Robotikk og fysisk AI
Kunstig intelligens brukes for å forhindre isfjell i å forstyrre skipsfart

Eksperter ved University of Sheffield har utviklet en kombinasjon av kontrollsystemer og kunstig intelligens (AI) prognosemodeller for å forhindre isfjell fra å drive inn i travle skipsfartsområder.
Ved hjelp av en nylig publisert kontrollsystemmodell, kunne eksperter forutsi bevegelsen av isfjell. I 2020, mellom 479 og 1 015 isfjell forventes å drive inn i farvann sør for 48°, et område som ser stor skipsbevegelse mellom Europa og nordøstlige Nord-Amerika. Førige år var det totalt 1 515 observerte i samme område.
Teamet baserte seg på eksperimentell kunstig intelligensanalyse for å uavhengig støtte antallet isfjell som ble forutsagt. De oppdaget også en rask tidlig økning i antallet isfjell i dette området under is-sesongen, som varer fra januar til september.
Den internasjonale ispatruljen (IIP) mottar funnene, og de bruker informasjonen til å bestemme den beste bruken av ressurser for bedre isprognoser under sesongen. Ifølge den sesongbaserte prognosen, vil skip i nordvestlige Atlanterhavet være mindre sannsynlig å møte et isfjell sammenlignet med fjoråret.
Isfjell forårsaker alvorlige problemer og skipsrisiko i nordvestlige Atlanterhavet. Rekorder viser at det har vært kollisjoner og forlis siden 1600-tallet. IIP ble etablert i 1912 etter forliset av Titanic, og deres jobb er å observere sjøis og forhold i nordvestlige Atlanterhavet og advare om potensielle farer.
Risikoen for isfjell til skipsfart endrer seg hvert år. Et år kan se ingen isfjell som krysser området, mens et annet år kan se over 1 000. Dette gjør det vanskelig å forutsi, men generelt har det vært en høyere mengde oppdaget siden 1980-årene.
2020 er det første året kunstig intelligens brukes til å forutsi isfjell i området, samt endringshastigheten over sesongen.
Modellen ble utviklet av et team ledet av professor Grant Bigg ved University of Sheffield, og det ble finansiert av forsikringsselskapet AXA XLs Ocean Risk Scholarships Programme. Det finnes en kontrollsystemmodell samt to maskinlæringsverktøy som brukes.
Data relatert til overflatetemperaturen i Labradorhavet analyseres, samt variasjoner i atmosfærtrykk i Nord-Atlanteren og overflatemassenbalansen til Grønlands isdekket.
Den grunnleggende kontrollsystemtilnærmingen hadde en nøyaktighetsgrad på 80 prosent når den ble testet mot data om isfjellstall for sesongene mellom 1997 og 2016.
Ifølge noen av professor Biggs’ tidligere forskning, var variasjonen i antallet isfjell som driver inn i regionen på grunn av variable kalvingshastigheter fra Grønland. Men, det regionale klimaet og havstrømmene er de største faktorene. Høyere antall isfjell oppstår når det er kalde havoverflatetemperaturer og sterke nordvestlige vinder.
Grant Brigg er professor i jordsystemvitenskap ved University of Sheffield.
“Vi har utgitt sesongbaserte isprognoser til IIP siden 2018, men dette året er det første gangen vi har kombinert den opprinnelige kontrollsystemmodellen med to kunstig intelligens-tilnærminger til bestemte aspekter av prognosen. Enigheten i alle tre tilnærminger gir oss tillit til å publisere prognosen for lavt isfjellstall offentlig dette året – men det er verdt å huske på at dette bare er en prognose for isfjellforhold, ikke en garanti, og at kollisjoner mellom skip og isfjell kan skje selv i år med lavt is. ”
Ifølge Mike Hicks fra Den internasjonale ispatruljen, “Tilgjengeligheten av en pålitelig prognose er veldig viktig når vi vurderer balansen mellom luft- og satellittbasert rekognosering.”
Dr. John Wardman er seniorvitenskapelig spesialist i Science and Natural Perils-teamet ved AXA XL.
“Impekten av havnivåstigning på kysteksponering og en potensiell økning i Arktisk skipsfart vil kreve en større mengde og mangfold av risikotransfersløsninger gjennom bruk av gjenforsikringsprodukter og andre ‘myke’ mitigationsstrategier. Forsikringsindustrien holder et nøye øye på Arktis, og denne modellen er et viktig verktøy for å hjelpe industrien med å identifisere hvordan eller når smeltingen av Grønlands isdekk vil direkte påvirke markedet.”












