تشخیص محل پایگاههای موشکی با تصاویر ماهوارهای تجاری و بدون دخالت انسان
با توجه به تحقیقاتی که اخیرا انجام شده الگوریتمهای یادگیری ماشینی میتوانند با تحلیل تصاویر ماهوارهای به دولتها کمک کنند. بر این اساس مقامات سازمان ملی اطلاعات جغرافیایی آمریکا از بخش خصوصی خواستهاند که با ارائه ایدههای جدید در زمینه یادگیری ماشینی، وظایف ساده اما وقتگیر تحلیل تصاویر ماهوارهای را اتوماسیون کنند تا تحلیلگران حرفهای وقت خود را صرف مسائل مهمتری بکنند.
محققان مرکز اطلاعات جغرافیایی دانشگاه میسوری (University of Missouri) طی تحقیق خود از یک شبکه عصبی یادگیری ماشینی برای کمک به تحلیلگران در جستجوی پایگاههای موشکی زمین به هوا در جنوب شرقی چین استفاده کردند. نتایج نشان داد که کامپیوتر به طور میانگین تنها 42 دقیقه برای جستجوی ناحیهای به مساحت 90 هزار کیلومتر مربع نیاز دارد. این نتیجه وقتی جالبتر میشود که بدانیم کره شمالی حدودا 120 هزار کیلومتر مربع وسعت دارد!
پروفسور کورت دیویس (Curt Davis) مدیر این مرکز و از استادان دانشگاه میسوری میگوید: «عملکرد کامپیوتر در این پژوهش بیش از 80 برابر سریعتر از انسان، و دقت تشخیص آن نیز تقریبا برابر انسان یعنی 90 درصد بوده است.» وی افزود: « تقریبا 20 سال است که در حال تحقیق در زمینه یادگیری ماشینی هستم و باور دارم که استفاده از فناوری یادگیری ماشینی در تحلیل تصاویر ماهوارهای میتواند انقلابی در این صنعت به پا کند.» در دهههای گذشته، الگوریتمهای یادگیری ماشینی هنگام استفاده در مقیاس بزرگ برای تحلیل تصاویر ماهوارهای عملکرد چندان مناسبی نداشتهاند و پیشرفتهای اساسی این بخش در چندسال اخیر صورت گرفتهاند.
در حال حاضر سازمانهای سنجش از دور و نظامی مختلف، با انبوهی از تصاویر سنجشی باکیفیت مواجه هستند که باید روزانه آنها را تحلیل کنند و نیروی انسانی توانایی انجام چنین کاری را ندارد. بنابراین به گفته دیویس هدف نهایی این است که یادگیری ماشینی در شناسایی و تحلیل اشیاء و پدیدههای بسیاری به انسان کمک کند. محققان دانشگاه میسوری قصد دارند در آینده این فناوری را برای جستجوی مواردی که تحلیلگران نظامی لازم دارند از جمله سنگر، آشیانه هواپیما، رادارها و آنتنهای ماهوارهای و سکوهای پرتاب آماده کنند.
در پژوهش این محققان از تصاویر سنجشی تجاری موجود در بازار با دقت یک متر استفاده شده است. قطعا با ظهور نسل جدید ماهوارههای سنجشی تجاری که دقت تصویربرداری کمتر از یک متر دارند، استفاده از یادگیری ماشینی علاوه بر اینکه بازدهی بیشتری را ارئه خواهد داد، به دلیل افزایش قابل توه حجم دادهها به یک ضرورت نیز بدل خواهد شد.