מודלים של גוגל ומיקרוסופט הותאמו לגילוי אתרי טילים
This post is also available in: 
English (אנגלית)
חוקרים אמריקאים הצליחו לאמן אלגוריתמים של למידה עמוקה לגלות אתרים סיניים של טילי קרקע-אוויר במהירות הרבה יותר גדולה מאשר צוותים אנושיים. האלגוריתמים הוכיחו את עצמם יעילים בסיוע לאנשים חסרי כל ניסיון קודם באיתור אתרי טילים הפזורים בשטח של 90,000 קמ"ר בדרום מזרח סין.
אמצעים אלה של בינה מלאכותית בנויים על רשתות תאי עצב – שכבות של תאי עצב מלאכותיים המסוגלים לסנן וללמוד מתוך כמויות אדירות של נתונים – התאימו סה"כ ל-90% מרמת הדיוק של עין אנושית של אנליסט מומחה באיתור הטילים. יתרה מזאת, תוכנת למידה עמוקה הצליחה לסייע לצוותים אנושיים לצמצם את הזמן הנדרש לאיתור הטילים מ-60 שעות ל-42 דקות בלבד.
המחקר, בראשות קורט דייויס, מרצה להנדסת חשמל ומדעי המחשב ומנהל המרכז למודיעין גאו-מרחבי באוניברסיטת מיזורי, מגיעה על רקע העובדה שאנליסטים העוסקים בניתוח תמונות טובעים בכמויות של ביג דאטה.
חברת תמונות הלווינים DigitalGlobe מייצרת כ-70 טרה-בייט של תמונות לווין גולמיות מידי יום, זאת בנוסף לכל נתוני התמונות מלווינים מסחריים ולוויני ריגול אחרים.
דייויס ועמיתיו הראו כיצד מודלים של למידה עמוקה מוכנים מהמדף, המאומנים באופן אינטנסיבי, והותאמו עבור ניתוח תמונות לווין – יכולים לזהות עצמים שמעניינים את סוכנויות המודיעין ומומחי הביטחון הלאומי.
מודלים אלה של למידה עמוקה, הכוללים את GoogleNet ואת Researcher's ResNet של מיקרוסופט, נוצרו בתחילה כדי לאתר ולקטלג עצמים בתמונות וסרטי וידאו מסורתיים. דייויס ועמיתיו התאימו את המודלים האלה לאתגרים והמגבלות של פענוח תמונות לווין, למשל פענוח תמונות שחור לבן וצבעוניות, במקרה שתמונות טילי ה-SAM יהיו זמינות רק בשחור לבן.
למעשה, המפענחים מסתמכים בצורה משמעותית על תמונות לווין כדי לעקוב אחר התפתחות תוכניותיה הצבאיות של צפון קוריאה, על פי wired.com. כשיודעים מהם המיקומים של הטילים ניתן לפעמים להגיע גם למקומות נוספים, לאור העובדה שמדינות נוטות להציב טילי SAM באזורים ספציפיים כדי להגן על נכסים בעלי ערך מפני התקפות אוויריות.
