美国国家地理空间情报局（NGA）认为，人机配对对其成功至关重要，机器学习算法接管了处理卫星数据洪流以寻找潜在情报的繁琐任务，并将人类操作员解放出来，进行更多高水平的分析和任务
Defensenews网站，2021年 12月 17日消息。美国国家地理空间情报局已经选择了一个由商业和学术伙伴组成的团队，用合成数据（synthetic data）建立一个人工智能系统，这将进一步帮助该机构确定如何建立机器学习算法的前进方向。
Orbital Insight公司宣布，该公司获得了NGA颁发的第二阶段小企业创新研究合同。12月16日。它将与Rendered.ai和加州大学伯克利分校合作，开发一个计算机视觉模型。
作为负责为情报界分析卫星图像的组织，NGA已经越来越强调使用人工智能来完成其任务。该机构认为人机配对对其成功至关重要，机器学习算法接管了处理卫星数据洪流以寻找潜在情报的繁琐任务，并将人类操作员解放出来，进行更多高水平的分析和任务。
Orbital Insight首席执行官Kevin O'Brien在一份声明中说：“随着大量的图像和数据的涌入，人类无法仅凭视力进行分析。当我们的国家安全依赖于这些数据时，计算机视觉可以帮助提供正确的答案。我们很荣幸获得这个第二阶段的合同，并继续我们与NGA的伙伴关系。这个项目的结果将对国防情报界起作用”。
为了建立有效的人工智能，工程师们需要向机器学习算法提供大量的训练数据--他们想要找到的物体类型的图像--以便他们在遇到新图像时能够自动找到这些物体。虽然公司使用真实世界的数据来训练这些算法，但这根本不够用。真实世界的数据通常要采用合成数据来补充，合成数据完全是人工的，但被设计成看起来像机器要处理的真实世界数据。
政府使用的大多数算法都是在真实世界的图像和合成图像上训练的，但这项工作将只使用合成数据。Orbital Insight表示，该项目将改善使用混合训练数据来建立人工智能工具的努力。
当涉及到军事场景时，合成数据可能是唯一可用的数据。
对于罕见的事件，或者数据特别难以收集的场景，可以将合成数据纳入训练模型，让人工智能从真实和模拟的经验中学习。一个例子是为轨道碎片清除的太空机器人（orbital-debris-spearing space robot）训练图像，这种现象之前没有任何数据。
2019年4月22日至26日，第1步兵师第2装甲旅战斗队第1-18步兵团B连情报班长里米·希曼中士和他的团队在莱利堡任务训练中心的综合训练环境跨职能团队用户评估期间，测试了可重构虚拟集体教练机的原型——地面。第2装甲旅战斗队的成员测试了下一代车辆训练模拟器的不同版本，并提供了反馈，以确保原型在部署之前满足所有要求的规范
训练自治系统（Training autonomous systems）在不理想的条件下运行是虚拟环境的一个很好的用例，尽管合成数据并不是项目的全部。
对于该领域的公司来说，找出用于训练AI的合成和真实数据的正确组合仍然是一项正在进行的工作。到目前为止，NVIDIA公司已经注意到，当使用至少50%的合成数据时，AI导航有所改善，尽管该比率可能因任务而异。
陆军自动驾驶汽车的传感器需要知道如何在太阳的眩光下工作，但它们也需要知道如何处理突然的灰尘和闪光以及爆炸和其他战场混乱的障碍物。在实验室中进行建模，为未来的战场训练现实世界的机器人，可能是未来的一个增长领域。
联系客服
