国际瞭望|美国国家航空航天情报中心利用人工智能辅助地理空间分析

点击图片上方蓝色字体“慧天地”即可订阅

人工智能与机器学习在测绘领域的应用方兴未艾，几年来进展迅速。2015年，美国国家地理空间情报局制定了《2015年国家地理空间情报战略作战概念系统（CONOPS）》，其中提出了使用智能化机器学习（ML）算法协助GEOINT分析师的指导意见。该作战概念系统将“工具辅助信息生成”和“全自动信息生成”列为地理空间情报（GEOINT）分析信息生成的关键要素。它还提到“通过人工智能（AI）和知识工程方法（基于认知/规则的推理、链接分析、模式识别）增强分析能力”。

（温馨提示：点击图片可放大观看）

利用人工智能技术来增强地理信息分析处理，Riverside公司的研究表明，分析师的时间被重新集中在更深层次的分析上，同时检测的准确性和灵敏度也得到了提高，从而实现了更有效和高效的智能。

美国国家航空航天情报中心（NASIC）拟定的《2023年战略计划》指出：“我们将追求新的想法、创新的过程和开创性的研究，以更有效和高效地创建和提供情报。”

在美国国家航空航天情报中心的地球空间持久红外分析团队中，根据这一指示，科学家、工程师和分析人员研究高空持久红外（OPIR）数据的小组将机器学习与人工智能（ML/AI）算法纳入他们的工具集中，用来生产情报组织任务所需的基本产品。借助这些算法可以提供更精确的检测和跟踪，使生成过程更快、更高效，并使一些过程实现自动化。

（温馨提示：点击图片可放大观看）

利用人工智能辅助地理情报分析，可以获得更有效的情报

在美国国家航空航天情报中心已经和正在应用的ML和神经网络算法有很多，诸如主成分分析、线性判别分析、支撑向量机、自组织映射和人工神经网络（ANN）。这些算法已被纳入到变化检测、目标检测、特征选择、对象聚类、跟踪、背景抑制、假警报抑制、分类和其他任务中。例如，国家航空航天情报中心团队成功地整合了一个神经网络，它使假警报减少了31%，同时将正确预测值提高了15%以上。

将这些智能算法结合到分析过程中也有助于解决一个关键性问题：不断增长的大数据问题，即信息太多，无法及时准确地查索有用信息。当前，分析师要分析的数据量不断增加。为了获取情报界感兴趣的相关信息，必须采用智能化、自动化，而人工智能/机器学习（AI/ML）提供了这些工具。自动化过程还必须快速准确，以便在正确的时间向作战人员提供正确的信息。美国国家航空航天情报中心的AI/ML工具充分释放了分析师的时间，使他们能够专注于情报组织任务，制作准确、详细的报告。AI/ML算法的另一个优点是它们能够“看到”被人类眼睛忽略的事件。本质上，这些算法将分类作为缓解大数据问题的第一步。

ML/AI辅助GEOINT分析

美国国家航空航天情报中心用于高空持久红外任务的AI/ML算法，目前仍处于研究和开发阶段，并与河滨研究公司（Riverside Research）的咨询和保障服务相结合，后者提供了几个先进的神经网络原型。这些原型证明了神经网络在处理高空持久红外任务数据方面的实用性。河滨研究公司是美国地理空间情报基金会（GIF）的机器学习和人工智能工作组的重要成员，他通过合同指导、监督和帮助美国国家航空航天情报中心整合这些算法和技术，并通过其开放创新中心AI/ML实验室向更多的GEOINT社区提供专业知识。

美国国家航空航天情报中心研究团队正在原型化几种先进的神经网络/深度学习方法（如卷积神经网络和进化算法），以证明它们能够提高高空持久红外能力和任务。

将人工智能技术插入到地理空间数据处理和产品中，可以从高空持久红外数据中产生更多更好的智能。在未来，可以期待高智能机器进一步提高情报分析的能力，通过融合多种情报产品，可以为地理空间社区生产协同的、高智能的产品。

原载：

http://trajectorymagazine.com/using-ai-aid-geoint-analysis/

点击下方“阅读原文”打开网站。