هوش مصنوعی به‌عنوان شاخه‌ای از علوم رایانه، بسیاری از زمینه‌های زندگی روزمره انسان را دستخوش تغییر کرده است که از آن جمله می‌توان به استفاده در حوزه فناوری ماهواره اشاره کرد. سامانه‌هایی که از هوش مصنوعی بهره می‌برند، در حوزه‌های مختلف صنعت فضا مانند ارتباطات ماهواره‌ای و سنجش از دور ماهواره‌ای کاربرد داشته و چالش‌های متعددی را برطرف ساخته‌اند. در حوزه سنجش از دور، تصاویر ماهواره‌ای در ترکیب با هوش مصنوعی برای نظارت بر موارد مختلفی از نواحی شهری گرفته تا مناطق خطرناکی همچون آتشفشان‌ها مورد استفاده قرار میگیرد. در این فرایند، هوش مصنوعی می‌تواند در هنگام تهیه تصاویر ماهواره‌ای و یا پس از جمع‌آوری داده‌ها توسط ماهواره، در تحلیل داده‌ها دخالت داشته باشد.
پرکاربردترین زیرمجموعه‌های هوش مصنوعی در تفسیر و تحلیل تصاویر ماهواره‌ای
دو مورد مهم از زیرمجموعه‌های هوش مصنوعی در بحث تجزیهوتحلیل تصاویر ماهواره‌ای، دید ماشینی (Machine Vision) و یادگیری ماشین (Machine learning) هستند. دید ماشینی یا بینایی ماشینی به استفاده از حسگرها برای دریافت سیگنال‌هایی اطلاق می‌شود که تشکیل‌دهنده تصویر یک شی هستند و طی آن از رایانه یا سایر وسایل پردازش سیگنال برای تجزیهوتحلیل سیگنال‌های دریافت‌شده استفاده می‌شود. یادگیری ماشین نیز به مطالعه علمی الگوریتم‌ها و مدل‌های آماری مورد استفاده سامانه‌های رایانه‌ای اطلاق می‌شود که به‌جای استفاده از دستورالعمل‌های واضح، از الگوها و استنباط برای انجام وظایف بهره می‌برند. البته پردازش تصاویر ماهواره‌ای با استفاده از هوش مصنوعی به روش‌های مختلفی انجام میگیرد.
انواع برنامه‌ها در تجزیهوتحلیل تصاویر ماهواره‌ای با استفاده از هوش مصنوعی
دو نوع برنامه را در تفسیر و تحلیل داده‌های ماهواره‌های سنجشی می‌توان در نظر گرفت؛ برنامه‌های یک سطحی و برنامه‌های چند سطحی. در برنامه‌های یک سطحی، روش‌های یادگیری ماشین مستقیما در تصاویر ماهواره‌ای اعمال می‌شوند. برنامه‌های چندسطحی نیز بر روی کانال‌های ارتباطی پیچیده ایجاد شده‌اند و استفاده از آن‌ها زمانی صورت میگیرد که اطلاعات استخراج‌شده از تصاویر ماهواره‌ای فقط مجموعه‌ای از ویژگی‌ها در مدل‌های پیشرفته‌تر است. برای مثال، پیش‌بینی سود خرده‌فروشان از طریق شمارش اتومبیل‌ها در پارکینگ‌ها یکی از کاربردهای این نوع برنامه محسوب می‌شود.
کاربرد روزافزون هوش مصنوعی در صنعت داده‌های تصویری ماهواره‌ای
به‌عقیده کارشناسان استفاده از هوش مصنوعی در تصویربرداری ماهواره‌ای یکی از سریع‌ترین رشدها را در میان کاربردهای هوش مصنوعی دارد. شرکت آمریکایی دیجیتال گلوب (DigitalGlobe) به‌عنوان یکی از فعالان مهم عرصه سنجش از دور، دو شرکت زیرمجموعه خود را تنها به توسعه الگوریتم‌های یادگیری ماشینی برای تحلیل تصاویر ماهواره‌ای اختصاص داده است. در‌همین‌حین شرکت آمریکایی بلک اسکای (BlackSky) که با کمک شرکت‌های اروپایی تالس آلنیا اسپیس (Thales Alenia Space) و تلسپازیو (Telespazio) در حال توسعه یک منظومه ماهواره‌ای سنجش از دور شامل ۶۰ ماهواره با قدرت تفکیک مکانی بالاست، با دریافت بودجه‌ای ۱۶.۴ میلیون دلاری از نیروی هوایی ایالات متحده برای توسعه پلتفرم تحلیل تصاویر سنجشی ماهواره‌های خود با کمک هوش مصنوعی، توجهات را جلب کرده است.
علاقه به بهره‌گیری از هوش مصنوعی در سنجش از دور ماهواره‌ای به چند دلیل رو به افزایش است:
- پیشرفت‌های قابل‌توجه در دید ماشینی طی چند سال گذشته و در نتیجه قابل انجام شدن چالش‌هایی از جمله تشخیص خودروها و ساختمان‌ها یا تغییر چشم‌اندازها طی یک بازه زمانی توسط هوش مصنوعی
- رشد بسیار زیاد میزان داده‌های تولیدشده توسط ماهواره‌ها ناشی از گسترش ماهواره‌ها، پیشرفت‌های حاصل‌شده در فناوری‌های تصویربرداری و همچنین افزایش قابلیت ذخیره و انتقال داده
- هزینه سنگین تحلیل و ترجمه این حجم از داده‌های خام ماهواره‌ای
امکان پردازش داده‌های ماهواره‌ای حجیم را می‌توان اصلی‌ترین عامل در گسترش استفاده از هوش مصنوعی دانست؛ امری که با افزایش روزافزون پرتاب ماهواره‌ها بیش از پیش مدنظر قرار میگیرد. برای مثال اروپا برای برنامه کوپرنیک (Copernicus) خود که یکی از بزرگ‌ترین برنامه‌های سنجش از دور دنیا محسوب می‌شود، در صدد استفاده از هوش مصنوعی به‌منظور پردازش داده‌های عظیم آن است. این برنامه در آینده گسترش بیشتری نیز خواهد داشت و از‌این‌رو سرعت بالا و هزینه کم در تجزیهوتحلیل داده‌ها برای آن امری اساسی به‌شمار می‌رود. از طرفی با گسترش منظومه‌های ماهواره‌ای شاهد رشد روزافزون داده‌های سنجشی هستیم که در این زمینه، هوش مصنوعی هم در هنگام تهیه تصاویر و هم پس از جمع‌آوری آن‌ها توسط ماهواره‌های سنجشی قابل استفاده است.
کاربرد هوش مصنوعی در ماهواره‌های سنجش از دور
یکی از کاربردهای بالقوه هوش مصنوعی در ماهواره‌های سنجشی، مدیریت آتش‌سوزی است که طی آن می‌توان از مناطق آتش‌سوزی با خطر بالا نقشه‌برداری کرد و گسترش احتمالی آن را کنترل نمود. این امر همچنین در حوزه کشاورزی از جمله پیش‌بینی عملکرد محصولات مزایای فراوانی دارد؛ اینکه چه میزان محصول در چه زمانی باید برداشت شود. بهینه‌سازی آبیاری، تنظیم سطح کوددهی و استفاده از حداقل میزان سموم دفع آفات از دیگر کاربردهای پردازش تصاویر طیفی در فضاست. به‌علاوه، با بهره‌گیری از این قابلیت می‌توان به شناسایی مناطقی که دچار مشکل یا بحران هستند، اقدام نمود و ضمن ارائه هشدارهای لازم، وضعیت آن مناطق را تجزیه و تحلیل کرد.
در سال ۲۰۲۰ یک ماهواره اروپایی برای اولین بار تصویری را با استفاده از هوش مصنوعی در فضا پردازش کرد. طی این ماموریت، ابزار سخت‌‌افزار هوش مصنوعی کوچکی موسوم به هایپراسکات-۲ (HyperScout-2) که روی یکی از دو نانوماهواره اسپانیایی FSSCat نصب شده است، ابرها را در تصویری از سطح زمین شناسایی نمود. هایپراسکات-۲ با استفاده از تراشه هوش مصنوعی جدیدی به‌نام میرید-۲ (Myriad-2) عملکرد پردازش را بالاتر برده و باعث بهبود قابلیت‌های پردازش داده‌ها برای تصاویر فراطیفی می‌شود. بعد از آن نیز برخی ماموریت‌های ماهواره‌ای اقدام به پردازش تصاویر در فضا کردند. البته بنابر اعلام پژوهشگران، از هوش مصنوعی می‌توان در راستای مسائل امنیتی و جاسوسی فضایی نیز استفاده کرد.
در همین راستا محققان هشدار داده‌اند تهیه تصاویر ماهواره‌ای جعلی با استفاده از فناوری جعل عمیق یا دیپ فیک (DeepFake) می‌تواند امنیت ملی کشورها را به‌خطر بیندازد. پژوهشگران می‌گویند با بهره‌گیری از الگوریتم‌های هوش مصنوعی و از طریق تغذیه این الگوریتم‌ها با استفاده از عکس‌ها و نقشه‌های ماهواره‌ای مختلف، می‌توان تصاویر ماهواره‌ای دیپ فیک تهیه کرد که حاوی مواردی مانند جاده‌ها، ساختمان‌ها و عوارض جغرافیایی غیرواقعی باشند یا ابعاد و ارتفاع و موقعیت آن‌ها با اهداف مغرضانه جابه‌جا شده باشد. از‌این‌رو آینده استفاده از هوش مصنوعی را علاوه‌بر بالا بردن سرعت پردازش و کاهش قابل‌توجه هزینه‌ها، می‌توان به موضوعات امنیت ملی نیز گره زد؛ امری که اهمیت توجه به این موضوع را برای فعالان و دست‌اندرکاران حوزه فضا دوچندان می‌کند.
آینده هوش مصنوعی در سنجش از دور
طی سال‌های آتی انتظار می‌رود به‌لطف هوش مصنوعی، کاربران عادی به‌سادگی بتوانند طیف وسیعی از تصاویر ماهواره‌ای را بارگیری و تحلیل کنند. پژوهشگران همچنین معتقدند در آینده برخی ابزارها و پایگاه‌های داده ژئوفیزیکی در دسترس کاربران قرار میگیرد و آن‌ها می‌توانند ضمن دسترسی به داده‌های ماهواره‌ای فراوان، از ابزارهای مدیریت داده و مجموعه‌های حاوی داده‌های ژئوفیزیکی که از تجزیهوتحلیل دقیق و کامل چنین اطلاعاتی پشتیبانی می‌کنند، بهره ببرند.
ویل مارشال (Will Marshall)، مدیر اجرایی شرکت آمریکایی پلنت لبز (Planet Labs)، معتقد است بهره‌گیری از هوش مصنوعی باعث خواهد شد از تمام ظرفیت ماهواره‌های رصد زمین استفاده شود و شرکت‌ها قادر خواهند بود از منابع داده که اکنون در مدار زمین در حال گردش هستند، به‌طور کامل بهره ببرند. به‌گفته او هدف نهایی، شاخص‌گذاری روزانه رخدادها روی زمین است؛ برای این کار باید انبوه تصاویر تهیه‌‌شده از زمین به نقشه‌هایی از اشیا و مکان آن‌ها تبدیل شود. با تحقق این امر می‌توان اطلاعات درست را در زمان مناسب در اختیار افراد ذیربط قرار داد تا بهترین تصمیم را اتخاذ کنند.
شرکت‌ها و استارت‌آپ‌ها به‌دنبال استفاده از مزایای حاصل از ترکیب هوش مصنوعی و فناوری‌های فضایی هستند و به‌نظر می‌آید که این شاخه از علوم رایانه‌ای بهترین راه‌حل برای تحلیل موثر و سریع داده‌های سنجش از دور و نهایتا انجام عکس‌العملی مناسب و کارآمد به پدیده‌های زمینی باشد. آژانس فضایی اروپا (ESA) و ناسا نیز برنامه‌هایی را در این زمینه پیش می‌برند و انتظار می‌رود در آینده در خصوص کاربردهای هوش مصنوعی در حوزه سنجش از دور ماهواره‌ای از این سازمان‌ها و سایر شرکت‌های فعال در این زمینه اخبار بیشتری بشنویم.
|
امتیاز مطلب : 349
|
تعداد امتیازدهندگان : 107
|
مجموع امتیاز : 107
|
برچسب‌ها: هوش مصنوعی , کاربردهای هوش مصنوعی , کاربرد هوش مصنوعی در سنجش از دور , سنجش از دور , کاربرد سنجش از دور , فناوری های نوین , وبلاگ شخصی مهندس مصطفی حسنیان , کاربرد هوش مصنوعی در GIS , GIS , کاربرد های GIS , |
|
عضو شوید
عضویت سریع
آمار مطالب
آمار بازدید
