Yarden Gross, CEO og medstifter av Orca AI – Intervju-serie

Yarden Gross er en erfaren entrepreneur med stor kunnskap og erfaring innen maritime teknologier.
Han står nå i spissen for Orca AI’s visjon om å gjøre autonom kommersiell shipping til virkelighet. Før han grunnla Orca AI, var han medstifter og CEO av Engie, et VC-bakket bilteknologiselskap. Han har en BA i økonomi og bedriftsøkonomi fra Reichman University (IDC Herzliya).

Orca AI er et maritime teknologiselskap som bruker datavisning og kunstig intelligens for å hjelpe skip navigere tryggere og mer effektivt. Deres plattform kombinerer data fra kameraer, radar og AIS for å skape kontinuerlig sanntidsbevissthet, redusere kollisjonsrisiko, senke brennstofforbruk og lette arbeidsbyrden for mannskapet. Produkter som SeaPod, FleetView og Co-Captain støtter overvåking av fartøy, flåteovervåking og delt situasjonsdata, og muliggjør et skritt mot autonom shipping. Systemet er installert på globale flåter og drives av en av verdens største maritime visuelle datasett.

Du har nå brukt over syv år på å bygge opp Orca AI, etter å ha grunnlagt selskaper innen bilteknologi og reparasjon tidligere. Hva motiverte deg opprinnelig til å gå fra landbasert mobilitetsteknologi til den maritime verden, og hvilket problem ønsket du å løse da du startet selskapet?

Jeg har alltid vært drevet av en ønske om å løse komplekse problemer med teknologi som gjør en merkbar forskjell. Min bakgrunn innen bilteknologi ga meg innsikt i kraften av data og sanntidsbeslutning. Da jeg gikk over til den maritime sektoren, så jeg en bransje som var moden for innovasjon. Tradisjonelle maritime navigasjonsmetoder var sterkt avhengige av manuelle prosesser og utdaterte systemer. Vokst opp på breddene av Genesaretsjøen, utviklet jeg en dyp respekt for utfordringene ved navigasjon. Orca AI ble grunnlagt for å bringe kraften av AI og datavisning til å forbedre sikkerheten, redusere menneskelige feil og forbedre operasjonell effektivitet til sjøs – og å løse hullene i bransjen og åpne opp for fullt potensiale i maritime data.

Orca AI ble grunnlagt på et tidspunkt da den maritime sektoren fortsatt var sterkt avhengig av legacy-navigasjonspraksis. Hva huller observerte du tidlig som gjorde deg trygg på at AI og datavisning kunne forbedre sikkerheten til sjøs?

Den maritime sektoren sto overfor betydelige utfordringer: overavhengighet av radar og AIS for navigasjon, begrenset integrasjon av moderne sensorer og manglende handlingsovergripende innsikt fra de dataene som ble samlet inn. Jeg erkjente at mens disse legacy-systemene var nyttige, var nivået av sanntids, intelligent beslutningsstøtte nødvendig for å håndtere moderne maritime risiko effektivt, manglet.

Ved å integrere AI og datavisning, kunne vi transformere rådata til handlingsovergripende intelligens, og muliggjøre at mannskapet ikke bare reagerte, men også kunne forutse og forebygge potensielle risikoer. Det er der AI’s sanne verdi kan låses opp, og forbedre sikkerheten, operasjonell effektivitet og situasjonsbevissthet.

Co-Captain er blitt beskrevet som en “Waze of the Seas”. Hva var de største tekniske utfordringene i å bygge en sanntidsplattform som kunne tolke sensorstrømmer, fartøyatferd og miljørisiko på global skala?

Den største utfordringen var å sikre at Orca AI’s systemer kunne prosessere store mengder data fra ulike kilder, som AIS, radar og kameraer, og gjøre mening av det i sanntid. Dette krevde avanserte algoritmer som kunne tolke komplekse sensorstrømmer og forstå atferden til fartøy i ulike miljøforhold. Å oppnå global skala betydde å håndtere en rekke geografiske, vær- og reguleringmessige miljøer, som alle krevde at vi bygget en robust plattform som kunne lære og tilpasse seg disse nuansene. Å bygge et system som kunne fungere over ulike shipping-laner, og integrere all informasjon på en sammenhengende måte, var ingen enkel oppgave.

Maritime miljøer presenterer edge-cases som er langt mer uforutsigbare enn veier—tåke, glans, uvanlige bølger, uvanlige fartøytyper og piratsoner. Hvordan trente du dine modeller til å fungere pålitelig i slike forhold?

Treningsprosessen for AI til å håndtere edge-cases krevde en kombinasjon av virkelige datainnsamlinger og simuleringer. Vi arbeidet tett med shipping-selskaper for å samle inn virkelige data fra utfordrende miljøer, og sikre at våre modeller kunne håndtere uforutsigbarheten i maritime forhold. Vi brukte disse datasettene til å trene AI, og simulerte ekstreme værforhold og sjeldne hendelser for å sikre at vårt system kunne tilpasse seg i sanntid. Det er en kontinuerlig læringprosess, der modellene kontinuerlig trenes og re-trenes basert på nye data for å forbedre deres pålitelighet i utfordrende forhold.

Orca AI arbeider i noen av de mest trafikkerte shipping-lanene på planeten. Hva gjennombrudd i persepsjon, deteksjon eller fusjon tillot dere å gå fra tradisjonelle varslingssystemer til sanntids situasjonsbevissthet?

Gjennombruddet kom ikke fra å legge til mer data, men fra å gjøre eksisterende data smartere og mer handlingsovergripende. Tradisjonelle varslingssystemer varslet bare mannskapet når en potensiell trussel ble detektert. Vi har gått et skritt videre ved å kombinere radar, AIS og visuell data fra våre SeaPod-enheter. Ved å fusjonere disse datakildene, har vi kunnet eliminere irrelevante signaler, redusere støy og skape en klarere, mer nøyaktig bilde av hva som omgir fartøyet. Denne intelligente fusjonen tillater vårt system å gi kontekst – som hvordan nærliggende fartøy oppfører seg eller om en situasjon kan eskalere – så mannskapet kan ta informerte, proaktive beslutninger.

Evnen til å detektere uvanlig fartøyatferd blir stadig viktigere. Hvordan former AI den måten flåter identifiserer risikoer som uvanlig navigasjon, kollisjoner eller potensiell piratvirksomhet?

AI tillater oss å identifisere avvik fra normal atferd tidligere enn tradisjonelle systemer. Istedenfor å vente på at en risiko, som en kollisjon eller pirattrussel, fullt utvikler seg, analyserer Orca AI kontinuerlig fartøybevegelser, hastighet og omgivelsesforhold. Ved å overvåke disse mønsterene i sanntid, kan systemet flagge tidlige tegn på potensiell risiko – som uvanlig atferd eller uvanlig oppførsel – som gir mannskapet tid til å handle. Denne overgangen til proaktiv risikostyring er nøkkel til å transformere maritime sikkerhet og operasjoner.

Orca AI’s ‘Co-Captain’ muliggjør at fartøy kan dele varslinger med hverandre i sanntid. Hva signaliserer dette om fremtiden for samarbeidende maritime intelligensnettverk?

Ved å muliggjøre at fartøy kan dele data og varslinger i sanntid, skaper vi et nettverk hvor fartøy kan lære av hverandre og ta mer informerte beslutninger. Dette vil føre til en overgang fra isolert beslutningstaking til en mer tilknyttet, samarbeidende tilnærming. Over tid kan disse nettverkene utvides regionalt eller flåtevidt, med det ultimate målet om å gi klarere, raskere og delt beslutningsstøtte over hele det maritime økosystemet. Det handler om å skape et mer intelligent, sammenhengende maritime miljø hvor risikoer kan forutsies, ikke bare reagere på.

Din nylige 72,5 millioner dollar store opphøying markerer den største finansieringsrunden i maritime teknologier til dags dato. Hvordan endrer denne investeringsnivåen din veikart, spesielt nå som industrien begynner å akselerere mot autonom shipping?

Finansieringen akselererer vår misjon, og muliggjør at vi kan utvide og skala opp raskere. Den endrer ikke vår kjernveisikring, som er fokusert på intelligent beslutningsstøtte, men den vil tillate oss å investere mer i FoU, datainnsamling og strategiske partnerskap. Når industrien går mot autonomi, hjelper denne investeringen oss å finjustere vår plattform for å gi de sanntids-, pålitelige data som trengs for autonome systemer å trives. Den styrker vår forpliktelse til å støtte menneskelig beslutningstaking på kort sikt, samtidig som vi også forbereder industrien for autonome fartøy i fremtiden.

Når flåter søker å redusere utslipp og forbedre operasjonell effektivitet, hvor ser du at AI har den største kort-siktige virkningen utover navigasjon og sikkerhet?

Utover navigasjon og sikkerhet, kan AI ha en betydelig innvirkning på operasjonell effektivitet i områder som prediktiv vedlikehold, brennstoffoptimalisering og reduksjon av utslipp. AI kan analysere sanntids-ytelsesdata for å forutsi vedlikeholdsbehov før de blir problemer, og sikre at aktiva brukes mer effektivt. Den kan også gi innsikt i brennstoffforbruksmønster, og hjelpe fartøy å optimalisere brennstoffbruk og redusere utslipp. Nøkkelen er å bruke AI til å gi handlingsovergripende innsikt som muliggjør smartere beslutninger, som driver effektivitet og bærekraft.

Om fem år, hva rolle tror du AI-drevet situasjonsbevissthet vil spille i å bringe industrien nærmere autonome eller semi-autonome fartøy, og hva mål må nås for å komme dit?

AI-drevet situasjonsbevissthet vil være essensiell for autonomi, men de største hindrene fremover er ikke tekniske – de er juridiske og reguleringmessige. Utfordringen er ikke om AI kan detektere risikoer; det gjør det allerede nå. Den virkelige utfordringen er å skape den juridiske rammen som klargjør ansvar når AI støtter beslutningstaking, og å sikre at reguleringene utvikles for å styre AI-bruk effektivt. Før denne rammen er på plass, forblir mennesket i kommandoen. Vårt mål er å fortsette å styrke menneskelig beslutningstaking med AI-støtte, så industrien kan trygt gå over til autonomi når tiden kommer.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, kan besøke Orca AI.