以前衞星信息處理是人海戰術，相較於用於天文探索，AI更適合地理信息研究_風聞

中國天眼FAST獲重大成果，已發現350多顆脈衝星，其中還包括大批極難被發現的銀河系邊緣數萬光年外的闇弱脈衝星，取得天文探索領域的重大突破。脈衝星的發現對人類意味着什麼？AI引入太空技術領域會有怎樣的深遠影響？

人工智能識圖技術相比較天文探索，感覺更適合用於地理信息研究，僅僅只用於天文探索，未免有些大材小用了。

實際上衞星投入地理信息研究比很多人想的要早，效果也比很多人想象的要強，美國在1972年發射了第一顆陸地遙感衞星，1978年發射了第一顆海洋遙感衞星，隨後就展開了對遙感衞星實際運用的探索

最顯著的成果是美國在80年代對世界各國的農業生產情況通過遙感衞星進行了宏觀分析，最後通過對獲取的資料進行歸納彙總，針對性調整了美國的農業生產情況，極大強化了美國農業的優勢地位，美國的農業生產一直冠絕全球，但真正確立起在交易和產業層面的絕對優勢地位，特別是對農業生產的宏觀指導，歸根到底還是沾了80年代農業遙感的光。

美國對蘇聯農業生產狀況的衞星估產甚至成了冷戰的關鍵勝負手，在通過遙感探測掌握了蘇聯農業生產的實際情況後，才開始放手對蘇施壓的。

美國在農業領域的霸權，固然和其得天獨厚的農業條件有關，但在農業遙感領域先行一步，也是重要原因。

中國在遙感衞星的農業運用領域一直非常上心，從1999年發射了中巴地球資源一號衞星之後，又陸續發射了一大堆遙感衞星，其中包括從2006年起發射的著名的“遙感”系列遙感衞星，迄今已經發射了30多顆，最近的一顆是2021年5月7日發射的遙感30號08組衞星。

這麼上心的原因，也是因為看到了遙感衞星在國土資源勘查、環境監測與保護、城市規劃、農作物估產、防災減災和空間科學試驗等領域的巨大作用，比如農村地區屢禁不止的私佔基本農田現象，很大程度上就是遙感衞星鋪開使用後才獲得解決的。

現代遙感衞星在地理信息領域的應用已經很成熟了，一顆衞星只需要很短的時間就能對地表的信息進行大範圍的收集，光學遙感衞星的分辨率和雷達遙感衞星的精度這些年也逐漸不再是問題，分辨率達到米級精度已不少見，數據通信更不是問題，美國在80年代發射的長曲棍球衞星已經擁有百兆級的無線通信帶寬。

數據的獲取，傳輸，都不是問題，因此制約衞星信息在地理信息層面應用的，主要是數據的處理能力。

在以往，數據的處理主要依賴技術分析人員從圖像中進行人工識別，但人工識別最大的問題就是效率低下、無法應對大量數據，哪怕是像NASA的陸地觀測衞星這種老衞星，也能以每天185平方公里的速度拍攝500多張圖像，單個像素點至少為30平方米左右，一個足球場也就幾個像素點。

哪怕是這種信息量相對較低的數據，人工處理起來也是效率極低，非常費勁的，而更先進，精度更高的衞星，數據量更大，人工處理起來更費時。

技術分析人員必須把天量圖片拿來，一張張放大，觀察，分析，還要把舊圖片拿來比對，甚至可以這麼説，衞星信息的處理工作，很大程度上曾是一個依賴人海戰術的勞動密集型工作，是一種手工業。

當年NASA在文章裏就説過，衞星圖片識別就像一堆人趴在桌子上要把麪粉裏的砂子一顆一顆挑出來。

這也導致了早年衞星信息的時效性很差，空間位置固定的信息還好説，對移動目標的觀測和追蹤極為困難，對於那些較高的目標則幾乎百無一用，另外還容易受到自然條件的干擾。

所以早年對衞星遙感信息的獲取主要以固定設施、氣象水文、宏觀規律等為主，運動類信息的獲取非常困難，就算獲取了，時效性也很差，幾乎不可用。

隨着以深度學習為代表的人工智能技術的逐漸成熟，把人工智能技術引入衞星情報的數據分析處理，特別是引入到光學遙感衞星的圖像識別中成為了大趨勢，它可以大大提升衞星信息處理的效率，對於人工的節約都算是小事了，主要是時效性大幅提升之後，對於移動類信息的跟蹤難度大幅降低，特別是對於至關重要的高的信息，實時跟蹤的難題會被逐步解決。

按照美國方面的公開文獻的説法，利用人工智能解決遙感衞星的圖像處理問題，能更好地從海量衞星圖像中挖掘高價值信息，分析人員的工作量能減少75%，時效性更是有了根本改觀，這還是幾年前的説法了。

現在最先進的衞星圖像識別能力已經發展到可以區分相同機型的飛機究竟是貨機還是民航飛機的水平了。

利用人工智能對衞星情報進行數據處理和圖像識別也有一些問題。遙感衞星的圖像構成更加複雜，識別算法的複雜程度不是我們的手機自拍美顏特效能比的，另外遙感衞星容易受到天氣、成像角度、傳感器類型、偽裝隱蔽手段等因素的影響，衞星因為運行軌跡固定，還容易受到干擾。

深度學習算法的成熟，還需要依賴大量衞星圖片數據和足夠的時間進行積累，因此，要想強化通過衞星獲取地理信息，特別是對重要信息的實時處理，不僅需要對衞星的傳感器、數據通信、組網、補發等能力進行強化，用於處理數據和圖像識別的人工智能也要進一步改進強化。

這次騰訊的算法和貴州的大鍋蓋分工合作，能夠在遙遠距離外發現大批以往極難被發現的闇弱脈衝星，這説明騰訊的相關算法至少已經具備相當程度的水準，特別是複雜光譜條件下的數據處理和圖像識別能力，相關技術儲備完全可以運用於地理信息和衞星遙感領域，就像通過AI和雲計算幫助中國天眼以較高的效率處理深空圖像，這些技術同樣也可以有效提升利用遙感衞星獲取並處理信息的效率，特別是對時敏類信息的處理效率，在複雜氣象條件和複雜電磁環境下準確獲取信息的能力也會大幅提升，這對於指導農業工作和地理信息類工作是極為有利的。

僅僅用於天文學研究，感覺甚至都有點侷限了它的用途了，完全可以用在其它那些對時敏性有較高要求的工作上。

我向來不怎麼批評企鵝的一個很大的原因，是因為企鵝在涉及一些關鍵性領域時還算是有所作為的，比如國內第一台能夠踩不等距不等高的梅花樁的機器狗也是企鵝搞出來的，距離美國企業搞出類似的東西也就一年多的時間，效率非常之高，這種辦事能力是一種寶貴而稀缺的戰略資源