ChatGPT został biorąc na pasku wiadomości z jego rewolucyjnych i przerażających zdolności do produkcji tekstu, wideo, audio i wiele więcej do poziomu poza ludzkiej. Ale to nie tylko inwazja na internet i biznes - jest przygotowany do przepisania zasad nadzoru satelitarnego, jak również.
Pokrywam postępy w możliwościach nadzoru satelitarnego od 2017 roku, since 2017 kiedy stało się jasne, że tanie mikro satelity skutkują wyścigiem zbrojeń w celu osiągnięcia najpotężniejszych globalnych systemów obrazowania.
Systemy Google Earth, Google Maps i Google Streetview Google Streetview sjuż usunęły nieodłączne prawo do prywatności i przeniosły je na kaprys korporacyjnych warunków. Jednak to blednie w porównaniu z tym, co zostało uruchomione przez największych światowych kontrahentów obronnych, jak również nowszych dostawców komercyjnych obrazów kosmicznych.
Teraz, jak zobaczysz poniżej, ChatGPT połączył się z Google Earth Engine dla zaawansowanego przetwarzania obrazu. Nie nazwałbym tego "połączeniem w niebie", ponieważ wyraźnie zmierzamy w kierunku satelitarnego śledzenia w czasie rzeczywistym każdego i każdego miejsca na Ziemi.
Jak donosi Defense Defense One reports, tOne, te nowe możliwości są wykorzystywane przez wojsko amerykańskie w odpowiedzi na incydent z chińskim balonem meteorologicznym i mają potencjał do wykrywania innych obiektów i startów na całym świecie.
Teraz, gdy zmierzamy w kierunku przyszłości opartej na zdolnościach wykrywania sterowanych przez AI, pozostaje tylko pytanie, jak AI zostanie zintegrowana z matrycą reakcji.
Istnieje już "ChatGPT" dla zdjęć satelitarnych
Patrick Tucker Patrick Tucker
Wykorzystując zaawansowaną generatywną sztuczną inteligencję i ogromny zbiór zdjęć Ziemi, możliwe jest odkrycie obiektów niemal wszędzie w ciągu zaledwie kilku godzin.
Scena: Przeciwnik USA pracuje nad nowym typem drona, statku lub samolotu, a twoim zadaniem jest znalezienie go, gdziekolwiek się znajduje.
Jeszcze niedawno zadanie to wymagałoby ogromnego wysiłku ludzi, sygnałów i zbierania informacji z otwartych źródeł. Jednak naukowiec z firmy Synthetaic zajmującej się sztuczną inteligencją stworzył narzędzie, które w ciągu zaledwie jednego dnia pozwoli użytkownikom znaleźć praktycznie każdy duży obiekt znajdujący się na dowolnym zdjęciu satelitarnym Ziemi. Jest to również rodzaj zdolności, którą chce rozwinąć National Geospatial-Intelligence Agency i która może radykalnie zmienić strategiczną przewagę na polu walki.
Corey Jaskolski, założyciel i dyrektor generalny firmy Synthetaic, nazwał swoje narzędzie do skanowania obrazów satelitarnych Rapid Automatic Image Categorization (RAIC). Po tym, jak w styczniu uwagę narodu przykuł incydent z chińskim balonem meteorologicznym, Jaskolski zastosował RAIC do zdjęć satelitarnych powierzchni Ziemi, zebranych przez firmę Planet zajmującą się obrazowaniem satelitarnym. W ciągu zaledwie kilku dni udało mu się ustalić pochodzenie balonu z Chin.
Teraz, mówi Jaskólski, firma wykorzystuje te lekcje, aby jeszcze bardziej skrócić ten czas. "Naszym celem jest możliwość pobrania całego dziennego zbioru Planet [zdjęć Ziemi] i przetworzenie go w czasie krótszym niż 24 godziny. Więc jeśli chcesz dosłownie szukać startów balonów na całym świecie, możemy dać ci codzienną aktualizację tego każdego dnia. Dać ci znać, czy gdziekolwiek wystrzelono balon".
Zainteresowanie nowymi, publicznie dostępnymi narzędziami AI gwałtownie wzrosło dzięki nowym narzędziom generative pretrained transformer-lub GPT-tools, które pozwalają użytkownikom pisać eseje, budować biznesplany i wykonywać złożone zadania za pomocą prostej podpowiedzi. Społeczność bezpieczeństwa narodowego ma podobne potrzeby, ale w zakresie aplikacji AI dla ogromnych ilości danych satelitarnych, obserwacyjnych i innych, które mogą pomóc w odkryciu działań przeciwnika i nowych możliwości.
Corey Jaskolski, Jaskolski przekonał się o tym, gdy próbował znaleźć pochodzenie chińskiego balonu - rzeczy, która nigdy nie została sfotografowana na otwartej przestrzeni, a tym bardziej oznaczona i wprowadzona do zbioru danych czytelnego dla algorytmu uczenia maszynowego. Chinese weather balloon incident c
"Normalnie z AI, trzeba mieć kilka oznakowanych przykładów dla AI do nauki, więc, i to nie jest mała ilość danych. Kiedy Facebook i Google trenują SI, zazwyczaj trenują na miliardzie oznaczonych obrazów, nawet nie, wiesz, tysiące lub miliony, ale dosłownie miliard oznaczonych obrazów" - powiedział Jaskólski. "Rzeczą, która normalnie powstrzymałaby SI przed znalezieniem tego balonu jest to, że nie mamy żadnych danych. Nie mamy żadnych etykiet. Nie wiemy, jak wygląda z kosmosu".
RAIC jest częścią nowej klasy narzędzi AI, które nie wymagają ogromnego, oznakowanego zbioru danych, aby wygenerować to, co Jaskolski opisuje jako zrozumienie tego, czego należy szukać. Był on w stanie nauczyć ją szukania balonu w oparciu jedynie o jeden ręcznie wykonany rysunek.
"Zaczęliśmy od technologii, które są używane w generatywnych transformatorach AI i GaNS. [Ale] zamiast używać tej technologii do generowania obrazów, używamy tej technologii, aby w zasadzie zrozumieć domenę danych" - powiedział.
W zasadzie, poprzez ciągłe oglądanie zdjęć satelitarnych, narzędzie RAIC rozwija znajomość, która zbliża się do wiedzy specjalistycznej. Kiedy więc skanuje zdjęcia satelitarne, ma podstawowe pojęcie o tym, co jest nietypowe, i może szukać konkretnych nietypowych obiektów. A dane wejściowe nie muszą być precyzyjne. Jaskolski mówi, że jego rysunek przedstawiał, jak może wyglądać balon w danych satelitarnych, a RAIC był w stanie go znaleźć. Następnie, po znalezieniu rzeczywistego balonu w jednym z zestawów danych satelitarnych, RAIC był w stanie szukać go na innych zdjęciach.
"Po kilku dniach naprawdę szukając go na Alasce w Kanadzie, postanowiliśmy po prostu ugryźć kulę i połknąć tę ogromną ilość Ziemi przez Chiny, Japonię, Koreę Południową, Koreę Północną, a także ocean, otwarty ocean i wyspy Aleutów", powiedział. Wykorzystali również modelowanie wiatru, aby zawęzić miejsce, w którym balon mógł rozpocząć swój lot.
To doprowadziło ich do wysp położonych 300 mil od wybrzeży Chin. "W tym momencie naprawdę się podekscytowaliśmy...I tak stamtąd znajdujemy go jeszcze pięć lub sześć razy, aż do ukrytej wyspy".
Na ubiegłotygodniowej konferencji Planet w Waszyngtonie, prezes Microsoftu Brad Smith opisał przyszłość, w której ludzie mogliby prosić narzędzia wyszukiwania oparte na obrazach o znalezienie obiektów, tak jak dziś prosimy wyszukiwarki o rekomendacje. Microsoft jest głównym inwestorem w OpenAI, najbardziej znanej platformie GPT.
"Naprawdę wierzę, że ta następna era AI, wiesz, z GPT based-technology, jest query-able Earth," powiedział Smith.
NGA przejęła już kontrolę nad Project Maven, flagowym programem Pentagonu dotyczącym AI do analizy obrazu. Na konferencji w Planet, szef NGA wiceadmirał Frank Whitworth powiedział, że agencja próbuje przekształcić Maven z eksperymentalnego wysiłku w program rekordowy, "co oznacza, że będziemy musieli być bardzo wyraźni co do skuteczności każdego dolara."
Agencja "eksperymentuje z programami [inteligencji geograficznej] AI, które integrują duże modele językowe, aby umożliwić analitykom zadawanie i odpowiadanie na konkretne pytania wywiadowcze", rzecznik NGA powiedział Defense One. "Widzimy przyszłość, w której te modele mogą być szkolone z dużymi danymi przestrzennymi, aby odpowiedzieć na pytania w przestrzeni i czasie".
Patrick Tucker jest redaktorem ds. nauki i technologii w Defense One. Jest również autorem książki The Naked Future: What Happens in a World That Anticipates Your Every Move? (Current, 2014). The Naked Future: What Happens in a World That Anticipates Your Every Move? (Current, 2014)Wcześniej Tucker przez dziewięć lat był zastępcą redaktora w The Futurist. Tucker pisał o powstającej technologii w Slate, The Sun, MIT Technology Review, Wilson Quarterly, The American Legion Magazine, BBC News Magazine, Utne Reader i w innych miejscach.
**By Nicholas West
**Source
Brak komentarzy:
Prześlij komentarz