门槛较高，同时还面临数据安全问题。赵斌研究员阐述了AI技术在地震行业的显著进展，如信号提取、光学遥感影像以及去除噪声数据等方面，可提高地震台网的检测能力。窦杰表示，AI在地质灾害方面取得了丰富的应用场景，如滑坡、泥石流等，能够快速识别高风险区域，有助于预防和救灾。然而，如何充分利用现有数据、实现交叉学科技术融合、解决大模型不可解释性、数据稀疏问题以及预测灾害时效性等挑战，仍需进一步探讨和解决。朱祺琪指出，AI的应用主要依赖于数据处理，如何将地质学和大数据结合以获取新知识是一个挑战。此外，如何弥补地质大数据的异构性和多模态特性、融合点位、语音、文档等信息以及结合先验知识等方面，也是AI+地质应用需要解决的痛点。

议题二：AI如何助力地质领域研究的科学发现？

在AI获取数据方面，郝小柱以海洋领域为例，指出AI已经引起了海洋数据处理的革命，但目前仍存在协同不畅的问题。赵斌认为，针对不同类型的数据，需要构建各种复杂的模型进行处理，而利用AI技术训练出的模型可以对不同参数和条件进行约束，从而获得更精确的结果。然而，由于AI的黑盒特性，构建物理上可解释的模型仍需进一步研究。朱祺琪谈到AI技术在地质领域的应用，表示在面对新任务时，如何选择合适的模型处理还需探索。同时，大模型在地质领域的应用也有待进一步研究。她提出，通过将物理模型和深度学习技术结合，可以提高模型的精度和可解释性，将知识驱动和数据驱动相结合，增强模型的能力。此外，发挥AI的半监督和无监督特性，可减少对数据的依赖。

议题三：大模型在地质方面的研究展望

大模型在地质学领域具有广泛应用前景，李显巨指出，地质学关键在于行业大数据，而数据和算法专业人才的打通至关重要。窦杰认为，大模型的出现对地球科学的研究产生了积极影响，可提升预测准确性，对地质灾害的预测、检测、预防具有积极作用。孙昊表示，基于大模型的GUGPT等技术在CV领域也取得了进展，未来有望将地质领域的知识库融入大模型，为行业应用提供支撑。钟忺提到，大模型分为基于文本和视觉两类，如何在地质领域更好地应用这两类大模型，以及大模型与小模型的协调，是需要考虑的问题。叶正对未来的展望包括多模态数据的统一和地质领域数据的高效更新。邹逸雄表示，文本大模型具有无需标注、训练规模可无限扩大的特点，但视觉领域大模型仍需数据标签，地质领域大模型应用偏向视觉领域，数据采集门槛较高。金正平强调，AI应用中数据更新要及时，而现有大模型的实时性较差，需要改进。总之，大模型在地质领域具有巨大潜力，但仍需克服诸多挑战。

本次技术论坛输出观点：

观点一：AI技术在地质领域的应用取得了显著进展。AI技术可以提高地震台网的检测能力，同时在地震定位方面也取得了很好的应用。此外，AI在地质灾害方面也取得了丰富的应用场景，如滑坡、泥石流等，对于地质灾害的预测、检测、预防具有积极作用。

观点二：大模型在地质领域具有广泛应用前景。大模型可以将专业知识和数据进行很好的融合，提升预测的准确性。同时，大模型对数据的时效性支撑更强，数据可以快速反应到模型上。然而，大模型在地质领域的应用仍面临诸多挑战，如数据共享涉及军事和国家安全问题，大模型的不可解释性、数据稀疏问题等。

观点三：AI技术在地质领域的应用需要进一步探索。如何将AI技术和先验知识相结合，以及如何处理异构性和多模态特性的地质大数据，仍然是AI+地质应用需要解决的痛点。此外，AI在地质方面的应用是个交叉学科，需要结合各方面的技术形成孪生系统，以更好地实现应用。

  本次论坛活动在大家的热烈讨论中圆满结束。