美情报机构关注人工智能可解释性 商业卫星影像加速进入作战流程

【智研参考消息】 据美国《防务突破》和《太空新闻》网站报道，美国国家侦察局和地理空间情报界近日在2026年GEOINT研讨会上集中讨论人工智能、商业卫星影像和作战应用问题。美国国家侦察局局长克里斯·斯科利斯表示，人工智能“可解释性”已成为该机构重点关注事项，相关研究和试验正在扩大。

斯科利斯说，美国国家侦察局已在多个任务领域使用人工智能，并计划进一步扩大应用范围。其中一项重点，是提高侦察卫星星座自主运行能力。随着卫星数量从少数高价值平台扩展到包括低轨增殖星座在内的更大体系，仅靠人工操作已难以有效管理。该局正利用人工智能和机器学习增强航天器自主性，支持星上处理、实时识别、任务规划优化和星座协同。

不过，斯科利斯强调，人工智能用于传感器数据分析时，验证结果是否可靠更为复杂。他说，美国国家侦察局必须能够“看进人工智能黑箱”，了解模型如何形成判断，并验证预测和输出是否正确。该局正在使用由多组图形处理器构成的“超密集环境”测试平台，对本机构和产业伙伴开发的人工智能模型进行验证。

与此相呼应，商业卫星影像和人工智能分析正在更直接进入实际任务流程。《太空新闻》报道说，美国地理空间情报基金会在研讨会上展示多项案例，说明卫星影像与雷达、光学、自动识别系统、开源情报和人工智能分析融合后，已从单纯图像产品转向行动支撑。

在马绍尔群岛一次为期12天的海上执法行动中，Starboard Maritime Intelligence将卫星雷达和光学影像同船舶自动识别系统、船舶监测数据结合，用于发现疑似非法捕鱼船只。报道称，该行动发现43艘船，确认6个高优先级目标，并在5小时内完成目标核验，使原本以天计的发现周期缩短至以小时计。

研讨会还展示了多种应用场景。BlackSky利用高频卫星影像和人工智能分析识别中国沿海疑似协同两栖活动；Muon Space为Earth Fire Alliance建造的Firesat卫星用中波红外传感器发现俄勒冈州一处小型路边火情；Iceye通过重复轨道合成孔径雷达持续观察伊朗相关核设施受损情况；Vantor则将谷歌基础模型接入持续监测应用，用于跟踪南海安达礁周边活动。

报道还提到，Safran的HyperReveal系统曾在8分钟内对1600平方公里范围内近4000艘船只进行分类；Jane’s将射频干扰数据、卫星图像和开源情报结合，用于识别地面雷达、防空和电子战系统；Urban Sky高空气球搭载光电传感器，并通过“星链”在3分钟内将目标检测结果送达操作员系统。

业内人士认为，上述动向显示，地理空间情报正从“获取图像”转向“形成可行动判断”。人工智能提高了筛选和分析速度，但美国情报机构仍把可解释性、验证机制和人在回路作为关键前提。未来相关能力能否稳定用于作战和决策，仍取决于数据质量、模型可靠性、系统集成和人工审查机制。

信息来源：美国《防务突破》网站《AI ‘explainability’ is a ‘major concern’ for National Reconnaissance Office: Director》、美国《太空新闻》网站《As satellite imagery evolves, its role in operations comes into view》。