把混合AI系统给卫星装上，就能让卫星透过云层看清底下，让地球观测更靠谱。IT之家刚在2月24日说了个事儿，原来那厚厚的云层把底下地面完全遮住，就算薄薄的雾霾或者阴影，也会把城乡的样子给弄变形。所以以前那些用来看气候、看庄稼、看城市的遥感图像，也就只能靠运气，有时候能看清一点。最近有人在《国际仿生计算期刊》上发了个研究，给咱们指了条路：用混合AI系统让卫星“看”穿云层。这个系统特别厉害，能把传回的图像里的云基本去掉，然后再更精准地把下面的地表重建出来，精度比以前的技术强多了。几乎所有的光学卫星照片都会被云层影响个不停，这次AI去云技术有了进步，肯定能让那些高分辨率的地球数据更靠谱。 老法子不是依赖大气光散射的物理模型，就是靠多拍几张图对比着看。虽说管用，但要是遇到云层厚的地方或者一大片全遮住的情况，它们就不好使了。这几年用大数据学习的那种机器学习系统倒是有点起色，可这玩意儿得有个清楚的参考图才行。要是没有参考图，它们在云盖住的地方也只能给你画个模糊的画面。 这个新办法有个名字叫 SenseNet，是个深度去噪的应用。它觉得有云和雾霾的像素都是能去掉的结构性噪声。这个系统用了一种受自然启发的模型——混合郊狼-狐狸优化算法，就是模拟狗狗们的社交和协作行为来处理数据找最优解。从运算的角度讲，它能帮网络内部的参数调得更顺溜点，防止训练的时候掉到局部最优解那个坑里去。 跟现在的去噪方法比起来，这个系统把信噪比提了超过2分贝，还把残差降下来了。虽然2分贝看着不多，但算下来性能提高了快60%呢。有了它就能更清楚地画出农业边界、标出道路和水体分布了。 你看那些常年多云的地方，尤其是热带地区的话，有了更可靠的去云技术就能减少数据的缺口。这对那些现在越来越依赖实时卫星情报来做气候适应或者应对灾害的策略来说，帮助可大了去了。