京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA数据分析师 出品
编译:Mika
【导读】
你是否想搜索地球表面的实时影像?Marshall和他在Planet的团队将使用世界上最大的卫星群每天拍摄整个地球的图像。现在他们正在进行一个新的项目:使用人工智能对地球上所有的物体进行索引——这可以使船只、树木、房屋和地球上的一切东西都可以搜索,就像谷歌等搜索引擎一样。
4年前就在TED的讲台上,我公布了地球任务1号:
发射一系列卫星,从而能每天拍摄地球全貌,并让大众能获得这些信息。
我们要解决的问题很简单。在网上,你能找到的卫星图片很旧了,甚至早就过时了。但是人类活动每时每刻、每天、每周、每月都在发生。
我们不能解决自己看不见的问题,我们想要给人们工具去看见变化,并且采取行动。
阿波罗17号的宇航员在1972年照下了美丽的蓝色星球图片,这帮助人们了解到我们生活在一个脆弱的星球上。
因此我们想要继续这项事业,为人们提供保护地球的工具。
在完成了多个我们自己的阿波罗任务,发射了人类历史上数量最多的一组卫星后,我们完成了既定目标。
今天,Planet每天都在记录着地球的全貌,任务完成!
这个任务完成了21次火箭发射。这个图让整个过程看起来很轻松,但事实并非如此。
现在我们有超过200个卫星在轨道上环绕运行,将搜集到的数据发送到31个全球站点。
每天,我们总计得到150万张,共计29兆像素的地球表面图片。并且,在地球表面任意一点,我们现在拥有平均超过500张图片。
这些巨大的数据记录着巨大的改变,很多人在使用这些图片。
农业企业用他们来提高农民的产量;商业地图公司用他们来提高地图的精度;政府用他们来监管边疆安全,或是应对自然灾害,比如洪水、火灾或地震;很多非政府组织也在用它们,去追踪并阻止森林砍伐,帮助找到逃离缅甸的难民,或追踪叙利亚危机中的活动,以令各方势力负责。
今天我有幸能够宣布Planet stories的上线,任何人都可以登陆planet.com,创建一个账户,就能在网上看到所有的图片。
这相当于一个实时版的Google Earth,你还可以看到历史数据。你可以比较任何两天,然后发现我们的星球发生的巨大改变。或者你可以用这500张照片创造一个延时视频,去显示该地点随着时间发生的巨大变化。你还可以把它们分享到社交网络上,这很酷。
我们最初为新闻工作者创造了这个工具,为了让他们得到对于世界不带偏见的信息。但现在我们把它向公众开放,用于非盈利或个人用途。
我们希望这个工具能够让人们发现地球发生的变化,并做出改变。
那么人类现在有了这个不断变化的地球数据库,我们的下一个任务是什么呢?
简而言之,就是空间加上人工智能。
我们利用人工智能检索卫星图片中的事物。网上用来在视频中标记猫狗的AI工具,同样可以用来处理我们的照片。
想象这里有艘船,这里有棵树,这是辆车,这是条路,这是个大楼,这是个卡车。
如果你能够对每天产生的几百万张图片,这样处理就基本上创造出了一个数据库。当中包含了地球上每天存在的有形事物,并且这个数据库是可以被搜索的。
这就是我们在做的事。这是一个使用了我们API的原型。
这是北京,如果我们想要统计机场的飞机数量,只需要选择机场,程序就会检索出今天照片中的飞机和以前所有照片中的飞机。然后它生成了这张标记了北京机场飞机的统计图。当然,你可以对世界上任何一个机场这样操作。
让我们来看看温哥华的一个港口,我们用同样的流程来统计船只。放大并选中温和华,搜索这片区域,然后我们搜索船只,就会得到船只的情况。
想象一下这将为负责追踪并组织非法捕鱼的海岸保卫人员提供多么大的帮助。合法的捕鱼船只,用AIS灯塔传达他们的位置。但我们经常发现违反规则的船只,图片不会撒谎。所以海岸保卫人员可以利用这个信息来发现非法船只。
我们将会很快加入不局限于飞机、船只的其他对象,并且我们可以生成这些地点的对象数据流。
从人们的工作流程中进行数字化集成,未来我们还可以建立一个更复杂的浏览器,让人们放入不同来源的信息。
但是最终,我们可以把图像完全抽象化,产生一个可检索的地球表面界面。
想象一下我们可以这样问:
“巴基斯坦有多少栋楼房?对时间做个统计图。” “亚马逊有多少树?还有从上周到这周倒下的树的地点?”
这不是很棒吗?这就是我们想要达到的目标,我们叫它“可检索地球”。
地球任务1号负责每天记录地球表面的图像,并对大众开放。
地球任务2号负责对地球上所有事物编码,生成检索信息。
不妨这样类比,Google把互联网上的事物编码,建立了搜索引擎。我们要将地球上所有事物编码,同样方便大家查询。
非常感谢!
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14