美媒:美国用人工智能识别中国防空弹发射场,准确率90%

亚太日报

text

美媒称,在情报机构中,只有为数不多受过训练的分析人员从事从浩如烟海的卫星图像中寻找未公开宣布的核设施或秘密军事场所的工作。但是,使谷歌和脸书公司的人脸和喵星人图片的自动过滤成为可能的那种深度学习人工智能,在针锋相对的间谍世界中也可能被证明是无价之宝。一个早期的例子是:美国研究人员已经训练了发现中国地对空导弹发射场的深度学习算法,其速度要比人工分析快数百倍。

据美国连线杂志网站11月21日报道,深度学习算法被证明能够帮助先前不具备图像分析经验的人员,找到散布在中国东南地区近9万平方公里区域内的地对空导弹发射场。这种基于神经网络——即能够对海量数据进行过滤并从中学习的层状人造神经元——的人工智能可媲美人类图像分析专家在定位导弹发射场时取得的90%的总体准确率。也许更加令人叹为观止的是,深度学习软件帮助人类把找出潜在导弹发射场的时间从60个小时缩短至仅42分钟。

密苏里大学地理空间智能中心主任、电机工程和计算机科学教授柯特·戴维斯说:“算法被用来寻找据说被高度怀疑存在导弹发射场的位置,然后由人工对搜索结果进行评估以确保准确,并弄清算法节约了多少时间。”

报道称,密苏里大学的这项研究于10月6日发表在《应用遥感杂志》上。该研究是在卫星成像分析人员正在被大数据的洪流淹没的背景下展开的。知名商业卫星成像公司DigitalGlobe每天生成大约70兆兆字节的原始卫星成像数据,更不用说来自其他商业卫星和政府间谍卫星的所有成像数据了。

戴维斯和同事们证明了现有的深度学习模型——它们经过了针对卫星成像分析的培训和改进——能够如何发现让情报机构和国家安全专家产生极大兴趣的潜在目标。这些深度学习模型——包括GoogleNet和微软研究公司的ResNet——最初建立时的目的是从传统照片和视频信息中发现目标并进行分类。戴维斯和同事们对这些模型进行了调整以使它们适应解读卫星成像数据的难题和局限,例如培训一些能够解读彩色和黑白图像的深度学习模型,以备在只能获得地对空导弹发射基地的黑白图像时使用。

事实上,分析人员广泛依赖于卫星成像技术对朝鲜武器计划的发展进行跟踪。人类分析员很可能已经发现了这个幅员相当狭小的国家境内现有的大部分、甚至全部的地对空弹发射场。但是类似的深度学习工具可以帮助自动标记在朝鲜或其他国家境内出现的新的地对空发射场。对已有和新的导弹发射场的了解有时可以引导分析人员发现其他可疑地点,因为各国通常把地对空导弹发射场设置在特定区域以防其附近的宝贵装备遭到空中打击。

报道称,研究人员最终只利用了大约90个得到肯定确认的中国导弹发射基地样本来训练人工智能。规模如此小的培训数据集在正常情况下或许无法取得准确的深度学习成果。为了绕过这一问题,戴维斯和同事们通过在不同方向上对原始图像稍作改变,把这90多个培训样本转化成了89.3万个培训样本。

报道称,这项研究令人印象深刻的深度学习成绩很可能得益于地对空导弹发射场的规模相当庞大,并且从卫星的俯拍照片上呈现独特的形状。戴维斯提醒说,在试图分析较小的目标如车载导弹发射器、雷达天线、车载雷达系统和军车等的时候,深度学习算法将面临大得多的挑战,因为现有卫星图像在提取识别特征时没有那么多的像素可以使用。

(来源:参考消息)