天网来临的前兆，美智能算法卫片中快速找导弹

深度学习算法的AlphaGo把人类棋手打得屁滚尿流，然而这只是一个开始

说起人工智能，大家肯定都会想到AlphaGo，这个Google公司DeepMind团队的程序成功的击败了中日韩的围棋大师，已经天下无敌了。最近DeepMind团队公布了改进增强版的AlphaGo Zero，它自学成才3天成为顶级高手，对阵原版AlphaGo实现了100：0的压倒性优势。人工智能的出色表现让科幻中的“天网”概念风行一时，然而，人工智能在军事上到底有什么用呢，最近美国密苏里大学将深度学习技术引入卫片识别，人工智能在军事领域也将迎来爆发。

英国人杰弗里·辛顿是深度学习领域的开山鼻祖，深度学习让人工智能实现了飞跃性的提升

深度学习技术是英国计算机科学家Geoffrey Hinton开创的人工智能路线，这种独特的神经网络技术通过建立和模拟人脑神经元的方式进行分析和学习，从而实现更有效的人工智能。当年IBM公司深蓝电脑击败国际象棋棋王，国内外舆论都还认为人工智能不可能在围棋领域大显身手，因为围棋对弈中传统人工智能程序的计算量实在太大。深度学习技术却极大的提高了人工智能的实用化和效能，2006年Geoffrey Hilton提出多层神经网络的深度学习概念，不过10年间人类棋手就在黑白棋盘上溃不成军。

深度学习带来的革命，可不只是围棋之类的娱乐，它在其它领域也取得了显著的成效，比如Google公司以及国内诸多互联网公司的在线翻译，就使用了深度学习技术提高机器翻译的准确度，大大改善了翻译效果。不过话说回来，深度学习这种时髦的人工智能技术在军事上有什么用呢，根据密苏里大学的研究，深度学习至少在卫片识别上可以大显身手！即使是密苏里大学现在试验阶段的深度学习算法，其表现也是令人嗔目结舌的。

我国高景星座包括至少24颗遥感卫星，西方也有诸多遥感星座概念，然而大家的问题都是卫片看不过来

随着军用和商用遥感卫星的迅速增加，米级和亚米级卫片泛滥成灾。美国情报机关比如国家地理空间情报局的官员们对此头痛不已，耗费巨资发射了遥感卫星，遥感卫星也传回海量的高分辨率卫片，然而，太空侦察的最后一步卡住了：没有足够的识图人员识别卫片！海量的情报反而淹没了情报机关，而且随着航天技术的进步，这种矛盾越来越严重。美国情报机关想到，如果能将卫片分析自动化该有多好，但是嚷嚷了几十年的人工智能实在不给力，过去的识别算法只能针对小范围的卫片，这和传统人工智能程序对围棋鞭长莫及是相似的。既然基于深度学习的AlphaGo能杀的围棋大师们落花流水，那深度学习技术自然也能在大范围图片分析上大显身手。该来的果然来了，这不《太空新闻网》19日报道，密苏里大学发明了深度学习卫片识别算法，可以让卫片分析实现革命性提升！

美帝演示图片：识别首都附近的防空导弹阵地，效率实在惊人！

密苏里大学地理空间信息中心的研究人员将深度学习应用于卫片识别，用于寻找特定的目标。根据最近发表在SPIE应用遥感应用杂志的论文，密苏里大学以搜索中国地空导弹阵地为例展示了它的效率：示例中密苏里大学使用1米全色分辨率的商业遥感卫星卫片，电脑平均仅用42分钟就搜索识别了覆盖中国东南9万平方公里的卫片中的地空导弹！该中心主管戴维斯表示，这样的速度比分析师人工识别快了80倍。更令人毛骨悚然的是，这个深度学习卫片判读程序的整体统计准确率很高，它定位导弹发射阵地的准确率高达90%，与资深的人类卫片分析师不相上下！

作者标定的美日韩台印反导雷达阵地，洋大人情报机关用上人工智能，不用担心再累出近视眼了

戴维斯自豪和乐观的表示，密苏里大学的深度学习卫片识别算法只是个开始。现在试验版算法还只是针对性的识别一种特定的重复目标，未来将实现快速识别数十种不同类型的目标，比如同时识别地堡、机库、雷达站、天线和坦克编组。美国国家地理空间情报局局长罗伯特表示，他希望自动化程序能完成75%的重复性判读工作，让分析师们把精力放在更复杂更需要关注的25%内容上。毫无疑问，这样的技术有助于美国情报机关从海量卫片的数据洪水中解脱出来。

人工智能越发牛逼，人类哪有电影中翻盘天网的可能呢。我觉悟了，该吃点什么就吃点什么吧

对于我们这些看客来说，更关注的问题恐怕是“天网”的临近。海量遥感卫片的快速识别不再遥不可及，更进一步从航空遥感或是其他图像上快速识别分析情报也指日可待。这样一来，人工智能控制的天网真的是触手可及了，我们人类的未来，还真是不太美妙啊。

标签： 百度天网算法