原文:A ‘ChatGPT’ For Satellite Photos Already Exists

作者:PATRICK TUCKER Science & Technology Editor, Defense One

 

 

 

场景:美国正在研制新型无人机、轮船或飞机,您的工作是找到它,无论它在哪里。

 

不久前,这项任务需要人力、信号和开源情报收集的巨大努力。但是来自 AI 公司 Synthetaic 的研究人员创造了一种工具,可以让用户在一天之内找到几乎存在于任何地球卫星照片中的任何大型物体。这也是国家地理空间情报局也在寻求发展的一种能力,它可以从根本上改变战场上的战略优势。 

 

Synthetaic 的创始人兼首席执行官Corey Jaskolski将他的卫星图像扫描工具命名为快速自动图像分类或 RAIC。在一月份中国气象气球事件引起全国关注后,Jaskolski 将 RAIC 应用于地理空间卫星成像公司 Planet 收集的地球表面卫星照片。他能够在短短几天内将气球的起源追溯到中国。

 

现在,Jaskolski 说,公司正在利用这些经验教训进一步缩短时间。“我们的目标是能够每天摄取整个星球的[地球图像],并能够在不到 24 小时内处理所有这些。因此,如果您想从字面上寻找全世界的气球发射,我们可以每天为您提供每日更新。让你知道是否有任何地方发射过气球。”

 

得益于新的生成式预训练转换器(或 GPT)工具,人们对新的公开可用 AI 工具的兴趣一直在飙升,这些工具允许用户通过简单的提示来撰写论文、制定业务计划和执行复杂的任务。国家安全界也有类似的需求,但需要 AI 应用广泛的卫星、监视和其他数据,以帮助发现对手的活动和新能力。

 

但这不一定是一项简单的任务,正如Jaskolski在试图找到那个中国气球的起源时所了解到的那样——这种东西从未被公开拍摄过,更不用说标记并插入到机器学习算法可读的数据集中了。

 

“通常对于 AI,你必须有一堆带标签的例子供 AI 学习,所以,这不是少量数据。就像当 Facebook 和谷歌训练 AI 时,他们通常训练 10 亿张带标签的图像,甚至不是几千或几百万,但实际上是 10 亿张带标签的图像,”Jaskolski 说。“通常会阻止 AI 找到的东西这个气球是我们没有任何数据。我们没有任何标签。我们不知道从太空看它是什么样子。” 

 

RAIC 是一类新型 AI 工具的一部分,不需要大量的标记数据集来生成Jaskolski所描述的对寻找内容的理解。他能够教它仅根据一张手绘图来寻找气球。 

 

“我们从用于生成AI 变压器和GaNS 的技术开始。[但是]我们不是使用该技术来生成图像,而是使用该技术来从根本上了解数据域,”他说。 

 

本质上,通过不断查看卫星图像,RAIC 工具培养了接近专业知识的熟悉度。因此,当它扫描卫星图像时,它对不寻常的事物有一个初步的了解,并且可以寻找特定的不寻常物体。而且输入不必非常精确。Jaskolski说他的图描绘了气球在卫星数据中的样子, RAIC 能够找到它。然后,一旦他们在其中一个卫星数据集中找到了真正的气球,RAIC 就能够在其他图像中寻找它。

 

“在加拿大的阿拉斯加真正搜索了几天之后,我们决定硬着头皮,在中国、日本、韩国、朝鲜以及海洋、公海和阿留申群岛摄取大量地球,”他说。他们还使用风力模型来缩小气球可能开始飞行的位置。

 

这将他们带到了距中国海岸 300 英里的岛屿。“那时我们真的很兴奋......所以从那里,我们又找到了五六次,一直回到隐藏的岛屿。”

 

在上周于华盛顿举行的 Planet 会议上,微软总裁 Brad Smith 描述了人们可以使用基于图像的搜索工具来查找对象的未来,就像我们今天向搜索引擎寻求建议一样。微软是最著名的 GPT 平台 OpenAI 的主要投资者。

 

“我确实相信,人工智能的下一个时代,你知道,采用基于 GPT 的技术,是一个可查询的地球,”史密斯说。 

 

NGA 已经控制了五角大楼用于图像分析的旗舰人工智能程序 Project Maven。在 Planet 会议上,NGA 负责人中将 Frank Whitworth 表示,该机构正试图将 Maven 从一项实验性工作转变为一项记录计划,“这意味着我们需要非常清楚每一美元的功效。”

 

NGA 发言人告诉Defense One,该机构正在“试验 [地理情报] AI 程序,这些程序集成了大型语言模型,允许分析师提出和回答特定的情报问题。” “我们看到未来可以用大空间数据训练这些模型来回答空间和时间上的问题。”

Logo

AI·Earth

更多推荐