研究人員首次在太空訓練機器學(xué)習模型。圖片來(lái)源：牛津大學(xué)官網(wǎng)

據英國牛津大學(xué)官網(wǎng)29日報道，該?？茖W(xué)家首次在外太空一顆人造衛星上訓練了一個(gè)機器學(xué)習模型，這一成果可實(shí)現很多應用領(lǐng)域的實(shí)時(shí)監測和決策，有望徹底改變遙感衛星的能力。相關(guān)論文已經(jīng)提交于近期舉行的國際地球科學(xué)與遙感研討會(huì )。

遙感衛星收集的數據是航空測繪、天氣預報、森林監測等許多關(guān)鍵活動(dòng)的基礎。目前，大多數衛星只能被動(dòng)地收集數據，無(wú)法作出決定或檢測變化，數據必須中繼到地球進(jìn)行處理，而這通常需要數小時(shí)甚至數天時(shí)間，從而限制了人們識別自然災害等事件、迅速應對的能力。

在最新研究中，研究團隊在衛星上訓練了一個(gè)簡(jiǎn)單的模型RaVAEn，以從衛星直接拍攝的空中圖像中檢測出云層的變化。該模型基于“小樣本學(xué)習”方法，當模型只有幾個(gè)樣本可供訓練時(shí)，該方法使模型能夠學(xué)習最重要的特征，其關(guān)鍵優(yōu)點(diǎn)是可將數據壓縮成更小的代表數據，使模型得以更高效運行。

通常，開(kāi)發(fā)一個(gè)機器學(xué)習模型需要幾輪訓練，而新模型在約1.5秒內就完成了訓練階段（使用了1300多張圖像）。當團隊利用新數據測試該模型的性能時(shí)，其會(huì )在約1/10秒內自動(dòng)檢測到云是否存在。

研究人員表示，該模型可很好地適應不同的任務(wù)，并使用其他形式的數據。他們目前打算開(kāi)發(fā)更先進(jìn)的模型，以自動(dòng)區別對人類(lèi)產(chǎn)生重大影響的變化（如洪水、火災等）和自然變化（如不同季節樹(shù)葉顏色的變化）。另一個(gè)目標是為更復雜的數據，如高光譜衛星拍攝的圖像開(kāi)發(fā)模型，以檢測甲烷泄漏，并應對氣候變化。

此外，傳統機載衛星傳感器容易受到惡劣環(huán)境條件影響，因此需要定期校準，而在外層空間使用機器學(xué)習有助于克服這一難題。