0 q$ F/ e9 ?- N! P 8 P/ I o- O$ I& M9 Z
, @2 K) I: L5 G5 \: F+ Q) E 1 F2 l0 Z0 D( H2 k$ V
7 n; j' x- j: x/ {: ?% p3 M( n) Q 本文大概2500字 阅读需要5分钟 4 s; G% K; i, s
- w& ^3 m( ]7 {' `* R. B
* ~1 ~& W- m1 O3 j 撰文/虫贰
6 { D$ `* y& D# U0 [, P5 E# A , R) p4 b4 G$ R4 X
! K$ N7 |1 M) v5 Y; N$ |2 J
编辑/虫贰
# I$ w+ ^) B+ y' p
0 R3 c' F* K& J o3 M0 d
* e4 u) `+ \) V/ I e/ b 公众号视觉/虫贰 ) G$ m4 o! H4 H2 F4 n
! c4 a- e% L, {+ r
1 F9 U) C6 K+ v8 J V) \0 b 特别支持/非易
, }: c0 t! y$ [
7 D# K& L5 _4 c0 o- C 3 _( ^, i' ?* \! {3 V, X
原创内容，欢迎转发，但转载请联系后台 % l9 g) ?# n+ x
6 `1 t# y# r g* g
8 _: z& k1 }3 X1 Q& t8 w 先从概念说起
0 `5 b c5 h, r6 s7 x4 y# C2 p! P
! _2 p! _# e7 U" m
1 o4 m) [1 h% f( I3 ?7 j/ s+ } EO（对地观测，Earth Observation）：
; s# W$ O6 ]& K; `' r 0 R" O6 f2 h2 K4 n, N; J9 A W
4 Q! L9 A. W& u: y! R
专业点说，是利用各种空间平台（卫星、航天飞机、飞机等）搭载光电仪器，对人类生存所依赖的地球环境及人类活动本身进行的各种探测活动。 5 d/ \+ d7 f9 ~
& N% \% S- E# d- R$ S* O$ b
; {. z; X& }- T5 } 用人话说，就是用飞行器把相机带上天，从高处给地球拍照片儿。 # G: _1 [) X3 _% g4 i4 c
3 J) r" Q. u! `/ ^( Z, I% K
\' Z/ X' e1 Y* s$ D; c AI（人工智能，Artificial Intelligence）： $ F+ b! Y; o7 e6 k8 d: X9 j( H
/ Q9 b6 K# z: [0 U
% M( _1 H) T7 L- P5 m, y 专业点说，是用于任何让计算机模仿人类智能、利用逻辑、假定规则、决策树以及机器学习（包含深度学习）的技术。
7 d( ]7 a4 ^3 j, l5 K0 E/ N& J( j+ G ' g; z3 W% _* x
! x' D( u& f s, c5 T/ @" r: V* v
用人话说，就是让机器像人一样的智能、会思考。 8 L* m3 Z Z7 n. S, n# f
% }! I% P7 Z. c
4 \2 N$ G8 |; \' Q7 M* A& T3 {. [' K
; r" j* }; ^& B+ l
2 P- x4 I/ G) t: f8 a8 b
* [) m+ m) M( P# B 旧船票&新飞船 - B, y, z! Z7 Y' G# x3 ^
( ?, m9 a# H9 F( n; j
1 [, b) Z7 y3 [6 R# {8 {: E! B. h
对于人类来说，对地观测和人工智能其实都不算是新概念。
2 ?/ q) C5 m L5 \0 Q, j
: l) X- P8 ~+ {+ E4 H/ E 4 M1 t: c' G$ F2 l( C7 E7 `+ Q
先说对地观测技术。 " T9 X- F: n6 i2 L0 [; `# B5 B! J" h" D
6 {' v" l1 ?. u" X9 o
2 P# P \3 \6 b6 }- y# A9 j 早在1957年，前苏联就发射了第一颗人造卫星，使卫星摄影测量成为可能；1959年，人造卫星发回第一张地球相片，这就是最早的对地观测成果。联合国外层空间事务办公室（UNOOSA）的统计数据显示，从1957年到2018年，大约有8378颗人造卫星被送入太空。截至2019年年初，4987颗卫星正在围绕地球轨道运行。而这一数字的快速攀升与对地观测能力的爆发式提升，都得益于2013年开始发射的立方星。
# P3 F: u+ i& r+ ~. U9 k: e 1 @# y% L5 q% c% k. f, H
$ T4 [! X3 h1 V9 f 再说人工智能。 ' Y. P: {3 C3 v! d0 _$ c9 B
3 Q( w6 n# d8 y7 p 4 k; B3 a/ Q7 A, E; D
1956年，几个计算机科学家相聚在达特茅斯会议，首次提出了“人工智能”的概念，梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器。直到2012年，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。
( m2 }) ]- [, b- t9 d
6 a8 D, z( Q% R + z3 {, Q0 A. B
, U5 y' F; U$ m9 `; B* e" q" y% }
4 `9 W: ]1 J) _$ N8 ~ h : F2 [) O, ]" X( Z4 z3 M0 \! r
由两个技术的发展历程来看，概念都出现于20世纪50年代，并且都在2010年后迎来了蓬勃发展的契机。 * G2 B$ Y+ S8 b
5 U8 k2 O/ i0 Q+ S) v0 J! e4 R+ _
* Z# M G9 ~7 ~7 y
到今天，人工智能俨然已成为全世界范围内的风口，无论是国外的MGA（微软、谷歌、亚马逊）还是国内的BAT（百度、阿里、腾讯），科技巨头们都在争夺AI时代制高点。传统行业巨头、科技一线力量、各国政府的入局，会加快人工智能应用的落地并颠覆传统行业。 4 M5 T/ ]5 J0 J% U d
+ B' ]: O/ L) f8 d. _) D
2 e8 E' ]9 U" v2 }
2017年刷爆财务人朋友圈的“德勤财务机器人”就是AI颠覆传统行业的一个例子。埃森哲官方数据预测，截至2020年，40%的业务类会计工作（Transactional Accounting Work）会被机器人替代。 ) H0 }; q: J% _$ h9 v
3 u) p# \) D. s. O7 V
& e6 U5 H4 G7 m. d" G% x/ e4 Y4 I 反观对地观测领域，虽然有越来越多的对地观测卫星星座部署完成，逐渐形成了全天时、全天候、覆盖全球的对地观测能力， 但是由于海量数据应用能力的限制，这个领域仍然只是“圈内的狂欢”。对地观测概念也并未像人工智能那样，具有知名度和号召力，人才的大量流失以及科技巨头的鲜少参与足以证明这一点。
4 I! f8 V6 X2 Q3 F5 j7 q7 U 8 P1 ~' o1 m& U' ~4 K( K
T* N3 ?* ?7 X AI究竟能不能带EO飞 6 F4 w- m2 _$ g* x& Y
$ |1 z3 E7 A. w
k" w4 U/ n& v; u* j( c% S4 y 近几年，随着人工智能概念的普及和核心技术的快速迭代，AI推动了许多领域的重大发展。对地观测领域当然也不例外，基于遥感大数据的机器学习（一种实现人工智能的方法）探索，以及深度神经网络算法（也称深度学习，一种实现机器学习的技术）的优化，给“对地观测人”挖掘海量遥感大数据中的未知信息带来了希望，也将对地观测技术重新带到人们面前。
' v, Y) r- ^$ E- @* b$ e + W& i3 r8 H% K. o
4 {2 H6 c5 x, x
- g$ l) K P8 W$ z6 n5 G
/ t. b0 I3 E8 q0 Y
* o3 r( o. z2 R6 ]' l) x" _8 ]
“遥感人工智能”概念随之出现，以“高分辨率卫星影像+人工智能”为核心的初创企业层出不穷，仅2017年，由AI驱动的对地观测初创公司就募集了9600万美元的资金，而这一数字是2016年的3倍。政策的倾斜、资本的投入以及科技力量的加入，定能助推对地观测技术的创新发展，但是最终应用效果如何、对地观测是否能够搭上人工智能的顺风飞船从而“一飞冲天”，还需要时间的证明。 0 T" ~# y" @) O% z
5 { ^% v2 y. ?! j- |3 M
! ?% y: l0 f% `$ Q* ~, x! A 各方的努力
- }$ g; o x- G3 l9 A ( Z* c8 {0 j+ P! U
2 e1 m0 |2 X1 E, k U+ ~0 U' \
下面我们一起看看国外的政府机构、卫星企业、科技巨头为了让EO搭上AI的船，都做了哪些方面的规划和努力。 4 p A5 [1 C% k7 ]5 W
. E9 k2 G3 c, v" r7 I M# [2 ^8 V3 y" ]
政府机构代表——ESA - ?" q4 r5 ]/ ^! k* s5 t
8 d7 \* T6 \( V! W8 e
7 h- h A ?3 O) c. E 欧洲航天局(European Space Agency，简称ESA)计划于2019年发射一颗装有人工智能处理器的对地观测卫星（BrainSat），该处理器将使航天器能够自主决定拍摄什么图像以及向地面发送什么数据。
4 q1 p+ \$ \$ s / M9 D6 g) K% v) D8 Q9 m
0 y) g3 R4 m. |: i1 F( m4 p d2 I/ O ESA地球观测项目主任Josef Aschbacher表示，ESA每天新增150TB对地观测数据，如此庞大的数据集根本无法由人类分析人员进行处理，但对于人工智能和机器学习算法来说，这些数据能够作为训练场以提升数据解译精度，最终实现大规模、智能化、实时性的数据提取和对地观测。 + x: Y ]* }2 \ v" b
4 Q5 u2 Y9 P- X1 @- p
0 H7 { I) Y1 _" R1 U+ E, t 当前，ESA正在和谷歌、NVIDIA、亚马逊、SAP等人工智能科技巨头合作，致力于创建一个以AI为驱动的系统，汇集欧洲所有的国有、商用对地观测平台数据，使用深度学习作为数据处理与挖掘的手段，最终为欧洲的各类社会问题提供协调一致的解决方案。
7 \" {% e; [, G: V$ D! [ , F* l" _8 A: H' H( a
4 U# [, p1 _7 T% h' v$ U 卫星企业代表——Planet
( {! g/ G0 w: k5 P5 e! l & ?! r% ^, m1 P/ t
* G+ c$ h: Z( ` Planet公司（行星实验室）这样的对地观测行业巨头也在探索如何使用机器学习挖掘出海量卫星影像数据中的价值。 0 e8 g0 g, B+ G$ K; \
7 s- w7 m- j8 D: o
; e I; P K& X5 D8 X, p8 K
Planet公司形成了一个专门的机器学习解决方案，称为Planet Analytics。该解决方案使用机器学习算法来处理日常卫星图像、对不同地物目标进行检测和分类、定位地形和地理要素特征，并持续性监控地球上的微小变化。 - G3 U& k% f0 e
4 l* g! t2 y: A9 ?
5 B- w# Y9 W6 j5 q: f. y" Y0 ^. ` Planet公司的联合创始人兼执行总裁Will Marshall表示，人工智能和计算技术的进步最终将释放对地观测系统的全部潜力，使轨道上的资源得以充分利用。Planet要实现的目标是“早上监测到森林砍伐活动，当天就能够通知相关政府人员前往处理，而不是在一个月后告知他们发生了什么”。而实现这一目标的关键因素，就是AI在面对海量对地观测数据时所能带来的强大解译能力。
9 `9 d" G) e& B+ Q. [; u( j4 W ( b/ N; K8 H5 ? L: @8 g0 z6 A
1 I7 C. b' O9 s+ `# p0 W$ `& P 现在，Planet公司正在试图将每天采集到的海量影像数据转换为包含准确地物分类及精确地理位置的地图，为用户提供索引功能。未来，用户可通过搜索功能快速获取地球任意位置的现状或动态，比如北京现在有多少栋房屋或者朝韩边境正在发生什么事件等等。AI将帮助EO解决“最后一公里”问题，保证以最快的速度将最精准的对地观测信息传递到最需要该信息的人手中。 ' \! A- Y' t" [0 Z' `: O+ L
; a$ T" l% h# a! N4 y
6 |7 Y1 t, \/ `$ p 科技巨头代表——Google / K. l ]/ U8 P3 t
# N1 R' ^) L9 [0 V, g- I9 d, l
' I {. T ~: d9 Z 作为科技行业的领军企业，Google（谷歌）也是利用机器学习探索对地观测数据潜力的先驱之一。谷歌推出了一款应用程序，用户在地球上任何地方拍摄的任何照片都可以通过该程序获取确切地理位置。这个项目被称作PlaNet，它通过组合卷积神经网络和制图技术促使机器学习的能力得到了进一步的发挥。该项目提供的信息在质量和数量方面对于对地观测领域的发展都是极其宝贵且前所未有的。 1 ]6 ^3 M) R1 C4 j3 C2 Z) v2 p ^
7 \+ v8 p) d U- u: z& v : W$ G( x/ z9 P, q- [9 H
写在后面的话 5 c. t l, w) c7 ^
" W- }+ j" y" I q% N" E
" [& [4 {6 Q; l: [ 罗胖（罗振宇）在今年的跨年演讲上讲了一句话——“所谓的创新，就是要回到一个古老的事物，用全新的手段把它再做一遍”。 : Z8 k J/ |2 T0 s" Y- |3 G
s/ X& b1 z" f2 R' H( e( A
* w: P$ w) L1 A" [5 t
虫贰认为，对于对地观测技术来说，所谓“古老”就是技术出现初期我们就打算将它应用于环境监测、防灾减灾、军事应用、规划管理、位置服务等领域，现在的我们也许没有办法在应用方向上有所突破，那么用AI这个全新的手段把传统的应用再做一遍，用范围更广、精度更高、实时性更强的对地观测成果服务于这些传统领域，又何尝不是一种创新和行业的飞跃呢。
+ ^( _. J, @5 E5 e! U3 v+ C
( h' }% e9 A6 V4 m9 x9 T/ q . ~. u# P8 B4 l8 i! x4 U9 w9 j
基于卫星影像的机器学习研究，其潜力是巨大的。随着未来算法的不断更新，AI将为EO行业带来前所未有的数据分析广度和精确度，更会将对地观测分析成果推向更多应用领域。当前，对地观测领域从业人员需要及时适应大数据和机器学习领域的创新发展，为即将到来的行业变革做好充分准备。
# `2 B! c& l# D; C4 @7 _, i0 { 9 z2 i9 o5 n% l. N8 F
! `2 m0 o0 M6 Z2 u
; J) ~- ~4 f$ }+ y. } % q& C, \5 c6 C# |- B) N( K) x
7 v& q3 e! @' ? m! f, B 关注公众号SATRS，第一时间看有趣文章
5 K& f U- x" J# i
2 x/ D) t# b y; V
8 i6 T% ]5 A( X" ^3 H) V 举报/反馈
8 j2 M% [! q6 c/ \; R! I
& Y! n* b/ v. F+ ?0 Y6 u6 L8 p) u0 k! I2 [4 \2 s _
/ i, ~3 M' }0 G P: ~) R3 T
; F$ @2 j7 E \
7 G1 s- x6 x( _ \. [
| 
