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!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08在数据驱动决策的链路中,统计制图是CDA(Certified Data Analyst)数据分析师将抽象数据转化为直观洞察的关键载体。不同于普通 ...
2026-01-08在主成分分析(PCA)的学习与实践中,“主成分载荷矩阵”和“成分矩阵”是两个高频出现但极易混淆的核心概念。两者均是主成分分 ...
2026-01-07在教学管理、学生成绩分析场景中,成绩分布图是直观呈现成绩分布规律的核心工具——通过图表能快速看出成绩集中区间、高分/低分 ...
2026-01-07