沉浸式分析与人工智能融合：应用场景、技术路径与未来挑战的系统综述

《Computational Visual Media》：Immersive analytics meets artificial intelligence: A systematic review

本文系统回顾了AI与沉浸式分析（IA）的融合研究，针对现有研究在数据类型和应用场景上的局限性，研究人员通过PRISMA方法筛选43项研究，总结了AI在制造业、智能医疗、教育等八大领域的应用模式，构建了支持多感官交互的IA技术框架，并提出生成式AI、协同分析等七大未来方向，为沉浸式数据科学的发展提供了重要理论支撑。

　　

在数据爆炸的时代，如何从海量信息中快速提取洞察成为重大挑战。传统的数据可视化多局限于二维平面，而沉浸式分析（Immersive Analytics, IA）通过虚拟现实（VR）、增强现实（AR）等扩展现实（XR）技术，将数据分析带入三维沉浸环境，使决策者能够以更自然的方式探索数据。然而，IA系统在数据处理、交互智能和用户体验方面仍存在明显瓶颈。与此同时，人工智能（AI）技术在自动化分析、模式识别等领域展现出强大能力，但其在三维沉浸环境中的融合应用尚未系统梳理。为此，Chaoming Wang等人在《Computational Visual Media》发表综述，首次系统审视AI与IA的交叉研究，为下一代智能沉浸分析系统的构建指明方向。

研究团队采用系统文献综述方法，严格遵循PRISMA指南，从Scopus、Web of Science等四大数据库中筛选出43篇核心文献。通过设计多模块检索策略，覆盖IA、AI及沉浸环境相关术语，并建立五类排除标准确保文献相关性。数据分析阶段，团队从发表趋势、技术类型、应用场景等维度进行编码，特别关注AI技术在IA流程中的嵌入位置与效果。

主要技术方法包括：1）基于对象检测和计算机视觉（CV）的物理环境数据采集技术；2）采用PCA、t-SNE等降维算法的高维数据处理流程；3）融合机器学习分类模型的可视化内容生成方法；4）支持半自动聚类和实时模型选择的交互探索机制；5）利用行为轨迹分析的系统评估框架。

应用场景分析

研究揭示了AI-IA融合的八大应用领域。在制造业场景中，AR界面结合贝叶斯网络（BN）实现了设备参数的实时预测与可视化指导；智能医疗领域通过VR环境下的基因组数据降维可视化，辅助临床决策分析；教育训练领域则利用CNN模型的三维可视化降低机器学习模型的认知门槛。值得注意的是，体育赛事和灾难管理等新兴领域开始采用CV技术进行动态数据捕捉与沉浸式呈现。

技术整合路径

研究者创新性地构建了AI增强的IA流程框架，将AI技术嵌入数据采集、转换、可视化生成、知识生成和评估五个阶段。在数据采集阶段，计算机视觉（CV）技术自动捕捉物理环境信息；在可视化生成阶段，AI既可通过生成附加视觉效果（如风场预测标签）增强原有可视化，也可直接提取数据模式替代传统映射方法。特别在知识生成阶段，半监督学习与自然语言处理（NLP）技术的结合，显著提升了交互探索的自动化水平。

挑战与机遇

研究识别出四大核心挑战：新兴AI技术（如大语言模型）在IA中的应用缺失、技术整合深度不足、人机任务分配机制不明确以及行为追踪的伦理隐患。相对应地提出七大发展机遇，包括利用生成式AI创建动态可视化内容、开发AI辅助的协同分析平台、构建多模态数据融合框架等。研究者特别强调，需建立通用技术标准以解决不同XR设备与AI工具的兼容性问题。

结论表明，AI与IA的融合仍处于早期阶段，但已在制造业、医疗等领域展现出变革潜力。通过系统梳理技术路径与应用模式，本研究为沉浸式分析从概念验证走向实践落地提供了关键理论支撑。未来需要跨学科合作，重点突破三维数据感知、自适应可视化等关键技术，最终实现智能沉浸分析的规模化应用。