近期,人工智能(AI)技术已经被各大国提升至战略能力层面,其相关研究得到了政策和资金的大力支持。美媒认为,AI技术竞争不但是各国科研实力的全面比拼,更是新一轮先进军备竞赛的助推剂。在这方面,美国起步早、投入大,目前引领着技术发展的潮流。

据美国媒体11月21日报道,该国科学家正在研究使用AI技术研判卫星侦察图像,由此搜索对手的核设施、军事基地、导弹阵地等常规手段难以发现的高价值目标,这些目标往往受到严密保护且采取了多重隐蔽措施。科研人员表示,在AI技术的下,他们只需花费比以往更少的时间就能正确甄别目标,大大缩短了情报作业流程。

这项研究由密苏里大学地理空间情报中心(CGI)主导,使用了基于神经网络的AI系统和深度学习算法构建的基线版软件。在试验中,基线版软件在覆盖海域面积约为90000平方千米的卫星图像数据中识别出了多座地空导弹阵地,与专业照相侦察分析人员的判读结果进行对比后,其准确率超过90%,而耗时仅有42分钟,远远低于后者的60小时。

密苏里大学电子工程与计算机系教授,CGI主管科特·戴维斯在接受采访时表示,虽然数据处理速度较人工而言有了大幅度提升,但AI系统并不会“无的放矢”,而是在情报人员“判定某区域极有可能存在敌方高价值目标”的前提下,对该区域的侦察图像进行针对性识别。同时,为了保证结果的准确无误,AI系统标记的疑似目标必须经过资深专业人员的复核。即便需要遵循上述一整套流程,其工作时间也仅为数个小时。戴维斯指出,这项研究的重大意义在于:由此能够节省大量宝贵的时间,并对作战行动产生极为积极的影响。

CGI在今年10月6日出版的《应用遥感学报》上发表文章称,卫星图像研判工作必须着手利用大数据、云计算、AI等先进技术,否则“将被信息的洪流所淹没”。根据机构提供的数据,仅DigitalGlobe一家商业卫星公司,每天产生的图像数据就高达70TB,遑论其他拥有卫星的政府、军方和私营企业。

展开全文

CGI在此次研发的基线版软件中大量应用了商业现货级深度学习模型,这些模型成熟可靠、成本较低,只需对其进行适用于图像分析处理作业的深度定制,就能轻松从海量数据中准确搜索符合情报部门和国家安全部门要求的潜在目标。CGI使用的深度学习模型包括谷歌公司研发的GoogleNet和微软公司研发的ResNet,二者的设计初衷都是识别传统照片和视频图像中的具体物体。戴维斯及其同僚经过努力,使得两种模型均具备了卫星图像识别能力,并能够兼容彩色图像和黑白图像。

戴维斯指出,该基线版软件在诸如“朝鲜等国土面积狭小的国家”时难以体现其真正价值,只有在扫描“中俄等幅员辽阔的大国”时才能充分发挥其实力。他解释称,国土面积狭小的国家难以长期隐藏其军事设施,大部分已被现有侦察手段发现;而国土广大的国家则具备多种地形地貌和大战略纵深,常规侦察手段无法全面覆盖,图像研判工作量极为惊人。在该软件的辅助下,每天更新的图像侦察数据会以叠加形式与之前的数据进行比对,新增的可疑目标将迅速标记在地图上,供分析人员复核,。“举例来说,如果发现了新增的地空导弹阵地,也许可以按图索骥寻找该阵地所保护的其他高价值目标”。

CGI认为,使AI系统具备判读卫星侦察图像且自动标记疑似高价值目标这项能力的难点,在于缺少足够的样本数据,从而开发通用算法并不断增强深度学习能力。为研发基线版软件,CGI通过搜集公开资料和从商业卫星公司购买高分辨率图片,在全球范围内标记出2200处已知的防空导弹阵地,由此制作出一套专用数据库,该数据库与多组深度学习模型进行了整合测试,最终确定了表现最佳的两组。并着力对其进行深化。

戴维斯透露,此次基线版软件在90000平方千米的区域中共成功识别出90处防空导弹阵地,这一数字背后是893000个样本数据的支撑。换言之,数据库中2200处防空导弹阵地的原始图像经过了不同拍摄角度、不同光线强度、不同阴影面积的复杂处理,被非常细碎地处理成了近百万个完全不同的数据。

戴维斯称,地空导弹阵地一般以特定规模部署(如连级、营级等,少有发射车或发射架单独出现),且地面有掩体、道路等人造工事,因此判读较为容易。CGI下一步计划验证AI系统能否有效识别轮式导弹发射车、机动雷达系统、弹炮一体防空系统、坦克装甲车辆等低特征目标,这些目标无需进驻工事,且难以从背景环境中剥离。

除美国军方外,国际原子能机构(IAEA)也对CGI的基线版软件表示了浓厚兴趣。蒙特雷国际研究院高级研究员梅丽莎·汉纳姆称,有了该软件的帮助,IAEA可以高效监督全球近200个国家的核开发与利用活动,这对于防止核武器扩散和降低核泄漏风险具有极为重要的意义。

作者：廖南杰

现代军事稿件，欧博abg如需转载请注明出处返回搜狐，欧博官网查看更多