
时至今日,近3000个航天器持续围绕地球飞行。随着卫星材料与体积设计层面的不断优化,这一数字正在不断增长。
当然,把这么多卫星送入轨道会产生新的问题,例如产生大量太空垃圾以及严重影响我们对夜空的观测能力。但是,卫星也为我们提供着至关重要的服务。
以大家最熟悉的GPS为例,这项服务已经成为很多司机的出行向导。卫星也为我们的天气预报提供着关键数据。但是,卫星还在以多种出乎大家意料的方式影响着我们的生活,下面一起来看。
1. 付款
无论大家使用的是非接触式付款、用Google Pay买一杯咖啡,还是使用ATM机提取现金,这些操作都离不开卫星的支持。实际上,所有金融交易——从总值数百万英镑的股市交易,到你在视频网站的每月续费订阅——都依赖于卫星定位加定时服务方可保障周全。
全球导航卫星系统在地表之上约2万公里处持续运转,并不断与手机及计算机保持通信,准确告知这些设备当前在哪里、当前是什么时间。GPS是美国建立的最具知名度的同类系统,欧洲的伽利略与俄罗斯的格罗纳斯也提供类似的服务。
只有这种精确的计时支持,我们的财务交易才能保证同步进行。一旦选择的时间出错,资金很可能先到达某一人的账户,之后才离开另一人的账户。这种问题在股票交易当中完全不可接受,因为股票价格往往会在几秒钟之内急剧波动。因此,全球金融机构也将此视为最根本的安全性要求。
2. 拯救生命
随着全球气候的变化,自然灾害(包括森林火灾与热带风暴)正变得越来越频繁。幸运的是,卫星提供一种全面的灾难监控方式,帮助我们研究这类事件,进而支持我们的救灾与响应预案。
德国企业OroraTech目前正使用一系列航天器中的数据检测火灾的爆发。他们使用红外图像识别地表热点,通过风速指标预测火势,并配合地形与植被图帮助消防员规划其应对措施。
来自卫星的数据也被用于监测热带风暴,预测其行进路径并帮助社区为预期的影响做好准备。
面对愈发严酷的全球挑战,我们需要在此基础之上建立起更加协调一致的全球对策。2000年,已经有17个国家同意在紧急情况下自由共享卫星数据。迄今为止,通过来自60多颗卫星的数据,此份宪章已经通过近700种方式支持126个国家的救灾工作。
3. 为公义而战
卫星的运行空间属于“无人区”,目前没有任何国家或实体宣称自己“拥有”太空区域。因此与飞机或无人机不同,卫星能够对地球上的任何区域成像。相比之下,飞机或无人机往往需要获得许可才能进入另一国家的领空。
大多数卫星围绕近地轨道运行,距我们头顶仅300公里至1000公里,只需90分钟左右即可绕地球一周。随着地球的不断自转,每条轨道上的卫星都能不断拍摄所掠过的区域。
面对这近3000只“天眼”,任何行为都难逃来自天空中的目光。如今,卫星数据已经成为维权人士、新闻工作者以及调查人员的重要信息来源。除了应对非法砍伐森林、起诉战争罪犯行为以外,揭露重大事件真相(例如马航MH17坠毁)的重担也落在卫星肩上。
4. 打击海盗
目前,法律要求超过一定排水量的船只每分钟就应广播一次所在位置。在海岸附近,陆基天线可以检测到这些信号;但在船舶航往远洋区域时,信号则只能由卫星或者附近的其他船只接收。
海盗、非法渔民以及其他暴力组织往往会刻意拆除信标或关闭信号发射以隐匿行迹。幸运的是,高分辨率卫星图像可以配合合成孔径雷达技术准确识别出这些船只。
通过将识别到的船只与检测到的信标位置进行比较,我们即可发现这些“隐形”船只,并向各地执法机构发出警告。
5. 发现濒危物种
可以想象,对野生动物进行追踪是一项极为棘手的难题,特别是难以把握偏远地区动物的群体动向。为了应对这一挑战,研究人员开始使用卫星图像测量冰面上的鸟粪数量,借此估算企鹅的种族规模。
最近,科学家开始使用极高分辨率卫星数据,甚至能够从太空拍摄的图像中识别并计数鲸鱼及大象等动物。虽然现有卫星技术还无法识别出个体动物,但环境保护主义者已经能够借此监控盗猎、人类入侵与栖息地破坏等行为,保护濒临灭绝的物种免遭戕害。
6. 寻找生命
相当一部分绕地球轨道运行的卫星将视线投向外部,始终注视着深空。地球上仍有众多陆基望远镜在研究深空,而通过将这些望远镜送入绕地轨道,我们可以避免地表大气层的影响,帮助我们更清晰地窥探外部的宇宙。
这种清晰的视野对我们寻找系外行星至关重要。与恒星不同,这些围绕太阳系以外其他恒星持续运行的行星自身并不发光,因此我们通过衡量在行星行经恒星时产生的微小光线倾角变化,即可检测到这些行星的存在。
希望其中一些行星能够承载起地外生命,为我们身在的宇宙增添更多活力。欧洲航天局于2019年上马的Cheops任务已经发回第一条检测自遥远世界的信息。虽然距离发现地外生命仍很遥远,但终有一天,这些项目有望带来我们渴望的答案:人类在宇宙中是否孤独?
好文章,需要你的鼓励
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。
英国国王学院研究团队开发了潜在精炼解码(LRD)技术,解决了AI文本生成中的速度与准确性平衡难题。该方法通过两阶段设计模仿人类思考过程:先让AI在连续空间中"深思熟虑",保持多种可能性的混合状态,然后"果断行动",逐步确定答案。实验显示,LRD在编程和数学推理任务中准确性提升最高6.3个百分点,生成速度提升最高10.6倍,为AI并行文本生成开辟了新路径。
清华大学团队开发的ViSurf是一种创新的大型视觉语言模型训练方法,巧妙融合了督导式学习和强化学习的优势。该方法通过将标准答案整合到强化学习过程中,让AI既能从正确答案中学习又能保持自主推理能力。实验显示ViSurf在多个视觉任务上显著超越传统方法,特别是在处理模型知识盲区时表现突出,同时有效避免了灾难性遗忘问题,为AI训练提供了更高效稳定的新范式。