当人工智能介入卫星图像识别，我们的隐私该何去何从？

如今，运行在我们头顶的人造卫星有上千个之多，其中不乏许多军用的间谍卫星。它们往往都配有高精度的摄像头，每时每刻对地球的每个角落进行检测。不过，即便像美国这样的超级军事大国也仍然会担心有哪一处的秘密会被遗漏掉。

这主要是因为当下的地图识别是完全人工操作的，也就是说你在地图上看到了天安门被标记成天安门是人工在地图上找到了天安门而标记的，这就会导致像上世纪 60 年代中国土楼被美国误认为是导弹发射井之类的错误。

但是如果真的哪天有个国家突然秘密的建造了一个洲际导弹的发射井呢？所以，靠人为的去在地图上寻找是不现实的。但是如果计算机会学习地图上的物体然后自动的去识别它们就不一样了。所以，现在美国政府开始赞助那些尝试使用人工智能去标记地图里面的物体的团队，并为此开展了一次竞赛。

从 2017 年七月份开始，许多团队已经开始在“训练”他们的人工智能算法。调试他们算法的场景就是用卫星拍摄下来的世界地图，也就是全世界最大的公开数据，拥有一百多万个物体标记，如建筑物、工厂等。这个数据是由美国的“情报先进研究计划署 Intelligence Advanced Research Projects Activity (IARPA)”所提供的。这次比赛是看哪个团队的人工智能可以在一个隐藏许多物体标记的地图上识别物体最准确，得分最高者胜。

说到这里，你有没有一种被政府或者企业给监视了的恐惧感？先不要害怕，虽然人工智能技术在近两年内突然崛起，但是利用人工智能去自动识别建筑物、物体、甚至是人脸都是一件很难的事情。

首先，建筑是从上往下拍摄的，不要说人工智能，人类看一个建筑都很难知道它是什么。其次，云也会时不时的遮挡住卫星想要拍摄的地方，而人工智能是否能识别那是一朵云还是谁家的烟囱冒出的烟也是一件非常难的事情。最后也是当下最需要解决的就是分辨率问题。

目前我们知道的商业化图像卫星（还有一些我们不了解的间谍卫星）分辨率最高的是 Digital Globe 的 WorldView-4，分辨率最高可达到 31 厘米，完全有能力分辨地面上的任何物体。但是，WorldVie-4 理论上要拍摄完整个地球的表面最快也需要 4 个月。而 4 个月这么长的时间肯定不能满足美国情报局的。

不过，也有其它企业在另谋出路，比如说 Planet Lab 正在搭建的立方星（CubeSat）星群。将近 200 个小型卫星可以提供每日更新的全球图片，不过分辨率比 WorldView-4 肯定是低很多。

当下的美国政府也是一边使用自己的间谍卫星，一边使用着这些商业卫星捕捉到的图片，导致整个地球表面图片的分辨率是不统一的。然而，若把分辨率不同的地球图片放在一起，对于人工标记倒是没有太大影响，但是对于人工智能来讲，自动识别分辨率变低了还是有些遥远。

所以，美国政府是想要用人工智能在非常高清的地图上找到很多人肉眼容易忽视的细节呢？还是希望人工智能可以每天的粗略的检查世界上到底有没有什么危险的事情在发生？

但是，虽然在卫星地图上人工智能算法还有很大的问题，但是在其它地球探测上人工智能很容易的就上手了。这些地球图像卫星有的也会带上红外探测、光谱探测、气体探测等各种传感器。而这些数据对于人工智能来说比图像识别要简单的多。

所以，有部分公司已经在气体探测、红外探测和简单的图像识别上使用人工智能自动分析了，主要使用在农田管理上（卫星图像、气体检测、红外检测等探测在美国农田管理上已经非常流行）。

Descartes Labs 已经开始使用深度学习去分析大豆、玉米等农作物的收获量，不需要人工去看着图片推算。Descartes Labs 的 CTO 说，“现在我们 80% 的解决方案都是只花了 10% 的功夫去完成的。”

像我们刚才提到的 Planet Lab，他们现在最大的客户之一就是专门提供农田管理的企业 Farmers Edge，Farmers Edge 也在尝试使用深度学习加上 Planet Lab 的每日更新图像来帮助农田管理者发现农作物疾病等问题。

人工智能介入地球卫星图像是迟早的事情，虽然人工智能可以帮我们在未来找出许多隐患，但是每个人的隐私是不是也是越来越少了呢？虽然各国对于地球图像也都有设定法律，有的要求一些地方不得公开，有的要求分辨率必须限定在一个数值范围内等等。但是对于间谍卫星呢？如果你们有看过《美国队长 2》的话，那你们觉得人工智能这事到底是好是坏呢？

来源：DeepTech深科技