تصور کنید تنها یک عکس پهپاد از یک اقامتگاه استوایی در اختیار دارید و باید سوزنی را در انبار کاه جهانی پیدا کنید. برای سوفیا سانتوس (Sofia Santos)، این عکس تنها انگیزه‌ای بود تا یک موتور جست‌وجوی زمین‌فضایی (Geospatial) بسازد که بتواند بدون تکیه بر ابزارهای متداول، مختصات دقیق یک نقطه را روی کره زمین بیابد.
طبق مستندات منتشر شده در ۱۹ اوت ۲۰۲۶، این پروژه ثابت می‌کند که ترکیب هندسه خام و شتاب‌دهی سخت‌افزاری می‌تواند جایگزین ابزارهای «جعبه‌سیاه» مانند گوگل لنز (Google Lens) شود. در حالی که اکثر کاربران برای مکان‌یابی یک تصویر، آن را در موتورهای جست‌وجوی بصری آپلود می‌کنند، این سیستم با خط ساحلی زمین به عنوان یک مجموعه داده برخورد می‌کند؛ یعنی صحنه بصری را به یک اثر انگشت ریاضی تبدیل کرده و سپس سیاره را برای یافتن الگوی هندسی مشابه اسکن می‌کند.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی امنیت داده‌های بازمتن اشاره کردیم، دسترسی به داده‌های خام و پردازش مستقیم آن‌ها، دقت را در محیط‌های عملیاتی به‌شدت بالا می‌برد. در این پروژه، هدف تبدیل یک تصویر به مختصات جغرافیایی دقیق بود. این رویکرد یادآور متدهای پیشرفته‌تر در تحلیل داده‌های مکانی است، مشابه آنچه در سیستم‌های GeoAI برای استخراج خودکار footprints ساختمان‌ها مشاهده می‌کنیم که دقت شناسایی عوارض زمین را به سطح جدیدی می‌برند.
اثر انگشت هندسی
فرآیند با عکسی شروع شد که سه توده خشکی متمایز داشت: جزیره اصلی اقامتگاه (P0)، جزیره‌ای در سمت راست (P1) و جزیره‌ای در سمت چپ-جلو با یک قله کوه (P2). از آنجایی که ارتفاع پهپاد نامعلوم بود و متادیتای عکس حذف شده بود، توسعه‌دهنده روی فواصل و زوایای نسبی تمرکز کرد.
او با استفاده از یک رابط گرافیکی پایتون، مختصات پیکسلی را ثبت کرد تا هندسه این مثلث را استخراج کند. این کار یک «اثر انگشت» با تلورانس ۲۰٪ ایجاد کرد تا خطاهای احتمالی در کلیک‌های انسانی پوشش داده شود.
فیلتر کردن سیاره
برای جلوگیری از بررسی تک‌تک سنگ‌های روی زمین، سیستم از مجموعه چندضلعی‌های خشکی OpenStreetMap (با حجم ۸۸۲ مگابایت) استفاده کرد. بر اساس گزارش فنی پروژه، مجموعه‌ای از فیلترهای اکتشافی برای محدود کردن کاندیداها اعمال شد:
- کمربند استوایی: تنها خشکی‌های بین عرض جغرافیایی ۳۰- تا ۳۰+ درجه حفظ شدند (۱۴۱,۱۳۱ چندضلعی).
- فیلتر تراکم: هر جزیره‌ای که بیش از ۱۰ همسایه در شعاع ۵ کیلومتری داشت حذف شد تا مجمع‌الجزارهای شلوغ کنار بروند (۵۱,۵۷۶ کاندید).
- خوشه‌بندی: سیستم گروه‌هایی با حداقل سه نقطه در شعاع ۲۰ کیلومتر را شناسایی کرد و لیست را به ۲۳,۵۰۰ خوشه کاهش داد.
شتاب‌دهی GPU از طریق CUDA
گلوگاه محاسباتی زمانی رخ داد که نوبت به تولید سه‌تایی‌ها رسید. هر ترکیب سه نقطه‌ای در یک خوشه، یک مثلث کاندید بود که در مجموع منجر به ۸۰,۶۹۰,۷۷۷ ترکیب احتمالی شد.
برای مدیریت این حجم از داده، توسعه‌دهنده هر ترکیب را به یک رشته (Thread) در CUDA روی کارت گرافیک NVIDIA GeForce RTX 3050 سپرد. هر رشته نقاط را بر اساس مساحت مرتب کرد تا کوچک‌ترین نقطه (P0) را شناسایی کند و با استفاده از ضرب خارجی دوبعدی، جهت چرخش P1 و P2 را تعیین نمود.
واحد پردازش گرافیکی (GPU) — که مثل هزاران ماشین‌حساب کوچک است که هم‌زمان کار می‌کنند — زاویه در نقطه P0 و نسبت فاصله را برای تمام ترکیب‌ها به صورت موازی محاسبه کرد. در تنها ۲۰۴.۱ میلی‌ثانیه، این هسته محاسباتی ۸۰.۷ میلیون ترکیب را به ۱۵۸,۷۸۴ مورد تطبیق داد.
پالایش جست‌وجو
پس از حذف موارد تکراری، ۸,۹۱۵ ترکیب منحصر‌به‌فرد باقی ماند. سپس آزمون «مستطیل باز» اجرا شد تا بررسی شود آیا فضای آبی بین جزایر واقعاً باز است یا خیر. اگر خشکی دیگری در این مستطیل بود، کاندید حذف می‌شد و ۹۴۸ گزینه باقی ماند.
در مرحله بعد، شکل جزیره اصلی (P0) با استفاده از امتیاز Polsby-Popper تحلیل شد تا اطمینان حاصل شود که جزیره یک تپه‌ی مرجانی گرد است و نه یک صخره دندانه‌دار. تنها اشکالی با امتیاز فشردگی بالای ۰.۵ باقی ماندند.
یک بررسی نهایی برای «شکل بیضوی» لیست را باز هم محدودتر کرد. با برازش یک مستطیل چرخان دور جزیره، نسبت ابعاد (بین ۱.۰۵ تا ۲.۲) و نسبت پرشدگی اندازه‌گیری شد. توسعه‌دهنده شرط کرد که نسبت پرشدگی باید حداقل ۷۵٪ از سقف تئوریک (π/4) باشد.
اعتبارسنجی محیطی
با باقی ماندن ۱۳۷ کاندید، پروژه به سراغ APIهای متصل به شبکه رفت. با استفاده از API مربوط به Earth Search و تصاویر Sentinel-2، شاخص پوشش گیاهی (NDVI) محاسبه شد.
از آنجایی که پوشش نخل‌های سالم، نور مادون قرمز نزدیک را منعکس و نور قرمز را جذب می‌کند، با تعیین آستانه ۰.۶ برای NDVI، سیستم تضمین کرد که جزیره دارای پوشش گیاهی است و نه فقط شن‌های لخت. این کار تعداد کاندیداها را به ۶۶ مورد رساند.
در نهایت، سیستم از کاشی‌های ارتفاعی Copernicus DEM GLO-30 استفاده کرد تا تایید کند P0 مسطح (زیر ۵۰ متر) است و در جهت دوربین، کوهی بین ۱۰۰ تا ۵۰۰ متر وجود دارد.
افشای نهایی
این خط لوله سخت‌گیرانه تنها ۲۶ بازمانده را باقی گذاشت که بیشتر در جنوب آسیا و اقیانوسیه بودند. بررسی دستی نهایی در گوگل مپ، پاسخ را در میکرونزی یافت. این اقامتگاه با نام Oan در مختصات ۷.۳۶۳۴۴۴ درجه شمالی و ۱۵۱.۷۵۵۷۵۰ درجه شرقی شناسایی شد، در حالی که دوربین رو به شمال غرب (۳۲۴.۹۷ درجه) بود.
این گردش‌کار ثابت می‌کند که ترکیب داده‌های زمین‌فضایی متن‌باز با شتاب‌دهی GPU می‌تواند مسائل پیچیده OSINT (اطلاعات متن‌باز) را حل کند، بدون آنکه نیاز باشد به مدل‌های انحصاری هوش مصنوعی تکیه کنیم.
گام بعدی شما
- اگر در حوزه OSINT فعالیت می‌کنید، کد این پروژه را در گیت‌هاب بررسی کنید تا با متدولوژی اثر انگشت هندسی آشنا شوید.
- برای بهینه‌سازی جست‌وجوهای حجیم، یادگیری مفاهیم پایه CUDA برای موازی‌سازی محاسبات ریاضی را در اولویت قرار دهید.
- از داده‌های Sentinel-2 برای اعتبارسنجی پوشش گیاهی در پروژه‌های مکان‌یابی خود استفاده کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو