以前卫星信息处理是人海战术，相较于用于天文探索，AI更适合地理信息研究

中国天眼FAST获重大成果，已发现350多颗脉冲星，其中还包括大批极难被发现的银河系边缘数万光年外的暗弱脉冲星，取得天文探索领域的重大突破。脉冲星的发现对人类意味着什么？AI引入太空技术领域会有怎样的深远影响？

人工智能识图技术相比较天文探索，感觉更适合用于地理信息研究，仅仅只用于天文探索，未免有些大材小用了。

实际上卫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强，美国在1972年发射了第一颗陆地遥感卫星，1978年发射了第一颗海洋遥感卫星，随后就展开了对遥感卫星实际运用的探索

最显著的成果是美国在80年代对世界各国的农业生产情况通过遥感卫星进行了宏观分析，最后通过对获取的资料进行归纳汇总，针对性调整了美国的农业生产情况，极大强化了美国农业的优势地位，美国的农业生产一直冠绝全球，但真正确立起在交易和产业层面的绝对优势地位，特别是对农业生产的宏观指导，归根到底还是沾了80年代农业遥感的光。

美国对苏联农业生产状况的卫星估产甚至成了冷战的关键胜负手，在通过遥感探测掌握了苏联农业生产的实际情况后，才开始放手对苏施压的。

美国在农业领域的霸权，固然和其得天独厚的农业条件有关，但在农业遥感领域先行一步，也是重要原因。

中国在遥感卫星的农业运用领域一直非常上心，从1999年发射了中巴地球资源一号卫星之后，又陆续发射了一大堆遥感卫星，其中包括从2006年起发射的著名的“遥感”系列遥感卫星，迄今已经发射了30多颗，最近的一颗是2021年5月7日发射的遥感30号08组卫星。

这么上心的原因，也是因为看到了遥感卫星在国土资源勘查、环境监测与保护、城市规划、农作物估产、防灾减灾和空间科学试验等领域的巨大作用，比如农村地区屡禁不止的私占基本农田现象，很大程度上就是遥感卫星铺开使用后才获得解决的。

现代遥感卫星在地理信息领域的应用已经很成熟了，一颗卫星只需要很短的时间就能对地表的信息进行大范围的收集，光学遥感卫星的分辨率和雷达遥感卫星的精度这些年也逐渐不再是问题，分辨率达到米级精度已不少见，数据通信更不是问题，美国在80年代发射的长曲棍球卫星已经拥有百兆级的无线通信带宽。

数据的获取，传输，都不是问题，因此制约卫星信息在地理信息层面应用的，主要是数据的处理能力。

在以往，数据的处理主要依赖技术分析人员从图像中进行人工识别，但人工识别最大的问题就是效率低下、无法应对大量数据，哪怕是像NASA的陆地观测卫星这种老卫星，也能以每天185平方公里的速度拍摄500多张图像，单个像素点至少为30平方米左右，一个足球场也就几个像素点。

哪怕是这种信息量相对较低的数据，人工处理起来也是效率极低，非常费劲的，而更先进，精度更高的卫星，数据量更大，人工处理起来更费时。

技术分析人员必须把天量图片拿来，一张张放大，观察，分析，还要把旧图片拿来比对，甚至可以这么说，卫星信息的处理工作，很大程度上曾是一个依赖人海战术的劳动密集型工作，是一种手工业。

当年NASA在文章里就说过，卫星图片识别就像一堆人趴在桌子上要把面粉里的砂子一颗一颗挑出来。

这也导致了早年卫星信息的时效性很差，空间位置固定的信息还好说，对移动目标的观测和追踪极为困难，对于那些较高的目标则几乎百无一用，另外还容易受到自然条件的干扰。

所以早年对卫星遥感信息的获取主要以固定设施、气象水文、宏观规律等为主，运动类信息的获取非常困难，就算获取了，时效性也很差，几乎不可用。

随着以深度学习为代表的人工智能技术的逐渐成熟，把人工智能技术引入卫星情报的数据分析处理，特别是引入到光学遥感卫星的图像识别中成为了大趋势，它可以大大提升卫星信息处理的效率，对于人工的节约都算是小事了，主要是时效性大幅提升之后，对于移动类信息的跟踪难度大幅降低，特别是对于至关重要的高的信息，实时跟踪的难题会被逐步解决。

按照美国方面的公开文献的说法，利用人工智能解决遥感卫星的图像处理问题，能更好地从海量卫星图像中挖掘高价值信息，分析人员的工作量能减少75%，时效性更是有了根本改观，这还是几年前的说法了。

现在最先进的卫星图像识别能力已经发展到可以区分相同机型的飞机究竟是货机还是民航飞机的水平了。

利用人工智能对卫星情报进行数据处理和图像识别也有一些问题。遥感卫星的图像构成更加复杂，识别算法的复杂程度不是我们的手机自拍美颜特效能比的，另外遥感卫星容易受到天气、成像角度、传感器类型、伪装隐蔽手段等因素的影响，卫星因为运行轨迹固定，还容易受到干扰。

深度学习算法的成熟，还需要依赖大量卫星图片数据和足够的时间进行积累，因此，要想强化通过卫星获取地理信息，特别是对重要信息的实时处理，不仅需要对卫星的传感器、数据通信、组网、补发等能力进行强化，用于处理数据和图像识别的人工智能也要进一步改进强化。

这次腾讯的算法和贵州的大锅盖分工合作，能够在遥远距离外发现大批以往极难被发现的暗弱脉冲星，这说明腾讯的相关算法至少已经具备相当程度的水准，特别是复杂光谱条件下的数据处理和图像识别能力，相关技术储备完全可以运用于地理信息和卫星遥感领域，就像通过AI和云计算帮助中国天眼以较高的效率处理深空图像，这些技术同样也可以有效提升利用遥感卫星获取并处理信息的效率，特别是对时敏类信息的处理效率，在复杂气象条件和复杂电磁环境下准确获取信息的能力也会大幅提升，这对于指导农业工作和地理信息类工作是极为有利的。

仅仅用于天文学研究，感觉甚至都有点局限了它的用途了，完全可以用在其它那些对时敏性有较高要求的工作上。

我向来不怎么批评企鹅的一个很大的原因，是因为企鹅在涉及一些关键性领域时还算是有所作为的，比如国内第一台能够踩不等距不等高的梅花桩的机器狗也是企鹅搞出来的，距离美国企业搞出类似的东西也就一年多的时间，效率非常之高，这种办事能力是一种宝贵而稀缺的战略资源