Robotyka i fizyczna AI

Sztuczna inteligencja wykorzystywana do zapobiegania zderzeniom lodowców z statkami

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Eksperci z Uniwersytetu w Sheffield opracowali połączenie systemów kontrolnych i modeli prognozowania sztucznej inteligencji (AI) w celu zapobiegania dryfowaniu lodowców do zatłoczonych obszarów żeglugi.

Dzięki wykorzystaniu niedawno opublikowanego modelu systemów kontrolnych, eksperci byli w stanie przewidzieć ruch lodowców. W 2020 roku, między 479 a 1 015 lodowców spodziewanych jest dryfować do wód na południe od 48°, obszaru, który charakteryzuje się dużym ruchem żeglugowym między Europą a północno-wschodnią Ameryką Północną. W zeszłym roku odnotowano łącznie 1 515 lodowców w tym samym obszarze.

Zespół opierał się na eksperymentalnej analizie sztucznej inteligencji, aby niezależnie potwierdzić liczbę lodowców przewidzianych. Odkryli również szybki wczesny wzrost liczby lodowców obecnych w tym obszarze podczas sezonu lodowego, który trwa od stycznia do września.

Międzynarodowa Patrol Lodowy (IIP) otrzymuje wyniki, a następnie wykorzystuje te informacje do ustalenia najlepszego wykorzystania zasobów dla lepszych prognoz lodowych podczas sezonu. Zgodnie z sezonową prognozą, statki na północno-zachodnim Atlantyku będą mniej prawdopodobne spotkać lodowiec w porównaniu z zeszłym rokiem.

Lodowce powodują poważne problemy i ryzyko żeglugi na północno-zachodnim Atlantyku. Zapisy pokazują, że od XVII wieku miały miejsce zderzenia i zatonięcia. IIP został utworzony w 1912 roku po zatonięciu Titanica, a jego zadaniem jest obserwowanie lodu morskiego i warunków na północno-zachodnim Atlantyku oraz ostrzeganie przed potencjalnymi niebezpieczeństwami.

Ryzyko lodowców dla żeglugi zmienia się co roku. Jeden rok może nie mieć lodowców przekraczających ten obszar, podczas gdy inny rok może mieć ponad 1 000. To sprawia, że trudno jest przewidzieć, ale ogólnie od lat 80. odnotowano wyższą liczbę lodowców.

2020 jest pierwszym rokiem, w którym sztuczna inteligencja jest wykorzystywana do prognozowania lodowców w tym obszarze, a także tempa zmian w trakcie sezonu.

Model został opracowany przez zespół pod kierownictwem profesora Granta Bigga z Uniwersytetu w Sheffield, a został sfinansowany przez program stypendialny Ocean Risk Scholarships firmy ubezpieczeniowej AXA XL. Istnieje model systemów kontrolnych, a także dwa narzędzia machine learning, które są wykorzystywane.

Dane dotyczące temperatury powierzchni Morza Labradorskiego są analizowane, a także wahania ciśnienia atmosferycznego na północnym Atlantyku i bilans masy lodu w arktycznym obszarze.

Podstawowy model systemów kontrolnych miał poziom dokładności 80%, gdy został przetestowany z danymi o liczbie lodowców w sezonach między 1997 a 2016 rokiem.

Zgodnie z wcześniejszymi badaniami profesora Bigga, zmiana liczby lodowców dryfujących do regionu była spowodowana zmiennymi szybkościami topnienia lodu z Grenlandii. Jednakże, regionalny klimat i prądy morskie są największymi czynnikami. Większa liczba lodowców pojawia się, gdy temperatura powierzchni morza jest niższa, a wiatry północno-zachodnie są silniejsze.

Grant Brigg jest profesorem nauk o systemie Ziemi na Uniwersytecie w Sheffield.

“Wyemitowaliśmy sezonowe prognozy lodowe do IIP od 2018 roku, ale w tym roku po raz pierwszy połączyliśmy oryginalny model systemów kontrolnych z dwoma podejściami sztucznej inteligencji do konkretnych aspektów prognozy. Zgodność we wszystkich trzech podejściach daje nam pewność, aby wydać prognozę o niskiej liczbie lodowców publicznie w tym roku – ale warto pamiętać, że jest to tylko prognoza warunków lodowych, a nie gwarancja, i że zderzenia między statkami a lodowcami występują nawet w latach o niskiej liczbie lodowców”.

Według Mike’a Hicksa z Międzynarodowej Patrolu Lodowego, “Dostępność niezawodnej prognozy jest bardzo ważna, gdy rozważamy balans między metodami rozpoznania powietrznego i satelitarnego”.

Dr John Wardman jest starszym specjalistą naukowym w zespole Science and Natural Perils w AXA XL.

“Wpływ wzrostu poziomu morza na ekspozycję przybrzeżną i potencjalny wzrost aktywności żeglugowej w Arktyce będzie wymagał większej liczby i różnorodności rozwiązań transferu ryzyka za pomocą produktów ubezpieczeniowych i innych “miękkich” strategii mitigacyjnych. Branża ubezpieczeniowa uważnie obserwuje Arktykę, a ten model jest ważnym narzędziem, które pomaga branży identyfikować, jak lub kiedy topnienie arktycznego lodu wpłynie bezpośrednio na rynek”.

Alex kieruje operacjami informacyjnymi Unite.AI opartymi na sztucznej inteligencji, łącząc dziennikarstwo, badania i automatyzację, aby wspierać terminowe i skalowalne relacjonowanie sztucznej inteligencji. Jego praca pomaga zapewnić, że nowe osiągnięcia w dziedzinie AI są prezentowane efektywnie, przy jednoczesnym zachowaniu standardów redakcyjnych publikacji.