美国军事：以AI演算法寻找地对空导弹站点

各国情报机构通常都会有一批训练有素的分析师，透过各种数据判读来寻找他国的核设施，或隐藏在TB级卫星图像中的秘密军事地点。现在美国研究人员训练的深度学习演算法，在识别大陆地对空导弹设置地点的速度比人类快上百倍。

据Wired报导，美国密苏里大学科学家发现，深度学习演算法能够帮助没有图像分析经验的人，找到散布在大陆东南部近9万平方公里的地对空导弹站点，这种基于神经网路的人工智能（AI）在定位导弹地点时的整体准确率已达90%，人类辨识需要60小时，人工智能只要42分钟。

这篇研究的重要性，在于人工智能已证实可减轻分析人员的负担，商业卫星图像公司DigitalGlobe每天生成大约70TB的原始卫星图像，更别说加上其他商业卫星和政府间谍卫星庞大的图像数据。

研究人员使用现成的深度学习模型，可以确定情报机构和国家安全专家可能感兴趣的对象。包括GoogleNet和微软（Microsoft）的ResNet在内的深度学习模型，最初是为了在传统照片和影音图像中检测和分类对象而创建，研究人员以这些现有的深度学习模型来辨识卫星拍摄到的彩色和黑白图像。

分析人员已经确认大部分现有的地对空导弹地点，但类似的深度学习工具可以自动标记出现在***或其他国家的地对空导弹新站点，地对空导弹站点的位置附近有可能有高价值资产，因此新站点通常是分析人员感兴趣的部分。

将人工智能应用在卫星图像分析上，最主要的问题是缺乏大型训练数据库，其中包括训练深度学习演算法以精确识别卫星图像特征所需的手动标记示例。

密苏里大学团队利用DigitalGlobe卫星图像将大约全球2，200个地对空导弹站点的公共数据结合起来，建立一个训练数据，然后测试4个深度学习模型，从中找到表现最好的模型。

目前深度学习演算法在分析诸如移动导弹发射器、雷达天线、移动雷达系统和军用车辆等较小物体时面临更大挑战，因为这些影像在卫星图像中的解析度太低。

但人工智能工具对情报收集工作已经非常有帮助，例如国际原子能总署（IAEA）除了对所有已申报核设施进行监测之外，并需要在近200个国家中寻找未申报的设施，深度学习工具可以帮助IAEA和其他独立组织监测核电发展和相关的大规模杀伤性武器。