美國情報機關內訓練有素，能藉由衛星圖像，來追蹤發現中共秘密核設施或軍事基地的分析家有限。不過，事實證明，縱使在諜對諜的世界裡，類似能讓谷歌（Google）與臉書（Facebook）自動過濾人臉影像，具備深度學習能力的人工智慧，也有無可估計的價值。
據《連線》（Wired）雜誌網報導，美國研究人員已訓練具深度學習力的演算系統，以比人類快好幾百倍的速度，來迅速辨識中共地對空飛彈發射場。
經過驗證，就算原本沒有圖像分析經驗的人，在這深度學習演算系統的協助下，也能找出散布在中國東南方近9萬平方公里的地對空飛彈發射場。
這種以類神經網路為基礎，透過層層人工神經元，從大量資料中學習，並能過濾資料的系統，在找出飛彈發射場上，整體準確率可達圖像分析家的90％。或許更令人贊嘆的，就是人類在這種深度學習軟體的協助下，可以將靠肉眼搜尋飛彈發射場的時間，由原本的60小時大幅縮減為42分鐘。
密蘇里大學（University of Missouri）地理空間情報中心（the Center for Geospatial Intelligence）主任戴維斯（Curt Davis）說，演算系統可以在據稱極可能有飛彈發射場的地區定位，找出它確切的位置，再由研究人員加以檢視，看是否準確，並衡量所省下的時間。
衛星影像太多，分析家幾乎淹沒在浩瀚的大數據里。以美國頂尖商業衛星影像公司"數位全球"（DigitalGlobe）為例，它每天生成的衛星影像約多達70兆位元組，更別提來自其他商業衛星，還有政府間諜衛星的一大堆影像資料了。
不過，美國研究人員最初只有約90個確定的中共地對空飛彈發射場實例，以訓練人工智慧軟體，但這通常無法獲得準確的深度學習成效。而戴維斯與同僚為了解決資料庫太貧乏的問題，於是將這90個實例以略微不同的方向旋轉，結果生出89.3萬個訓練樣本。
然而，人工智慧在研究中能有令人贊嘆的成效，很可能是因為地對空飛彈發射場相當大，並在衛星空拍照中顯現出特有的模式。
戴維斯指出，深度學習演算系統還面臨遠比這更大的挑戰，如飛彈機動發射車、雷達天線、機動雷達系統，還有軍車等，由於它們的體積較小，在衛星圖像上可供辨識的像素較少，因此較難確認。
