研究人員首次在太空訓練機器學習模型。圖片來源：牛津大學官網

據英國牛津大學官網29日報道，該?？茖W家首次在外太空一顆人造衛(wèi)星上訓練了一個機器學習模型，這一成果可實現很多應用領域的實時監(jiān)測和決策，有望徹底改變遙感衛(wèi)星的能力。相關論文已經提交于近期舉行的國際地球科學與遙感研討會。

遙感衛(wèi)星收集的數據是航空測繪、天氣預報、森林監(jiān)測等許多關鍵活動的基礎。目前，大多數衛(wèi)星只能被動地收集數據，無法作出決定或檢測變化，數據必須中繼到地球進行處理，而這通常需要數小時甚至數天時間，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(wèi)星上訓練了一個簡單的模型RaVAEn，以從衛(wèi)星直接拍攝的空中圖像中檢測出云層的變化。該模型基于“小樣本學習”方法，當模型只有幾個樣本可供訓練時，該方法使模型能夠學習最重要的特征，其關鍵優(yōu)點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，開發(fā)一個機器學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，其會在約1/10秒內自動檢測到云是否存在。

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

此外，傳統機載衛(wèi)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習有助于克服這一難題。