
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!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03