Yarden Gross, administrerende direktør og medstifter af Orca AI – Intervju-serie

Yarden Gross er en erfaren iværksætter med stor viden og erfaring inden for maritime teknologier.
Han står i spidsen for Orca AI’s vision om at gøre autonom kommerciel skibsfart til virkelighed. Før han grundlagde Orca AI, var han medstifter og administrerende direktør for Engie, et VC-båret automotive tech-selskab. Han har en BA i økonomi og erhverv fra Reichman University (IDC Herzliya).

Orca AI er et maritime teknologiselskab, der bruger computer vision og kunstig intelligens til at hjælpe skibe med at navigere mere sikkert og effektivt. Deres platform kombinerer data fra kameraer, radar og AIS for at skabe kontinuerlig realtidsbevidsthed, reducere kollisionsrisiko, mindske brændstofforbrug og lette besætningens arbejdsmængde. Produkter som SeaPod, FleetView og Co-Captain understøtter skibsovervågning, flådeoversigt og delt situationsbevidsthed, hvilket muliggør et skridt mod autonom skibsfart. Systemet er udrullet over hele verden og drives af en af verdens største maritime visuelle datasæt.

Du har nu brugt over syv år på at bygge Orca AI, efter tidligere at have grundlagt selskaber inden for automotive diagnostik og reparation. Hvad motiverede dig oprindeligt til at skifte fra landbaseret mobilitetsteknologi til den maritime verden, og hvilket problem søgte du at løse, da du startede selskabet?

Jeg har altid været drevet af en ønske om at løse komplekse problemer ved hjælp af teknologi, der kan gøre en synlig forskel. Min baggrund inden for automotive diagnostik har givet mig indsigt i datans og realtidsbeslutningens kraft. Da jeg skiftede til den maritime sektor, så jeg en industri, der var parat til innovation. Traditionelle maritime navigationsmetoder var stærkt afhængige af manuelle processer og forældede systemer. Da jeg voksede op på bredden af Genesaretsøen, udviklede jeg en dyb respekt for udfordringerne ved navigation. Orca AI blev grundlagt for at bringe kraften fra AI og computer vision til at forbedre sikkerheden, reducere menneskelige fejl og forbedre operationel effektivitet til søs – og løse huller i industrien og frigøre det fulde potentiale i maritime data.

Orca AI blev grundlagt på et tidspunkt, hvor den maritime sektor stadig var stærkt afhængig af traditionelle navigationspraksisser. Hvilke huller observerede du tidligt, som gjorde dig sikker på, at AI og computer vision kunne forbedre sikkerheden til søs?

Den maritime sektor stod over for betydelige udfordringer: overafhængighed af radar og AIS til navigation, begrænset integration af moderne sensorer og mangel på handlingsorienteret indsigt fra de data, der blev indsamlet. Jeg erkendte, at selv om disse traditionelle systemer var nyttige, var niveauet af intelligent beslutningsstøtte, der var nødvendigt for at håndtere moderne maritime risici effektivt, manglende.

Ved at integrere AI og computer vision kunne vi omdanne rådata til handlingsorienteret intelligens, der muliggør, at besætningerne ikke bare reagerer, men også forudser og forebygger potentielle risici. Det er her, AI’s sande værdi kan låses op, og forbedre sikkerheden, operationel effektivitet og situationsbevidsthed.

Co-Captain er blevet beskrevet som en “Waze of the Seas.” Hvad var de største tekniske udfordringer ved at bygge en realtidsplatform, der kan fortolke sensor-data, skibsbeteende og miljørisiko på global skala?

Den største udfordring var at sikre, at Orca AI’s systemer kunne behandle enorme mængder data fra forskellige kilder, såsom AIS, radar og kameraer, og give mening til det i realtid. Dette krævede avancerede algoritmer, der kunne fortolke komplekse sensor-data og forstå skibenes beteende under forskellige miljøbetingelser. At opnå global skala krævede, at vi kunne håndtere en række geografiske, vejr- og regulative miljøer, hvilket krævede, at vi byggede en robust platform, der kunne lære og tilpasse sig disse nuancer. At bygge et system, der kunne fungere på tværs af forskellige skibsruter, og integrere alle oplysningerne på en samlet måde, var ingen let opgave.

Maritime miljøer præsenterer edge-cases, der er langt mere uforudsigelige end veje – tåge, glans, rogue-bølger, usædvanlige skibstyper og pirat-zoner. Hvordan trænede du dine modeller til at fungere pålideligt under disse betingelser?

Træning af AI til at håndtere edge-cases krævede en kombination af virkelige dataindsamling og simulation. Vi arbejdede tæt sammen med skibsselskaber for at indsamle virkelige data fra udfordrende miljøer, og sikre, at vores modeller kunne håndtere uforudsigeligheden af maritime betingelser. Vi brugte derefter disse datasæt til at træne AI, og simulerede ekstreme vejrforhold og sjældne begivenheder for at sikre, at vores system kunne tilpasse sig i realtid. Det er en kontinuerlig læreproces, hvor modellerne konstant trænes og gen-trænes på basis af nye data for at forbedre deres pålidelighed under udfordrende betingelser.

Orca AI fungerer i nogle af de mest trafikerede skibsruter på kloden. Hvad var de største gennembrud i perception, detection eller fusion, der muliggjorde overgangen fra traditionelle alarmsystemer til sand situationsbevidsthed?

Gennembruddet kom ikke fra at tilføje mere data, men fra at gøre eksisterende data smartere og mere handlingsorienteret. Traditionelle alarmsystemer underrettede blot besætningen, når et potentielt truende element blev detekteret. Vi har taget det et skridt videre ved at kombinere radar, AIS og visuelle data fra vores SeaPod-enheder. Ved at fusionere disse datakilder har vi kunnet eliminere irrelevante signaler, reducere støj og skabe en klarere, mere præcis billed af, hvad der er omkring skibet. Denne intelligente fusion giver vores system mulighed for at give kontekst – såsom, hvordan nærliggende skibe opfører sig, eller om en situation kan eskalere – så besætningen kan træffe underrettet, proaktiv beslutning.

Evnen til at detektere usædvanligt skibsbeteende bliver mere og mere vigtig. Hvordan ændrer AI måden, flåder identificerer risici som eksempelvis uforudsigelig navigation, kollisioner eller potentiel pirateri?

AI giver os mulighed for at identificere afvigelser fra normalt beteende tidligere end traditionelle systemer. I stedet for at vente på, at en risiko udvikler sig fuldt ud, analyserer Orca AI kontinuerligt skibsbeteende, fart og omgivende betingelser. Ved at overvåge disse mønstre i realtid kan systemet flagge tidlige tegn på potentielle risici – såsom uforudsigelig navigation eller usædvanligt beteende – hvilket giver besætningen tid til at handle. Denne overgang til proaktiv risikostyring er nøgle til at forbedre maritime sikkerhed og operationer.

Orca AI’s ‘Co-Captain’ giver skibe mulighed for at dele alarmsignaler med hinanden i realtid. Hvad signalerer dette om fremtiden for samarbejdende maritime intelligensnetværk?

Ved at give skibe mulighed for at dele data og alarmsignaler i realtid skaber vi et netværk, hvor skibe kan lære af hinanden og træffe mere underrettet beslutning. Dette vil føre til en overgang fra isoleret beslutningstagning til en mere forbundet, samarbejdende tilgang. Over tid kan disse netværk udvides regionalt eller flådevidt, med det ultimative mål at give klarere, hurtigere og delt beslutningsstøtte på tværs af det maritime økosystem. Det handler om at skabe et mere intelligent, forbundet maritimt miljø, hvor risici kan forudses, ikke bare reageres på.

Dit nylige investering på 72,5 millioner dollars markerede den største investeringsrunde i maritime teknologier til dato. Hvordan ændrer dette niveau af investering din vejviser, især da industrien begynder at accelerere mod autonom skibsfart?

Investeringen accelererer vores mission og giver os mulighed for at udvide og skala op hurtigere. Den ændrer ikke vores kerne-vejviser, som er fokuseret på intelligent beslutningsstøtte, men den vil give os mulighed for at investere mere i forskning og udvikling, dataindsamling og strategiske partnerskaber. Da industrien bevæger sig mod autonomi, giver denne investering os mulighed for at forfine vores platform til at give de nøjagtige, pålidelige data, der er nødvendige for autonome systemer til at trives. Den styrker vores engagement i at støtte menneskelig beslutningstagning i den nærmeste fremtid, mens vi også forbereder industrien på autonome skibe i fremtiden.

Da flåder søger at reducere udledning og forbedre operationel effektivitet, hvor ser du, at AI har den største nærmeste indvirkning ud over navigation og sikkerhed?

Ud over navigation og sikkerhed kan AI have en betydelig indvirkning på operationel effektivitet inden for områder som prediktiv vedligeholdelse, brændstofforbedring og reduktion af udledning. AI kan analysere realtidsdata for at forudsige vedligeholdelsesbehov før de bliver til problemer, og sikre, at aktiverne udnyttes mere effektivt. Det kan også give indsigt i brændstofforbrugs-mønstre, og hjælpe skibe med at optimere brændstofforbrug og reducere udledning. Nøglen er at bruge AI til at give handlingsorienteret indsigt, der giver mulighed for smartere beslutningstagning, og som i sidste ende driver effektivitet og bæredygtighed.

I fremtiden, hvilken rol tror du, at AI-drevet situationsbevidsthed vil spille i at bringe industrien nærmere autonome eller semi-autonome skibe, og hvilke milepæle skal opnås for at nå dertil?

AI-drevet situationsbevidsthed vil være afgørende for autonomi, men de største udfordringer, der ligger foran os, er ikke tekniske, men retlige og regulative. Udfordringen er ikke, om AI kan detektere risici, for det gør den allerede godt. Den virkelige udfordring er at skabe den retlige ramme, der klargør ansvar, når AI understøtter beslutningstagning, og sikre, at reguleringer udvikles til at styre AI-brug effektivt. Indtil denne ramme er på plads, forbliver mennesket i kommandoen. Vores mål er at fortsætte med at styrke menneskelig beslutningstagning med AI-understøttelse, så industrien kan gå over til autonomi, når tiden er inde.

Tak for det gode interview, læsere, der ønsker at lære mere, kan besøge Orca AI.