Yarden Gross, VD och medgrundare av Orca AI – Intervjuserie

Yarden Gross är en erfaren entreprenör med stor kunskap och erfarenhet inom maritima teknologier.
Han leder för närvarande Orca AI:s vision att göra autonom kommersiell sjöfart till verklighet. Innan han grundade Orca AI var han medgrundare och VD för Engie, ett VC-backat företag inom bilteknik. Han har en kandidatexamen i ekonomi och företagsekonomi från Reichman University (IDC Herzliya).

Orca AI är ett marint teknologiföretag som använder datorseende och artificiell intelligens för att hjälpa fartyg att navigera säkrare och effektivare. Dess plattform kombinerar data från kameror, radar och AIS för att skapa kontinuerlig realtidsmedvetenhet, minska kollisionsrisken, minska bränsleförbrukning och underlätta besättningens arbete. Produkter som SeaPod, FleetView och Co-Captain stöder fartygsövervakning, flottöversikt och delad situationsmedvetenhet, vilket möjliggör ett steg mot autonom sjöfart. Systemet är utplacerat på globala flottor och drivs av en av världens största marina visuella datamängder.

Du har nu tillbringat över sju år med att bygga upp Orca AI, efter att tidigare ha grundat företag inom bilteknik och reparation. Vad var det som ursprungligen motiverade dig att gå från landbaserad mobilitetsteknik till den maritima världen, och vilket problem ville du lösa när du startade företaget?

Jag har alltid drivits av en önskan att lösa komplexa problem med hjälp av teknologi som gör en märkbar skillnad. Min bakgrund inom bilteknik har gett mig insikt i datans och realtidsbeslutsfattandets kraft. När jag gick över till den maritima sektorn såg jag en bransch som var mogen för innovation. Traditionella maritima navigationsmetoder var starkt beroende av manuella processer och föråldrade system. Genom att växa upp vid Galileiska sjön utvecklade jag en djup respekt för navigeringsutmaningarna. Orca AI grundades för att ta tillvara kraften i AI och datorseende för att förbättra säkerheten, minska mänskliga fel och förbättra den operativa effektiviteten till sjöss – för att lösa brister i branschen och frigöra den fulla potentialen i marina data.

Orca AI grundades vid en tidpunkt då den maritima sektorn fortfarande var starkt beroende av äldre navigeringsmetoder. Vilka brister observerade du tidigt som gjorde dig säker på att AI och datorseende kunde förbättra säkerheten till sjöss?

Den maritima sektorn stod inför betydande utmaningar: ett alltför stort beroende av radar och AIS för navigation, begränsad integration av moderna sensorer och brist på handlingsbara insikter från de data som samlades in. Jag insåg att medan dessa äldre system var användbara, var den nivå av intelligent beslutsstöd som behövdes för att hantera moderna maritima risker effektivt saknades.

Genom att integrera AI och datorseende kunde vi omvandla rådata till handlingsbara insikter, vilket möjliggjorde för besättningar att inte bara reagera, utan också förutse och förhindra potentiella risker. Det är där AI:s verkliga värde kan frigöras, förbättra säkerheten, den operativa effektiviteten och situationsmedvetenheten.

Co-Captain har beskrivits som en “Waze för haven”. Vilka var de största tekniska utmaningarna när du byggde en realtidsplattform som kunde tolka sensordata, fartygsbeteende och miljörisker i global skala?

Den största utmaningen var att säkerställa att Orca AI:s system kunde bearbeta stora mängder data från olika källor, som AIS, radar och kameror, och göra dem meningsfulla i realtid. Detta krävde avancerade algoritmer som kunde tolka komplexa sensordata och förstå fartygens beteende under olika miljöförhållanden. Att uppnå global skala innebar att hantera en mängd olika geografiska, väder- och regleringsmiljöer, alla vilka krävde att vi byggde en robust plattform som kunde lära sig och anpassa sig till dessa nyanser. Att bygga ett system som kunde fungera över olika sjövägar, integrera all information på ett sömlöst sätt, var ingen lätt uppgift.

Marinmiljöer presenterar randfall som är långt mer oförutsägbara än vägar—dimma, bländning, vågor, ovanliga fartygstyper och piratzoner. Hur tränade du dina modeller för att fungera tillförlitligt under sådana förhållanden?

Att träna AI för att hantera randfall krävde en kombination av insamling av realvärldens data och simulering. Vi arbetade nära med rederier för att samla in realvärldens data från utmanande miljöer, vilket säkerställde att våra modeller kunde hantera oförutsägbarheten i marina förhållanden. Vi använde sedan dessa datamängder för att träna AI, simulerade extrema väderförhållanden och sällsynta händelser för att säkerställa att vårt system kunde anpassa sig i realtid. Det är en kontinuerlig läroprocess, där modellerna ständigt tränas och omtränas baserat på nya data för att förbättra deras tillförlitlighet i utmanande förhållanden.

Orca AI fungerar i några av de mest trafikerade sjövägarna på planeten. Vilka genombrott inom perception, upptäckt eller fusion möjliggjorde att ni gick från traditionella varningssystem till verklig situationsmedvetenhet?

Genombrottet kom inte från att lägga till mer data, utan från att göra befintlig data smartare och mer handlingsbar. Traditionella varningssystem meddelade bara besättningen när en potentiell fara upptäcktes. Vi har tagit det ett steg längre genom att kombinera radar, AIS och visuell data från våra SeaPod-enheter. Genom att fusionera dessa datakällor har vi kunnat eliminera irrelevanta signaler, minska brus och skapa en tydligare, mer exakt bild av vad som omger fartyget. Denna intelligenta fusion möjliggör för vårt system att tillhandahålla sammanhang – som hur närliggande fartyg beter sig eller om en situation kan eskalera – så att besättningen kan fatta informerade, proaktiva beslut.

Förmågan att upptäcka ovanligt fartygsbeteende blir allt viktigare. Hur omformar AI sättet flottor identifierar risker som oregelbunden navigation, kollisioner eller potentiell piratverksamhet?

AI möjliggör för oss att identifiera avvikelser från normalt beteende tidigare än traditionella system. Istället för att vänta på att en risk, som en kollision eller pirathot, fullt utvecklas, analyserar Orca AI kontinuerligt fartygsrörelser, hastighet och omgivande förhållanden. Genom att övervaka dessa mönster i realtid kan systemet flagga tidiga tecken på potentiell risk – som oregelbunden navigation eller ovanligt beteende – vilket ger besättningen den tid de behöver för att agera. Denna övergång till proaktiv riskhantering är nyckeln till att omvandla maritim säkerhet och drift.

Orca AI:s “Co-Captain” möjliggör för fartyg att dela varningar med varandra i realtid. Vad signalerar detta om framtiden för samarbetsinriktad maritim intelligensnätverk?

Genom att möjliggöra för fartyg att dela data och varningar i realtid skapar vi ett nätverk där fartyg kan lära av varandra och fatta mer informerade beslut. Detta kommer att leda till en övergång från isolerat beslutsfattande till en mer sammanhållen och samarbetsinriktad approach. Över tiden kan dessa nätverk expandera regionalt eller flottbrett, med det ultimata målet att tillhandahålla tydligare, snabbare och delad beslutsstöd över hela det maritima ekosystemet. Det handlar om att skapa en mer intelligent, sammanhållen maritim miljö där risker kan förutses, inte bara reageras på.

Din nyliga uppror på 72,5 miljoner dollar markerade den största finansieringsrundan i maritim teknik hittills. Hur förändrar denna nivå av investering din vägkarta, särskilt när branschen börjar accelerera mot autonom sjöfart?

Finansieringen accelererar vår mission, vilket möjliggör för oss att expandera och skala upp snabbare. Det förändrar inte vår grundläggande vägkarta, som fokuserar på intelligent beslutsstöd, men det kommer att tillåta oss att investera mer i FoU, datainsamling och strategiska partnerskap. När branschen rör sig mot autonomi kommer denna investering att hjälpa oss att förfinansera vår plattform för att tillhandahålla den realtidsdata som behövs för att autonoma system ska kunna fungera. Det stärker vårt åtagande att stödja mänskligt beslutsfattande på kort sikt, samtidigt som vi förbereder branschen för autonoma fartyg i framtiden.

När flottor ser till att minska utsläpp och förbättra den operativa effektiviteten, var ser du att AI har den största närliggande effekten bortom navigation och säkerhet?

Bortom navigation och säkerhet kan AI ha en betydande effekt på den operativa effektiviteten inom områden som förutsägbar underhåll, bränsleoptimering och minskning av utsläpp. AI kan analysera realtidsprestandadata för att förutsäga underhållsbehov innan de blir problem, vilket säkerställer att tillgångar används mer effektivt. Det kan också ge insikter om bränsleförbrukningsmönster, vilket hjälper fartyg att optimera bränsleförbrukning och minska utsläpp. Nyckeln är att använda AI för att tillhandahålla handlingsbara insikter som möjliggör smartare beslutsfattande, vilket i sin tur driver effektivitet och hållbarhet.

Om fem år, vilken roll tror du att AI-driven situationsmedvetenhet kommer att spela för att föra branschen närmare autonoma eller semi-autonoma fartyg, och vilka milstolpar måste uppnås för att komma dit?

AI-driven situationsmedvetenhet kommer att vara avgörande för autonomi, men de största hindren framöver är inte tekniska – de är juridiska och reglerande. Utmaningen är inte om AI kan upptäcka risker; det gör det redan. Den verkliga utmaningen är att skapa den rättsliga ramen som klargör ansvar när AI stöder beslutsfattande, och säkerställer att regler utvecklas för att reglera AI-användning effektivt. Tills den ramen är på plats förblir människan i kommandot. Vårt mål är att fortsätta stärka mänskligt beslutsfattande med AI-stöd, så att branschen kan säkert gå över till autonomi när tiden är inne.

Tack för den utmärkta intervjun, läsare som vill lära sig mer kan besöka Orca AI.