自监督人工智能可以在没有人工指导的情况下学习识别卫星图像中的云类型
云在地球气候和天气中起着关键作用。它们以各种不同的模式和类型形成，对水循环和辐射能量在大气中的移动方式等事物产生深远的影响。几十年来，地球观测卫星一直在捕捉图像，这些数据集为研究云及其对地球系统的影响提供了独特的机会。卫星图像数量庞大，难以评估，因为图像数量太多，科学家无法手动分类。自监督人工智能可以在没有人工输入的情况下学习解读图像。但典型的图像识别人工智能需要大量人工生成的标签来训练。
在《地球系统人工智能》杂志发表的一篇新文章中，研究人员展示了一种人工智能，它可以通过查看数百万张云的卫星图像来识别云的类型，而无需人工输入。
本研究开发的人工智能通过执行本质上是图像匹配的任务来学习生成云图像的简单数字表示。它使用从附近位置拍摄的可能包含相同云类型的云图像对进行训练。它因学习相同云类型的图像的相似表示和不同云类型的图像的不同表示而获得奖励。
该模型在过去的云分类研究中手工标记的几个云图像数据集上进行了评估，其表现与使用人工生成的标签训练的分类模型相当。
研究人员还展示了该模型在卫星仪器之间推广的能力，并通过强制模型根据自身参数产生幻觉图像，探索了模型学习到的云的内部表征。
页:
[1]