Πρωτοποριακή ηλεκτρονική παρακολούθηση στην αλιεία
Σχεδόν σε όλη της την καριέρα, η Amanda Barney έχει αναλάβει την αποστολή να λύσει ένα ανησυχητικό πρόβλημα. Το 1992, όταν πήγαινε στο γυμνάσιο στο Σεντ Τζονς του Νιουφάουντλαντ, είδε από πρώτο χέρι την κατάρρευση των αποθεμάτων μπακαλιάρου του Βόρειου Ατλαντικού.
"Θυμάμαι να κωπηλατώ στον κόλπο με τον πατέρα μου και να βλέπω όλους τους μπακαλιάρους", θυμάται. "Φαινόταν αδύνατο να είχαν φύγει. Έβλεπα τόσους πολλούς".
Η Barney ένιωσε έντονα τον αντίκτυπο, ο οποίος έδωσε ώθηση στην αναζήτηση που την οδήγησε σε όλη της τη ζωή. Σπούδασε επιστήμη της αλιείας και ωκεανογραφία και στη συνέχεια μετακόμισε στην Αλάσκα το 2003 για να ξεκινήσει μια θητεία ως παρατηρητής αλιείας επί του σκάφους. Πέρασε περισσότερες από 150 ημέρες στη θάλασσα.
"Στην Αλάσκα, συνειδητοποίησα ότι συχνά η κυβέρνηση πιστεύει ότι οι ψαράδες λένε ψέματα και οι ψαράδες πιστεύουν ότι οι κυβερνητικοί επιστήμονες δεν καταλαβαίνουν τι πραγματικά συμβαίνει στον ωκεανό", εξηγεί. Ένιωσε μια απτή έλλειψη εμπιστοσύνης μεταξύ της βιομηχανίας και της επιστήμης.
Ήθελε να γεφυρώσει αυτό το χάσμα και σκέφτηκε ότι οι τεχνολογίες παρακολούθησης στη θάλασσα θα μπορούσαν να αποτελέσουν τον "εξισωτή", παρέχοντας δεδομένα βάσης που εμπιστεύονται τόσο οι καπετάνιοι όσο και οι επιστήμονες.
Σήμερα, ο Barney είναι ο διευθύνων σύμβουλος της Teem Fish Monitoring Inc. Είναι ένας από τους πρωτοπόρους στην ανάπτυξη νέων τεχνολογιών για τη συλλογή, ψηφιοποίηση και ανάλυση δεδομένων για την αλιεία. Η σταδιοδρομία της αντικατοπτρίζει στενά τον κύκλο ζωής της υιοθέτησης της τεχνολογίας στον κλάδο, από τη χειροκίνητη συλλογή αναλογικών δεδομένων ως παρατηρητής στη θάλασσα πριν από 20 χρόνια έως τη σημερινή διαχείριση έργων αιχμής με τη χρήση τεχνητής νοημοσύνης (AI).
Η τεχνολογία παρακολούθησης της αλιείας ξεκίνησε με τα συστήματα παρακολούθησης σκαφών (VMS). Το 1982, ο Inmarsat ξεκίνησε την πρώτη εμπορική υπηρεσία παρακολούθησης, ακολουθούμενη από το σύστημα αυτόματης αναγνώρισης (AIS) το 1998. Την επόμενη χρονιά, το πρώτο σύστημα ηλεκτρονικής παρακολούθησης (EM) στον κόσμο που χρησιμοποιούσε κάμερες επί του σκάφους πρωτοπορούσε σε ένα αλιεία καβουριών στη Βρετανική Κολομβία. Τα ηλεκτρονικά ημερολόγια άρχισαν επίσης να αντικαθιστούν το χαρτί περίπου αυτή την εποχή. Το νοτιοαφρικανικό Olrac ήταν ένα από τα πρώτα e-logs το 2003. Δύο χρόνια αργότερα, η Αλάσκα εγκαινίασε το τα πρώτα ηλεκτρονικά εισιτήρια ψαριών, γεγονός που σηματοδοτεί την έναρξη της ηλεκτρονικής υποβολής εκθέσεων στον τομέα της αλιείας.
Το γεγονός που άλλαξε το παιχνίδι ήρθε τον Ιούνιο του 2007, όταν ο Steve Jobs παρουσίασε στον κόσμο το iPhone. Η κινητή πληροφορική θα έφερνε επανάσταση στον κόσμο, συμπεριλαμβανομένης της αλιείας. Η ψηφιοποίηση δεδομένων και η παρακολούθηση μέσω GPS ήταν πλέον κυριολεκτικά στην παλάμη των χεριών σας. Το 2008, το Nature Conservancy δημιούργησε eCatch, μια από τις πρώτες σύγχρονες διαδικτυακές εφαρμογές για την αλιεία. Μια έκδοση για iPhone κυκλοφόρησε το 2012.
Η αλιεία παρουσιάζει υποτονική καινοτομία
Η ανάλυση 79 εταιρειών ή οργανισμών που παρέχουν λογισμικό για την παγκόσμια αλιεία δείχνει ότι η υιοθέτηση της τεχνολογίας ήταν δύσκολη. Περισσότερες από το ένα τέταρτο των εταιρειών ιδρύθηκαν πριν από το 2000, κυρίως το πρώτο κύμα παρόχων VMS. Στη συνέχεια, για περισσότερο από μια δεκαετία, η αλιευτική τεχνολογία βρισκόταν σε ύφεση. Ήταν μια περίοδος πιλοτικών εφαρμογών μικρής κλίμακας, ιδίως για την ηλεκτρονική παρακολούθηση. Μόνο το 2012, με την ωρίμανση της κινητής πληροφορικής, άρχισαν να εμφανίζονται σταθερά κάθε χρόνο νέες εταιρείες λογισμικού και εφαρμογές οργανισμών.
Παρόλα αυτά, η υιοθέτηση της τεχνολογίας είναι υποτονική στην αλιεία σε σύγκριση με την υδατοκαλλιέργεια. Τα τελευταία πέντε χρόνια, η αλιευτική βιομηχανία έχει δει την έναρξη λειτουργίας μόνο 21 νέων τεχνολογικών εταιρειών ή κυβερνητικών εφαρμογών σε σύγκριση με 42 στην υδατοκαλλιέργεια.
Η αλιεία έχει επίσης αργήσει να υιοθετήσει τεχνολογίες αιχμής, ιδίως την τεχνητή νοημοσύνη. Επί του παρόντος, το 18% των παρόχων λογισμικού -14 από τους 79- χρησιμοποιούν ή εφαρμόζουν πιλοτικά τεχνητή νοημοσύνη. Η συντριπτική πλειονότητα αναπτύσσει την όραση υπολογιστή για την ανάλυση βίντεο και εικόνων από αλιευτικά σκάφη. Είναι ενδιαφέρον ότι επτά από τις εφαρμογές που χρησιμοποιούν τεχνητή νοημοσύνη χρηματοδοτήθηκαν από ΜΚΟ, γεγονός που υποδηλώνει ότι λιγότερο από το ήμισυ της τεχνητής νοημοσύνης έχει εμπορευματοποιηθεί.
Αυτή είναι μια έντονη αντίθεση με την υδατοκαλλιέργεια, όπου το 70 τοις εκατό όλου του λογισμικού περιλαμβάνει τεχνητή νοημοσύνη. Και μόνο το ήμισυ της τεχνητής νοημοσύνης στην υδατοκαλλιέργεια είναι όραση υπολογιστή.
Γιατί η καινοτομία στην αλιεία υπολείπεται της υδατοκαλλιέργειας
Τι κρύβεται πίσω από αυτή την απόκλιση; Δύο παράγοντες. Πρώτον, τα κίνητρα. Στην υδατοκαλλιέργεια, η τεχνητή νοημοσύνη μειώνει δύο από τα μεγαλύτερα κόστη του κλάδου: τη βελτιστοποίηση της διατροφής και τη μείωση της θνησιμότητας. Οι αγρότες έχουν εγγενή κίνητρα να υιοθετήσουν την ΤΝ, καθώς έχει επιχειρηματικό νόημα.
Στην αλιεία, η περισσότερη τεχνολογία δεν καθοδηγείται από τη δυναμική της αγοράς, αλλά από τη συμμόρφωση με τις κανονιστικές διατάξεις. Οι αλιείς είναι απρόθυμοι να υιοθετήσουν τεχνολογίες που αυξάνουν την επιτήρηση, με εξαίρεση, ίσως, τη βελτίωση της ασφάλειας στη θάλασσα. Ωστόσο, η ηλεκτρονική παρακολούθηση αποδεικνύεται φθηνότερη και λιγότερο παρεμβατική από τους ανθρώπινους παρατηρητές.
Ο δεύτερος παράγοντας σχετίζεται με τους αισθητήρες IoT που έχουν οδηγήσει στην εκρηκτική αύξηση των ψηφιακών δεδομένων σε παγκόσμιο επίπεδο, τα οποία, με τη σειρά τους, αποτελούν το καύσιμο που τροφοδοτεί την τεχνητή νοημοσύνη. Εκτιμάται ότι ο όγκος των ψηφιακών δεδομένων στον κόσμο διπλασιάζεται κάθε δύο χρόνια. Απλώς δεν υπάρχουν πολλοί αισθητήρες στην αλιεία. Οι ψαροσυλλέκτες δεν παρακολουθούν την ποιότητα του νερού, τη διατροφή, τους ρυθμούς ανάπτυξης και την υγεία των ψαριών, σε αντίθεση με τους αγρότες που αναπτύσσουν πολλούς τύπους αισθητήρων για τη συλλογή αυτών των βασικών δεδομένων.
Περίπου το 82% του λογισμικού αλιείας συλλέγει δεδομένα από GPS και το 32% χρησιμοποιεί κάμερες. Ακόμη λιγότερα (14 τοις εκατό) χρησιμοποιούν αισθητήρες εργαλείων που συνδέονται με υδραυλικά συστήματα ή βαρούλκα για την ανίχνευση της αλιευτικής δραστηριότητας ή RFID για την αναγνώριση των εργαλείων. Μόνο δύο εταιρείες χρησιμοποιούν δεδομένα από ηχοβολιστές για την τροφοδότηση της τεχνητής νοημοσύνης για τη βελτίωση των εκτιμήσεων των ψαριών που συγκεντρώνονται σε κοπάδια.
Πολλή ιχθυοτεχνολογία επικεντρώνεται στην απλή κατάργηση του χαρτιού. Τα ηλεκτρονικά ημερολόγια αντιστοιχούν στο 71% των εφαρμογών, ακολουθούμενα από το VMS (53%) και την ηλεκτρονική παρακολούθηση (29%). Το μεγαλύτερο μέρος της τεχνολογίας επικεντρώνεται σε βιομηχανικούς και μεσαίου μεγέθους στόλους, οι οποίοι αποτελούν μόνο το 18% των 2,86 εκατομμυρίων μηχανοκίνητων αλιευτικών σκαφών στον κόσμο. Αυτό είναι λογικό, δεδομένου ότι αυτά τα σκάφη αλιεύουν τα μισά ψάρια στον κόσμο. Παρόλα αυτά, επί του παρόντος υπάρχουν μόνο 1.523 σκάφη που χρησιμοποιούν ηλεκτρονική παρακολούθηση (Βλέπε έκθεση TNC).
Ιδιωτικά ιδρύματα καλύπτουν το χρηματοδοτικό κενό στην αλιευτική τεχνολογία
Ως αποτέλεσμα αυτής της αργής ανάπτυξης, ο κλάδος της αλιείας έχει δει μόνο ένα κλάσμα των επιχειρηματικών κεφαλαίων και των συμφωνιών "αγγέλων" σε σύγκριση με την υδατοκαλλιέργεια. Σύμφωνα με το Crunchbase, υπάρχουν μόνο 9 αναφερόμενες συμφωνίες μεταξύ των 79 παρόχων τεχνολογίας για την εμπορική αλιεία. Αυτές οι συμφωνίες απέφεραν σχεδόν $19 εκατομμύρια δολάρια ΗΠΑ σε επενδύσεις. Στην υδατοκαλλιέργεια, 82 εταιρείες λογισμικού δημιούργησαν 21 συμφωνίες αξίας $293 εκατομμυρίων USD. Οι συμφωνίες για την υδατοκαλλιέργεια ήταν επτά φορές μεγαλύτερες από την αλιεία.
Για να γεφυρωθεί το χρηματοδοτικό κενό, έχουν παρέμβει ιδιωτικά ιδρύματα. Τις τελευταίες δύο δεκαετίες, τέσσερα ιδρύματα -Walton, Packard, Moore και National Fish and Wildlife- έχουν διαθέσει $27,4 εκατ. δολάρια ΗΠΑ σε επιχορηγήσεις για ηλεκτρονική παρακολούθηση και τεχνική βοήθεια για τη βελτίωση της λογοδοσίας στην αλιεία. Τα τρία τέταρτα των χρημάτων αυτών έχουν δοθεί από το 2015. Και ακόμη περισσότερα χρήματα του ιδρύματος έχουν διατεθεί σε εκστρατείες αγοράς για τη δημιουργία κινήτρων -συμπεριλαμβανομένων καλύτερων τιμών και πρόσβασης στην αγορά- για επαληθευμένα αλιεύματα.
Οι εκστρατείες των ΜΚΟ, οι επιχορηγήσεις των ιδρυμάτων και οι κυβερνητικές ρυθμιστικές αρχές έχουν συμβάλει στην υιοθέτηση της τεχνολογίας. Δεν αποτελεί έκπληξη το γεγονός ότι ο Καναδάς, οι Ηνωμένες Πολιτείες, η Αυστραλία και η Νέα Ζηλανδία έχουν τον μεγαλύτερο αριθμό παρόχων τεχνολογίας. Πράγματι, η Νέα Ζηλανδία προωθεί την ηλεκτρονική παρακολούθηση σε έως και 300 παράκτια σκάφη μέσα στα επόμενα τρία χρόνια. Στη Νέα Ζηλανδία βρίσκεται επίσης η SnapIT, μία από τις πιο καινοτόμες εταιρείες ΕΜ που πρωτοπορεί στην τεχνητή νοημοσύνη και την υπολογιστική "άκρη" στα πλοία.
Τεχνητή νοημοσύνη κρίσιμη για την κλιμάκωση της ηλεκτρονικής παρακολούθησης
"Αν θέλουμε η ηλεκτρονική παρακολούθηση να επεκταθεί σε χιλιάδες σκάφη, χρειαζόμαστε υπεράνθρωπους κριτές βίντεο", λέει ο Barney. Αυτοί οι "υπεράνθρωποι" είναι αλγόριθμοι μηχανικής μάθησης.
Κατά την άποψη του Barney, η Τεχνητή Νοημοσύνη θα είναι καθοριστικής σημασίας για τη μείωση του κόστους των δύο ΗΜ. Πρώτον, οι αλγόριθμοι θα μπορούσαν να επανεξετάζουν τα βίντεο επί των σκαφών και να διατηρούν μόνο τα κλιπ με τη σχετική αλιευτική δραστηριότητα, μειώνοντας το κόστος αποθήκευσης και επεξεργασίας δεδομένων. "Το μέγεθος του αρχείου βίντεο στο σκάφος πρέπει να μειωθεί", εξηγεί ο Barney.
Δεύτερον, το βίντεο πρέπει να εξετάζεται αυτόματα με τη χρήση αλγορίθμων για την ταξινόμηση και την καταμέτρηση της αλιευτικής δραστηριότητας, όπως τα είδη, τα παρεμπίπτοντα αλιεύματα, τα χτυπήματα πουλιών, η τοποθέτηση εργαλείων κ.λπ. Αυτό έχει αποδειχθεί πρόκληση, δεδομένου ότι οι γωνίες λήψης της κάμερας, οι μεταβλητές καιρικές συνθήκες, η διάταξη του καταστρώματος και η συμπεριφορά του πληρώματος μπορεί να διαφέρουν σημαντικά από σκάφος σε σκάφος.
"Το πρόβλημα είναι ότι η τεχνητή νοημοσύνη εκπαιδεύεται υπερβολικά σε ένα μικρό σύνολο δεδομένων από ένα σκάφος. Στη συνέχεια, το βάζετε σε ένα άλλο σκάφος και η ΤΝ δεν ξέρει τι συμβαίνει", εξηγεί ο Barney. "Πρέπει να επανεκπαιδευτεί".
Το ζητούμενο τώρα είναι η γενίκευση της τεχνητής νοημοσύνης με τη χρήση μεγάλων συνόλων δεδομένων βίντεο από πολλά σκάφη για την εκπαίδευση των αλγορίθμων. Το Nature Conservancy έχει δημιουργήσει Fishnet.AI για την παροχή τέτοιων δεδομένων εκπαίδευσης. Ορισμένες άλλες τεχνολογίες θα μπορούσαν επίσης να αποδειχθούν ανεκτίμητες για την κλιμάκωση, συμπεριλαμβανομένων των ισχυρών υπολογιστών ακμής για την εκτέλεση της ΤΝ σε πλοία και της προσιτής συνδεσιμότητας στη θάλασσα, η οποία πρωτοπορεί με την Starlink του Elon Musk χρησιμοποιώντας δορυφόρους χαμηλής τροχιάς.
"Πιστεύουμε ότι η τεχνολογία μπορεί να μας οδηγήσει σε ένα σημείο όπου θα μπορούμε να έχουμε χρήσιμες πληροφορίες σε πραγματικό χρόνο από εκατοντάδες χιλιάδες σκάφη, οι οποίες θα είναι προσιτές", λέει ο Barney. "Αυτό είναι ένα λογικό όνειρο".
Παρακαλώ εγγραφείτε για το μηνιαίο ενημερωτικό μας δελτίο Catch-Up για να λάβετε την επόμενη ανάρτηση.
