【头部财经】遥感卫星是航空测绘、天气预报和森林监测等重要活动的基础。但目前大多数卫星只能被动收集数据，无法实时作出决策或检测变化，数据必须延迟传回地球进行处理，因此限制了人们对自然灾害等事件的及时识别和迅速应对的能力。

然而，牛津大学的研究团队最近取得了重大突破，在一颗人造卫星上成功训练了一个机器学习模型，名为RaVAEn。这一模型可以直接从卫星拍摄的空中图像中检测云层的变化。研究团队采用了一种称为“小样本学习”的方法，让模型在只有少量样本可供训练时，也能学习到最重要的特征。这种方法的关键优点是能够将数据压缩成更小的代表性数据，从而提高模型的运行效率。

通常情况下，开发一个机器学习模型需要多轮训练，但这个新模型只需约1.5秒的时间完成训练阶段，使用了1300多张图像作为训练数据。当团队利用新数据测试该模型时，它仅需约1/10秒就能自动检测云层是否存在。

研究人员表示，该模型适应性强，可以应用于不同的任务和其他形式的数据。他们目前计划开发更先进的模型，以自动区分对人类造成重大影响的变化（如洪水、火灾等）和自然变化（如季节变化导致树叶颜色的变化）。另一个目标是为更复杂的数据，例如高光谱卫星拍摄的图像，开发模型以检测甲烷泄漏并应对气候变化。

此外，传统的机载卫星传感器容易受到恶劣环境条件的影响，因此需要定期校准。然而，在太空中使用机器学习能够帮助克服这一难题，因为机器学习模型可以适应并处理不断变化的环境。

牛津大学的这项研究为遥感卫星的技术发展带来了巨大潜力。通过在太空中进行机器学习训练，遥感卫星有望实现实时监测和决策能力，加速人类对地球变化的理解，为应对自然灾害和气候变化提供更及时的支持。这一研究成果将不仅对科学研究有突破性的影响，还将给人类社会带来深远的影响。