【国家扶持项目】近几年国际安全情报领域发生对国际政治、经济和外交等方面产生了深远影响的一些事件,如维基解密事件、棱镜门事件等。从安全情报的视角来看，说明了科学技术的不断进步和发展推动了情报获取、整理和分析等过程中的技术变革和创新，反映了现代科技已深度融合于情报领域。
在大数据时代，情报的决策和服务功能更加依赖于科技的应用与融合，美国情报界还通过不断推动情报科技的创新，以维持其对外和对内的超强情报能力。为了达到此目标,美国政府按照国防高级研究计划局( defense advanced research projects agency, DARPA)为蓝本设置一个情报科技创新机构———美国情报高级研究计划局(intelligence advanced research project agency, IARPA) 专门负责美国情报科技领域中基础性、前瞻性、高风险性、创新性、颠覆性的研发工作。
近期，美国情报高级研究计划局举办了深度学习挑战赛，招募人工智能解析卫星影像。
“太空狗仔队”不停拍拍拍，图像数据谁来分析
间谍卫星和其他商业性卫星就像是一群太空狗仔队，围绕地球每天疯狂拍下数十TB图像。如此海量的数据迫使美国情报机构不得不面对世界上最大的难题，就是FOMO——“错失恐惧症(fear of missing out)”——人类分析师能处理的图像数量有限，却要从中筛选出新的核浓缩设施或运往世界各地的导弹等资料。因此，美国情报机构举办此挑战赛寻找能从卫星影像中自动识别目标对象的人工智能。
从七月开始，参赛者已运用庞大的公用卫星影像数据集(包含一百万个建筑和设施等标记对象)训练机器学习算法，这些数据由美国情报高级研究计划局(IARPA)提供。该人工智能挑战赛将于十二月闭幕，届时，十位进入决赛的参赛者将携带其人工智能算法挑战卫星影像隐藏数据集。
美国国家地理空间情报局局长Robert Cardillo一直致力于推进人工智能的发展，坚信人工智能可以分担人类影像分析师75%的工作量。他的观点可以解释该机构举办功能性地图世界挑战赛的初衷。
洛克希德·马丁公司(全称洛克希德·马丁空间系统公司，创建于1912年，是一家美国航空航天制造商)的研究科学家Mark Pritt表示：“以前人们分析图像时默念‘噢!那儿有个大烟囱，我把它标在地图上。’当前的地图仍为手工绘制。在我看来，这些机构举办活动的目的是促进人工智能算法自动生成地图。”
参赛团队多来自学术界、政府实验室及私营企业，共同争夺十万美元的大赛奖金。Pritt和洛克希德·马丁公司的同事也组队参与了本次大赛。所有参赛者都渴望应用深度学习算法，识别地球影像中的特定模式及目标对象。地图影像通常由卫星、航天器、无人机的遥感技术拍摄而成。
分析来自卫星的图像数据，难点在哪里?
相比在线处理人脸、路标或物体的照片，卫星影像处理对深度学习算法的要求要高得多。卫星影像由多角度拍摄而成，诸如建筑等物体的影像会上下颠倒。甚至连云朵的移动都会影响同一区域在不同时间的成像效果。
美国正在搞一场大规模人工智能大赛，主办方是情报研究计划局
卫星影像的分辨率参差不齐，加大了深度学习算法的工作难度，这些算法通常只善于处理固定大小的图像。因此，人类工程师不得不在这个问题上作出取舍，是调整图片格式(会导致丢失低分辨率的细节)，还是分割图像进行局部研究。不仅如此，许多卫星还能拍摄到可见光谱之外、红外波段内或其他波长的地球影像。
IARPA挑战赛中，研究人员和团队若擅长应用深度学习分析卫星影像，可能会更具优势。鉴于真实的地球卫星图像并非完美无瑕，因此，应用深度学习时所有团队都会遇到巨大阻力。***称，即便精确度达到80%到90%，深度学习算法仍无法自主完成全部工作。
参赛“明星团队”介绍以及目前的进展
Descartes Labs(笛卡尔实验室)的联合创始人和首席技术官Mike Warren表示：“只有人机合作时，当前的科技水平才能找到真正的AI解决方案。”Descartes Labs隶属美国能源部洛斯阿拉莫斯国家实验室，该实验室已将深度学习自动分析卫星图像用于商业目的，如预测美国玉米和大豆的产量。正如Warren所称，这些应用展现了人类可借助深度学习轻松制定多种解决方案。
Grant Scott是密苏里大学的数据科学家，他带领另一团队参赛。Scott称已有公司研发出诸多应用深度学习和卫星图像的有效方案。美国情报机构却对其参赛能力和计划闭口不谈。IARPA挑战赛已明确表示，希望各机构研发先进的深度学习工具分析卫星图像。
IARPA的项目经理Hakjae Kim称：“美国情报机构手头已有许多方案，但速度和方法仍需提升。”
Scott和密苏里大学(地理空间情报中心CGI)的研究人员正着力于研究开源智能与公用商业卫星图像结合后产生的巨大优势。《应用遥感学报》十月刊发的文章中，他们介绍了如何运用深度学习算法识别90000平方千米的中国多座地空导弹阵地的已知地理位置。
经证实，最佳算法所得结果的准确度高达98%。传统的图像搜索方法平均耗时60小时，而该算法仅需42分钟，且准确度可与人类分析师相匹敌。
这些成果与IARPA 挑战赛的初衷一致，有助于促进深度学习发展为实用工具。各国政府和公司不断发射大量成像卫星，与其他星系一同绕地球旋转。DigitalGlobe是美国一家商业地球成像企业，也是本次挑战赛的影像供应商，每天拍摄超过70TB的原始图像。不用多久，人类数据分析师将需借助人工智能帮助他们攻克难关。
