美国情报机关内训练有素，能藉由卫星图像，来追踪发现中国祕密核设施或军事基地的分析家有限。不过，事实证明，纵使在谍对谍的世界里，类似能让谷歌（Google）与脸书（Facebook）自动过滤人脸影像，具备深度学习能力的人工智慧，也有无可估计的价值。
据《连线》（Wired）杂志网报导，美国研究人员已训练具深度学习力的演算系统，以比人类快好几百倍的速度，来迅速辨识中国地对空飞弹发射场。
经过验证，就算原本没有图像分析经验的人，在这深度学习演算系统的协助下，也能找出散佈在中国东南方近9万平方公里的地对空飞弹发射场。
这种以类神经网路为基础，透过层层人工神经元，从大量资料中学习，并能过滤资料的系统，在找出飞弹发射场上，整体准确率可达图像分析家的90％。或许更令人赞嘆的，就是人类在这种深度学习软体的协助下，可以将靠肉眼搜寻飞弹发射场的时间，由原本的60小时大幅缩减为42分钟。
密苏里大学（University of Missouri）地理空间情报中心（the Center for Geospatial Intelligence）主任戴维斯（Curt Davis）说，演算系统可以在据称极可能有飞弹发射场的地区定位，找出它确切的位置，再由研究人员加以检视，看是否准确，并衡量所省下的时间。
卫星影像太多，分析家几乎淹没在浩瀚的大数据里。以美国顶尖商业卫星影像公司"数位全球"（DigitalGlobe）为例，它每天生成的卫星影像约多达70兆位元组，更别提来自其他商业卫星，还有政府间谍卫星的一大堆影像资料了。
不过，美国研究人员最初只有约90个确定的中国地对空飞弹发射场实例，以训练人工智慧软体，但这通常无法获得准确的深度学习成效。而戴维斯与同僚为了解决资料库太贫乏的问题，于是将这90个实例以略微不同的方向旋转，结果生出89.3万个训练样本。
然而，人工智慧在研究中能有令人赞嘆的成效，很可能是因为地对空飞弹发射场相当大，并在卫星空拍照中显现出特有的模式。
戴维斯指出，深度学习演算系统正面临远比这更大的挑战，如飞弹机动发射车、雷达天线、机动雷达系统，还有军车等，由于它们的体积较小，在卫星图像上可供辨识的像素较少，因此较难确认。
0
