一、研究背景

以2006年深度学习模型提出为标志的人工智能，可感知或认知外界环境并产生交互，具有自主学习能力，有望解决当前对地观测领域存在的实时性差和数据利用效率低下等问题。NGA在2017年拍摄超过1200万张图片，生成超过5000万个图像索引，传统图像处理模式已无法有效应对。NGA拟采用“3A”战略——自动化(Automation)技术、增强（Augmentation）技术和人工智能(AI)技术来应对当前挑战，将75%数据转为机器处理。

二、NGA大力推动人工智能在对地观测中的应用

NGA本次授出人工智能对地观测合同，具体内容如下：OGSystems利用机器学习和全色电光图像表征土地利用，确定农作物生长周期等相关参数；雷神公司利用机器学习分析光谱数据集，帮助NGA整合各渠道光谱和空间数据并建立数据库，以实现基于人工智能和数据挖掘等的自动分析；SRI International利用深度学习为NGA提供自动检测复杂基础设施的能力，包括利用结构化时空推理方法，进行长时间站点活动监测等；Booz Allen Hamilton研究一种自适应非线性配准机器学习算法，可全自动生成地理空间产品；Decisive Analytics Corporation基于多光谱数据可配置算法，自动发现和归类多模态数据；雷神公司研究修改3D数据集注册算法，以适应NGA标准的严格误差模型；德州大学奥斯汀分校应用研究实验室使用TanDEM-X雷达数据，校正现有基础数字地形数据，实现可自动验证确认的地表模型。

除将人工智能机器学习算法应用于对地观测图像处理外，NGA还推动人工智能人机交互等技术在对地观测地面管理中的应用。NGA于2017年分别授予CTC公司、HRL实验室公司、索尔技术公司(Soar)等人工智能和自动化数据处理研究合同，研究利用人机交互等技术，实现对地观测任务流程优化。其中CTC公司负责推进一种相互依赖的人机网络概念，以实现云环境任务自动化和管理；HRL实验室负责研发一个自适应系统，可识别分析人员之间的互动并自动在相似用户群体之间共享相关数据，以简化工作流程；索尔技术公司负责研发一种自主“虚拟助手”技术，以整合各种面向服务的架构和云架构，实现对于流数据的自动挖掘，为分析人员提供可能感兴趣的异常活动。

三、小结

在美国国防部大力推进人工智能军用的背景下，NGA将大力推进人工智能技术在对地观测中的应用，包括处理光谱数据集、地表全色电光图像和高分辨率3D数据模型等，同时开展其云结构的现代化工作，在2018年底前实现利用人工智能处理所有图像的目标。

责任编辑：何周重