谷歌地图最神秘的新位置是外星人的基地?或者这是一个骗局?

谷歌地图又又又开始作妖了,众所周知 这谷歌地图特别爱整活,在地图上经常可以看到各种各样诡异图片,什么暗房啦 什么水怪啦 什么幽灵啦 数不胜数,这些东西虽然比较诡异,但可信度并不高,不排除bug和官方恶搞的可能性,而我们今天要说的话题,也是出自于谷歌地图的手笔,只不过这次整的活却无比的真实,来自深海的秘密。

在洛杉矶有个宝藏城市叫做普拉亚德雷,这里有这一段靠近太平洋的公路,风景美如画,而在60多年前,这里发生了一件奇怪的事,1957年11月6日,凯霍吹着口哨开车行驶在这条公路上,开着开着汽车引擎突然熄火,一天的好心情被这倒霉事给耽误了,凯霍连忙下车检查引擎,这刚下车就发现前面还有三个大兄弟也在检查引擎,失落的心情瞬间被平复了。

有一个倒霉蛋也就罢了,这有四个倒霉蛋在同一路段同时引擎故障,这用巧合来解释似乎不太合适,而就在这时海滩上出现的一幕引起了四个倒霉蛋的注意,一个被蓝色物体包围着的不明物体缓慢降落在海滩上,整个过程没发出一点声音,四个倒霉蛋还没缓过神来,这个物体起身飞向太平洋,慢慢消失在海平线上,由于视线问题,四个倒霉蛋都说不清楚,这个物体到底是飞走了还是遁入海里了。

感到情况不对的凯霍立马报了警,但警局工作人员却十分淡定,因为就在凯霍报警之前,警局的电话已经被打爆了,有上百名市民打电话说,他们在海面上看到了好多UFO,也就是说此次事件并不是个别人的主观想象,也不是大部分人的群体臆想症,洛杉矶海面出现UFO的话题瞬间挤上热搜,当然了关于UFO事件的真假还不好说,这些消息也不见得就都是真的,

美国嘛 懂得都懂 ,说不定也只是处于某种目的所造的谣。

只不过自从这件事情发生之后,靠近加利福尼亚的太平洋海域,经常会出现发现UFO的报告,有人看到UFO飞走了,也有人看到UFO钻进海里了,于是呢就有人开始怀疑,在加州附近海域的底层,存在着UFO的秘密基地,当然了这也只是一次脑洞大开,毕竟人类还没有能力窥探海底的真实面目,说起来也挺搞笑,虽然我们是蓝星的本地土著,但是对于海洋的了解甚少,

甚至还远不如对月球火星表面了解的多,毕竟火星和月球虽然长的不咋地,灰不拉几的也很荒凉,但毕竟光着屁股,可地球的海洋就不一样了,里三层外三层包裹的严严实实的,水下能见度极低,激光雷达实在是穿透不了。

不仅如此越往下水压越大,探测仪工作起来也非常困难,直到科学家发现一种特殊装置 声呐,科学家们把一艘带着声呐仪器的船只,开到选定的海域上,以一种方向来回航行,再将探测来的数据用电脑进行建模,海底的地图就这样建好了,但是呢这个方法速度贼慢 效率也不高,从上世纪60年代开始到2017年,全球的海洋也仅仅绘制出6%的海底图像,不仅如此 深海的水压也是很大的,越是深海用这种方式测绘的难度也就会越大。

所以呢这就很尴尬了,身为蓝星人 对蓝星的了解还不如月球火星,说到这里呢就不得不提起谷歌地图了,用卫星测绘海洋的水深图,最主要的依据是,海底的地形会影响海面水位的高度,打个比方 海底的高山会改变区域的引力,而这种微小的引力变化又会,导致水位在这些位置产生微小的变化,当卫星观测到这些变化之后,虽然不能直接测量出当地的地形,但是可以对此进行反推,只不过呢准确率就不那么高了。

但好在谷歌地图大部分采用的是声呐测绘图,所以准确率会高上一些,在进入2020年之后,一个叫做“海底2030”的计划启动了,顾名思义 就是打算在2030年之前,将整个地球的海底地图绘制出来,可是仅仅十年真的可以绘制出整个海底地形图吗?事实上到2020年声呐技术已经可以多角度发射,可以同时测量一整片区域的水位,不仅如此无人技术的出现让这些工作变得更加轻松,两年过去后,6%的地图被扩大到21%,看起来十年时间的确可以整明白。

随着地图解锁的越多,惊喜也就越来越多,不只有五花八门的地形,就连各种奇形怪状的生物也都出现,甚至在新西兰海域附近,还发现了一块巨大陆地,面积大约是在490万平方公里,个面积可以抵得上大半个中国了,不知是啥时候沉默的大陆,难道是传说中姆大陆吗?上面又是否会有史前文明呢?这一个话题可以引出很多个脑洞大开的话题,这期节目实在是放不下了,

对于这个话题感兴趣的我们之后视频接着聊。

那我们再回到之前的话题,依靠声呐和卫星又是否可以找到,加利福尼亚海域附近的UFO基地呢?还别说在谷歌地图上还真的找到了一个奇怪的地方,这个高台和附近区域的地形不太一样,看起来和个王八盖一样,而在高台下面的阴影处看起来就像是入口,难道这就是UFO的水下基地吗?事情还没搞明白呢?海底基地的事情就已经在网络上传开,吸引了大批量的记者前往围观。

这些记者中有一位叫做斯皮格尔比较值得关注,他在研究完谷歌地图感觉不对劲,但说不上来哪里不对劲,反正怎么看都像是人造的,为了搞清楚事情的真相,斯皮格尔将这个图像邮寄给了地质学家,经过专业手法的检测,地质学家给出了官方的回答,你们这些小娃娃想象力也太丰富了,这就是自然形成的大陆架罢了,而那个像门一样的,也只不过是阴影罢了,根本不值得一提,只不过这个地方在很久很久以前可能是在水面之上的。

虽然斯皮格尔对于这个结果有点失望,但大佬都给出了权威的认证,总不能继续瞎写吧,

于是斯皮格尔发表了文章,内容也就是说UFO基地完全是胡扯的,没啥科学依据,本来以为这件事情已经结束,但有一个叫做AE的电视台并不甘心,它决定趁着热度没散收割最后一波流量,电视台抓住流量的尾巴,在《罗尔档案》的猎奇节目中,推出了一期叫做《秘密的水下基地》节目,主持人罗尔雇佣了一支专业打捞团队,决定拜访这个神秘的“基地”,在目的地的上方,

打捞队释放了无人潜水器,所有人屏住呼吸盯着潜水器传回来的画面,只不过水下能见度只有半米,画面又黑又模糊,最后罗尔也没给出一个肯定的答复,但这就够了 人们已经不再相信这个所谓的海底基地,接受了这就是大陆架的结论,UFO怪谈也就告一段落。

本来所有人都快忘了这件事,但突如其来的怪事又让人们燃起希望,一位无线电专家突然接受到了奇怪的无线电,这个无线电波听起来就像是从隔壁传过来的,可是它的隔壁啥都没有,有的也只是一片海洋,最离奇的是当他离开所在的城市之后,这个信号他就收不到了,这未免有点细思极恐了,于是男子就在社交网络上发表了这个想法,好巧不巧这个事被记者斯皮格尔看到了,双方进行沟通之后,斯皮格尔带着另外两位无线电专家,去男子家中一探究竟。

结果呢这个信号真的是从隔壁传来的,也就是从海里传出来的,斯皮格尔纳了闷了,难道这个信号是海军潜艇传出来的?有一说一这斯皮格尔也是个狠人,很快它就联系上了海军联络人,

刚准备询问这个神秘无线电,联络人就挂了电话,海军奇怪的举动让斯皮格尔脑洞大开,这海军难道在海底有什么工程吗?不对阿 也没听说过阿,还是说这个海军已经知道了UFO基地吗?

这些问题斯皮格尔打破脑袋也想不出,想了两年时候他决定放弃,最后斯皮格尔将自己手头上的全部资料归纳总结,得出了一个结论,这个基地可能真正存在,只不过呢线索也就那么多,再加上这几年下来也没有什么太大的发现,斯皮格尔决定放弃了,他把资料打包分享给了一个叫做丹尼特UFO作家,最后斯皮格尔的全部资料被记载在了《海底UFO基地》一书,至于UFO到底存不存在,这个话题也只能是见仁见智了。

近些年来对于UFO的讨论环境已经发生了翻天覆地的变化,特别是2022年,美国五角大楼已经开始承认UAP现象,所谓UAP呢是不明航空现象的缩写,只不过呢这个也就是美国那边的说法,我们只需要做到相信科学就好了,而这个UAP呢信也好不信也罢,一切交给时间,好了本期视频在这里也就结束了,喜欢视频的朋友不妨点个小赞,下期视频我们不见不散。

谷歌计划向所有企业和政府机构开放“谷歌地球引擎”的商业使用

据ZDNet 6月27日报道,在过去的十年里,学术界和非营利组织的研究人员通过谷歌地球引擎(Google Earth Engine)获得了越来越复杂的关于地球表面的信息。现在,任何商业或政府机构都可以访问谷歌Cloud的新企业级商业版计算机程序。

图片来自:Bing

谷歌地球项目负责人丽贝卡·摩尔(Rebecca Moore)周一(6月27日)表示:“我们正在帮助企业负责任地管理自然资源,同时建立可持续的商业实践。”他们正在商业化地球引擎,以满足优先考虑可持续性的商业客户。企业正面临来自监管机构、投资者和客户的压力,要求它们减少碳排放。因此谷歌正在推出新产品,承诺用更多更好的数据帮助他们实现可持续发展目标。

(编译:晋阳)

谷歌地球引擎GEE提供各种数据导入、过滤和显示功能

  本文主要对谷歌地球引擎GEE自带的各类遥感、高程等栅格数据加以导入,并进行可视化显示。本文是谷歌地球引擎(Google Earth Engine,GEE)系列教学文章的第二篇,更多GEE文章请参考专栏:GEE学习与应用(https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html)。

  首先,打开Google Earth Engine,在搜索栏中输入Landsat 8。

  我们以Landsat 8 Collection 1 Tier 1的大气表观反射率TOA Reflectance产品为例,进行本次介绍。

  关于Landsat不同Tier产品的区别,大家可以参考如下介绍:

  弹出的界面可以查看该数据的具体信息,确认无误后我们选择“IMPORT”。

  可以看到,在代码界面已经出现了该产品的导入信息。在这里需要注意,导入的Landsat产品是全球所有景、长时间序列的遥感影像组合;即其并不是单独的一张或一层,而是多张、多层的(这里一张指的是一景,一层指的是一个时间点的全部遥感影像)。

  可以双击改产品变量名称从而对其加以重命名。

  本文中将其修改为“landsat_8”这一名称。

  随后,输入如下代码:

var landsat_8_mon=landsat_8.filterDate('2020-4-1','2020-4-30').mean();
print(landsat_8_mon);
Map.addLayer(landsat_8_mon);

  其中,第一行代码表示在landsat_8数据集中首先基于.filterDate()函数对数据加以时间筛选(筛选范围为'2020-4-1'到'2020-4-30');其后的.mean()表示对所筛选出来的多层(也就是多个时间段的遥感影像,因为我们这里是一个月的时间范围)进行反射率取平均,从而使得处理后的landsat_8_mon是全球区域、2020年04月单月平均的反射率数值。

  第二行代码表示将landsat_8_mon信息打印在“Console”中。

  第三行代码表示将landsat_8_mon显示在地图中。

  从下图可以看到,按下“Run”运行代码后,可以在“Console”中看到得到的landsat_8_mon信息,同时也可以在地图中看到landsat_8_mon的实际影像。

  在地图右上角的“Layers”中,我们可以对影像显示的波段组合、数值范围、拉伸、透明度等加以调整。

  其中,Landsat 8的波段色彩组合方式如下,大家可以依据实际情况加以选择。

  设置完毕后,点击“Apply”。

  此外,通过设置Gamma数值,可以使得色彩的亮度加以改变。

  上面我们导入的是多波段的遥感影像数据,接下来我们再以一个单波段数据为例进行导入与显示操作。

  在搜索框中,输入GMTED,选择所出现的GMTED2010数据。

  输入代码:

Map.addLayer(dem,{},'DEM');

  在这里,代码中的{}表示将.addLayer()函数中的visParams参数跳过,而将图层的名称修改为'DEM',如下所示。

  对于单波段图像数据,我们可以通过“Palette”选项对其颜色加以配置。

36 krypton的首个图形计算引擎数据分析服务“Euler认知智能”完成了数千万PREA轮融资

36氪获悉,图计算引擎数据分析服务商「欧拉认知智能」完成数千万preA轮融资,由GFC (Global Founders Capital) 领投,启迪之星跟投。老股东方信资本继续加注。

欧拉对标的公司ThoughtSpot,成立于 2012年,是一个BI工具,专注于搜索和AI驱动分析。ThoughtSpot尝试通过为用户提供自然语言搜索选项以及由其AI引擎提供支持的建议见解,来自动化分析数据的完整任务。可见ThoughtSpot的最终用户是普通员工而非工程师。此前该公司已在谷歌、亚马逊、甲骨文和微软建立了市场定义搜索和分析技术。凭借这一优势,ThoughtSpot迅速俘获了沃尔玛、英国电信、戴姆勒等客户,并与 Snowflake、Databricks、Amazon Web Services等领先企业进行了整合和合作。更是在2019年杀进Gartner的商业智能及分析平台魔力象限中,打破了Microsoft Power BI、Tableau、Qlikview传统BI产品连续3年垄断领导者的局面,AI驱动的新一代BI产品的巨大潜力显露市场。

2021年,ThoughtSpot新一轮融资估值达到42亿美元。

与ThoughtSpot类似,欧拉基于实时图计算打造出的增强分析平台,像Google、百度一样,只要输入“你心中的数据问题”,无需编写SQL、无需开发分析应用,业务用户一键轻松获得数据图表、结论、推理结果等必要信息。

创始人&CEO王绪刚以某零售企业举例。日常企业数据运营工作和大量加盟商的个性化数据分析支持,使得IT成本越来越高。欧拉提供了一种人人可用的语义搜索的方式来回答100+运营者的问题,无需专业的数据分析经验和复杂的操作,降低了数据分析成本,大大提升了数据驱动决策的效率。

企业供图

而之所以能够达到以上“搜索即应用”的效果,与欧拉底层的“图计算”技术密不可分。图计算(Graph Computing)将数据按照图的方式建模可以获得以往用扁平化视角很难得到的结果。

欧拉认知智能“数据分析决策机器人”主要采用王绪刚早年研发专利图计算引擎的数据描述方式,以“顶点”表示描述对象,相关的“顶点”由“边”连接,即借由“边”表示对象之间的关系,由此组成一张带有业务语义的数据关系图模型。该引擎支持多跳图查询、图游走聚合、图推理、最优路径、Markov等 概率图计算,比开源图数据库性能高60-100倍,单台机器可以支持5亿节点,500亿边。

ThoughtSpot采用的“关系搜索”与此逻辑相似,其通过“关系”的索引,与欧拉认知智能图计算中的“边”链接异曲同工。

目前欧拉所做的图引擎,把数据库中存储层、计算层、交互层三层中的存储层和计算层抽取出来,智能化升级交互层,以追求更快速高效的计算能力替代数据的一致性。简单来说,就是用图来做数仓和OLAP的分支。欧拉将计算特征抽取,变成标准化引擎。

企业供图

但是引擎本身无法直接帮助客户,因此欧拉在引擎的外围包装了语义化的交互层和图谱构建能力,提供让业务人员可以直接使用的数据分析平台

为什么会选择切入BI这个赛道?目前来看,以图技术为代表的新技术,革新了以前的计算和数据存储方式,但是如何找到属于自己的落地方向,并且有效兼容客户传统处理习惯是商业端面临的共同困难。

王绪刚告诉36氪,社交分析推荐、反欺诈、公安经侦模型、银行七大风控场景、文本知识图谱等场景,他们团队都尝试过。但是以上场景都不是足够大的数据分析场景,而图更擅长解决复杂关系。

因此,王绪刚想找到更有市场的赛道,比如对分析有大量需求的行业。

另一个考虑因素是,企业在数字化转型中,往往会面临业务和IT部门的割裂,欧拉凭借产品交互简单且底层技术深厚优势,既能让业务人员快速上手,又可简化IT人员的工作。

经过大型集团客户在数据规模、数据安全、计算实时性、计算复杂度多种条件下的打磨,“欧拉”平台化产品已经在营销优化、用户体验分析、客服知识搜索、运维故障定位、财务自助风控多场景下落地,并为企业节约了60%分析师和数据工程师资源,数据获数据分析效率从5天下降到0.5小时。

目前,欧拉的客户有30多家,主要集中在中型和大型客户,客单价按照客户部门来计算,一个部门收费在50万元左右。

而之所以能够在技术、产品、商业各方面进展快速,源于团队的认知和实践积累。

创始人&CEO王绪刚是日本国立富山大学人工智能方向的工学博士,曾是中科院软件所助理研究员、客座副研究员,作为国内最早的“实时图计算”相关专利发明人,曾担任时趣互动的首席科学家,对人工智能、营销、数字化等行业都有深厚积累。

产品VP戚茵毕业于华盛顿大学数学专业,先后在Epic、JPMorgan等企业担任数据分析顾问,有超过十年以上产品设计经验。

大客户VP牟奎明是北京航空航天大学软件工程硕士,曾任埃森哲、德勤、凯捷咨询总监和阿里集团总部大数据专家,为国网、华为、中石油等企业提供数字化服务。

产品核心架构成员郑雪舟、刘栋梁来自于时趣互动和美团,在NLP和BI领域有超过10年的研发经验。

2022年,欧拉认知智能希望客户数量能够增加两倍,同时希望中小型客户比重能够增加。