外籍航天员要进中国空间站，最后一关是学好中文
据路透社报道，中国空间站入轨五年后，终于要迎来首位外籍航天员。
此前有两名巴基斯坦籍航天员来华训练，但最终只有一人能入选，目前中方正在进行最后考核。
2025年2月，中巴签署协议，确定中方帮助巴方选拔并训练航天员，安排其中一人以载荷专家身份参与中国空间站短期飞行任务。
选拔非常严格，巴方从一批航天员和科学家中，根据身体、心理和抗过载能力筛出约20人，最终只有两名最突出者脱颖而出。
今年4月，两人来到中国航天员科研训练中心，与中国航天员并肩训练，至今已满五个月。
巴方表示，最终人选预计在10月中下旬敲定，在此之前两人都不会回国。
对这两位航天员来说，目前已是最后冲刺。
训练内容包括适应微重力环境和火箭升空高过载、学习航天器系统知识等，而最重要的一条是学习中文。
中文是两国航天人交流的基本工具，在复杂且充满未知的航天任务中，中文甚至是确保任务完成和设备、人身安全的关键。
中国空间站从里到外、从硬件到软件，完全是一套中文体系。
设计文件、操作手册、协同程序和故障流程，全部使用中文。
作为中国自主建造的航天资产，全系统采用母语能提供最直接、最准确、最安全的沟通方式。
中国空间站愿意向国外航天员开放，但它首先服务于中国航天事业，将中文作为核心工作语言的原则不会动摇。
因此，外籍航天员学中文不是加分项，而是最基本的工作工具。
其他国家的人想登上中国空间站，也要遵循相同模式。
中欧开展载人航天合作期间，意大利宇航员萨曼莎·克里斯托福雷蒂曾来中国参加海上救生训练，并专门学习中文。
她后来在国际空间站执行任务时，曾在飞经中国上空时引用王羲之《兰亭集序》发文，在中国大火了一把。
有人会问，操作界面加个英文翻译，或者让航天员带翻译设备不行吗？抱歉，太空环境下行不通。
航天员执行高强度或紧急任务时，翻译软件的延迟会延误处置。
航天任务精细且充满未知，临时等翻译，后果不堪设想。
2011年前后，国际空间站就出过一次插曲。
俄罗斯地面控制中心发出的指令语速快，伴有电台杂音和专业缩略词，美国宇航员凯迪·科尔曼虽然学过俄语，仍差点按错开关，幸亏俄罗斯指令长及时纠正。
太空任务容错率极低，必须万无一失。
既然语言不通的风险可以预见，就要在进入空间站前彻底解决。
所以，巴基斯坦航天员除了能用中文日常交流，还要掌握各种专业名词，甚至能在紧张状态下保证听说能力，才能确保任务顺利高效执行。
中国空间站刚升空时，有外国网友质问为什么系统没用英文。
实际上，无论航天还是其他前沿领域，谁建造了平台，谁的语言就会成为工作标准，这是再自然不过的国际规则。
随着中国科技持续发展，外国人学习中文的场景也会更丰富。
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。
这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。
此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。
这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。
此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。
这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。
嵌入数据代表了模型从数百万张卫星图像中学习到的内容。
OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。
Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。
该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。
其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。
不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。
这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。
在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。
亚马逊保护团队的MAAP监测项目报告了这一活动。
2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。
我们如何得知这一事实？ 嵌入数据给出了明确答案。
无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。
而同样的比较放在2020年至2024年间，这一面积降至9平方公里。
关闭行动的效果显而易见。
Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。
而在浏览器工具中，初步分析仅需几秒钟即可完成。
仅凭少量标签对某个区域进行分析，无需使用GPU。
当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。
这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。
此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。
这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。
此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。
这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。
嵌入数据代表了模型从数百万张卫星图像中学习到的内容。
OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。
Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。
该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。
其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。
不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。
这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。
在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。
亚马逊保护团队的MAAP监测项目报告了这一活动。
2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。
我们如何得知这一事实？ 嵌入数据给出了明确答案。
无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。
而同样的比较放在2020年至2024年间，这一面积降至9平方公里。
关闭行动的效果显而易见。
Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。
而在浏览器工具中，初步分析仅需几秒钟即可完成。
仅凭少量标签对某个区域进行分析，无需使用GPU。
当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。
