水産業界は予測不可能なことが多い。天候、海水温、魚の資源量、回遊パターン、気候変動、これらすべての要因が漁業操業に影響を与え、供給過剰や供給不足を引き起こす。品質も予測不可能で、環境要因、漁獲方法、季節性、海上での取り扱い、コールドチェーンなどに左右されることが多い。水産養殖もまた、自然変動に見舞われる。天候や汚染による水質の問題、病気の発生など、制御不能な環境条件は、養殖魚やエビの生産と品質に影響を与える。つまり、水産養殖はリスクの高いビジネスなのだ。
こうした理由から、人工知能（AI）は "予測マシン "と形容され、水産業界をより予測しやすくし、その結果、より利益を上げることができると期待されている。
予測とは、欠落している情報を補うプロセスである」と『予測マシン』の著者は書いている：人工知能のシンプルな経済学』の著者は言う。予測は、しばしば "データ "と呼ばれる、あなたが持っている情報を利用し、あなたが持っていない情報を生成する。未来に関する情報を生成するだけでなく、予測は現在と過去に関する情報を生成することもできる。これは、予測がクレジットカード取引を不正と分類したり、画像中の腫瘍を悪性と分類したり、iPhoneを持っている人が所有者であるかどうかを分類したりするときに起こる。"1
著者はいずれもトロント大学の経営学教授で、AIによってより良い予測をより早く、より安く行うことが可能になると主張している。要するに、それが利益を押し上げ、シーフードを含む全産業でAIの導入が進んでいるのだ。
本稿では、まずAIの種類、仕組み、応用例について概観する。次に、365のソフトウェア・アプリケーションの調査に基づき、水産物のサプライチェーンにおいてAIが現在どのように活用されているかを分析する。第三に、現在AIによるサービスが十分でない水産加工分野で、AIをどのように活用できるかを探る。また、私たち（ThisFish Inc.）が現在行っている、加工分野にAIを導入するための最先端の研究についても紹介します。最後に、水産会社がAI革命に取り残されないよう、どのように準備を始めることができるかについて、考えを述べます。
AIとは何か、どのように機能するのか
人工知能はしばしば第4次産業革命と呼ばれる。最初の革命は1780年代の蒸気動力と機械化、2回目は1870年代の電化と大量生産、そして3回目は1969年のコンピュータ・エレクトロニクスから始まった。AIは現在、インダストリー4.0と呼ばれる第4次産業革命の中核を担っている。クラウド・コンピューティング、モノのインターネット（IoT）、スマート・センサ、コンピュータ・チップなどの新技術の多くは、データ収集、データ・ストレージ、計算能力の進歩を通じてAIを可能にしている。AI自体もまた、自律型ロボット、自動運転車、拡張現実、コグニティブ・コンピューティングなど、多くの新技術を可能にしている。
AIとは何か？AIとは、人間の知能を機械でシミュレートすることであり、データサイエンスの一分野である。機械学習はAIのサブセットであり、機械はプログラムされることなく意思決定を行う。私たちは基本的に、データを使って機械を訓練します。一般的に、より多く、より質の高いデータがAIをより賢くする。データをラベリングすることで、AIの学習を「監督」することができる。例えば、魚の画像（入力）に適切な魚種（出力）のラベルを付けることができる。教師なし学習は、異常やエラーを検出するなど、データの隠れたパターンを発見しようとするアルゴリズムを含む。例えば、米国食品医薬品局（FDA）は、水産物の輸入データのパターンを見て、違法の可能性を特定するためにAIを使用している。第3のタイプの学習は、AIが環境と相互作用し、肯定的または否定的なフィードバックを受けることで発生する「強化」である。カスタマーサポート用のチャットボットは、その回答を評価するよう求めるが、これは強化学習の一般的な例である。
機械学習のサブセットは「ディープラーニング」と呼ばれ、人間の脳の構造と機能にヒントを得たニューラルネットワークを使用する。この技術は、膨大で複雑な、あるいは多次元のデータセットから隠れたパターンを発見するためによく使われる。最も一般的な技術には、コンピューター・ビジョンや自然言語処理などがある。
コンピュータ・ビジョンはAIの一分野であり、機械が世界からの視覚データに基づいて解釈し、判断を下すことを可能にする。画像の各ピクセルには数字が与えられ、アルゴリズムは、例えば画像中のキハダマグロとメバチマグロを区別するパターンを見つける。コンピュータは画像を分類し、物体を検出し、画像を構成要素に分割し、顔を認識することができる。コンピュータ・ビジョン技術は、高い精度を達成するためにニューラルネットワークの一種を使用する。
最後の技術は、大人気のChatGPTや画像を生成するDALL-Eなどの生成AIだ。この技術も、ニューラルネットワークを使用して、画像やテキストの大規模なデータセットからパターンを学習し、新しいコンテンツを生成する。大規模な言語モデルは、何百万ページものテキストで学習され、人間らしく聞こえるようになる。
このAI技術を水産業に応用するにはどうすればいいのだろうか？役に立つツールのひとつが、起業家でありAIの専門家でもあるロブ・メイが開発したP.A.C.フレームワークと呼ばれるものだ。P.A.C.とは、Predict（予測）、Automatic（自動化）、Classify（分類）の頭文字をとったもので、AIの中核機能である。メイ氏は、AIがあなたのビジネスにどのように適用できるかを確認するために、簡単な表を作成することを提案している。「最初の表を作るには、Predict（予測）、Automate（自動化）、Classify（分類）の3つの列を作る。そして、行にビジネスの主要分野を列挙する。たとえば例えば、顧客、製品、オペレーション。そして、それぞれのボックスで、特定のA.I.アプローチがビジネスのその分野にどのように適用できるかを考えるのです」とメイは書いている。
私は、漁業、養殖、計画、生産、品質管理など、水産物のバリューチェーンのさまざまな部門に注目して、このようなグリッド（表1）を作成した。網羅的なリストではないが、AIがあなたのビジネスにどのように適用できるかをブレインストーミングするためのものである。次のセクションで見るように、AIは現在、水産セクター全体で幅広く採用されている。
表1：水産業に適応したP.A.C.フレームワーク
水産業におけるAIの爆発的成長
スマートフォン、バーチャルアシスタント、自動車、おすすめ音楽、食品配達、顔認識など、AIは今や私たちの日常生活のいたるところに存在している。この成長には3つの要因がある。第一に、デジタルデータの量は過去10年間で約30倍に増加した。AIが学習するためにはデータが必要であり、デジタル技術、特にクラウド・コンピューティングとスマートフォンの成長がAIを訓練するためのデータを生み出している。第二に、AIのアルゴリズムはより強力になった。例えば、ImageNetは過去10年間、年に1度開催されてきた大規模な視覚認識チャレンジである。2015年には、最高のAIシステムが初めて人間の成績を上回った。AIは今や人間よりも高い精度で写真を認識できる。そして3つ目は、コンピューターチップの性能と価格が向上していることだ。より複雑なアルゴリズムでより大量のデータを処理するためには、チップの性能が不可欠なのだ。
シーフードに関しては、私はAIが業界で広く採用されている理由を説明するのに役立つ「メタトレンド」を特定した。私はこれを「フィッシュ＆チップス指数」と呼んでいる。1990年以降、FAO魚価指数は60％上昇した一方で、半導体やコンピューター・チップの価格は50％以上下落した。現在、水産業界で使用されているソフトウェアの約3分の1（120以上のアプリ）がAIを採用している。
実際、私は水産業界で使われている365以上のソフトウェア・アプリを分析し、ThisFishのウェブサイトのオンライン・ディレクトリに掲載した2。水産分野にサービスを提供する新たなテック系スタートアップが爆発的に増えており、そのピークは2018年から2019年にかけてだった。しかし、水産業界ではAIの適用が偏っている。
天然捕獲漁業では約100のソフトウェア・アプリが使用されており、養殖漁業ではさらに100のソフトウェア・アプリが使用されている。水産養殖技術の70％近くがAIを使用しているのに対し、漁業では20％に過ぎない。乖離の理由は2つある：インセンティブと規制だ。養殖業では、AIが養殖業最大のコストである給餌の最適化と死亡率の低減の2つを押し下げている。養殖業者は、AIがビジネスとして理にかなっていることから、AIを導入する意欲を燃やしている。漁業では、ほとんどのテクノロジーは市場力学によってではなく、漁獲量をよりよく監視するための規制遵守によって推進されている。漁業者は、監視を強化するような技術の導入には消極的である。漁業におけるAIの大部分は、漁船に搭載された電子監視システムからの映像のレビューを自動化するためにコンピュータ・ビジョンを使用することに焦点を当てている。
AIの導入におけるこの差は、今後さらに広がっていくだろう。Crunchbaseによると、水産養殖テック企業は約6億3,200万ドルの投資を調達しているのに対し、水産テック企業は1,900万ドルしか調達していない。実際、Crunchbaseによると、2022年だけで45の水産養殖スタートアップが2億9,200万米ドルを調達している。
水産加工におけるAIの活用事例
水産加工部門は、デジタルトランスフォーメーションもAIの導入も遅れている。データ収集は紙の記録が主流で、人為的ミス、リアルタイム分析ができない、報告が遅い、トレーサビリティが低いなど、多くの問題を引き起こしている。この分野をターゲットにしたソフトウェア製品は29種類あるが、AI機能を搭載しているのはわずか4種類に過ぎない。品質テストと検証については、水産物向けのソフトウェア製品が13種類ある。コンピューター・ビジョン、DNA検査、ケモメトリックスなど、50％以上がAIを使用している。
デジタル化とAIの導入が低水準であるにもかかわらず、水産物加工業者はサプライチェーンの重要なノードであり、供給を集約し、食品安全を維持し、世界貿易を可能にしている。推計によると、世界全体で約23,000社が水産加工に携わっている。加工業者は、何百万もの一次生産者と何十億もの消費者との間のボトルネックとなっている。
商業的に極めて重要であるにもかかわらず、加工部門は低い収益性に苦しんでいる。プラネット・トラッカーは、上場水産加工企業89社を分析し、その利払い前税引き前利益率（EBIT）が平均3.4％に過ぎないことを突き止めた。3 人工知能は、持続可能性の目標を達成しながら、自動化と最適化によってこれらのマージンを改善できる可能性がある。
水産加工工場のデジタル化に関する我々の仕事に基づき、ThisFish Inc.は、1日100トンの原料を加工する平均的なマグロ缶詰工場では、年間4ギガバイト以上のデジタルデータが生成されると推定している。マグロとサーモンの生鮮冷凍加工業者では、約1ギガバイト、68万ページのデータが生成される。この膨大な量のデータは、水産加工部門にとって貴重なものとなる可能性がある。過去のデータは、品質や生産結果を予測するための機械学習アルゴリズムの学習に利用できる。次のセクションでは、私たちが長年にわたって行ってきた革新的なAI研究のいくつかを紹介しよう。
機械学習
2021年、ThisFish Inc.のデータサイエンティストは、タイのマグロ缶詰工場の歩留まりを予測する概念実証を開発した。分析に使用されたデータは、カツオ、ビンナガ、キハダマグロの約22ヶ月間の生産量から得られたものである。データは、歩留まりを計算した8818個のデータポイントから構成されている。歩留まりを計算する原料の1単位は生産ロットである。収量は以下のように計算された：
我々は、変数を原料変数とプロセス変数の2つのカテゴリーに分けた。原料変数とは、魚種、魚の大きさ、収穫方法など、固有の性質を持つものである。プロセス変数とは、冷蔵保存期間、解凍時間、解凍温度、調理時間、調理温度など、缶詰工程の一部として収集されるものである。我々は、これらの変数の影響を調査し、これらの変数を調整して収量を増加させる可能性のある方法を決定しようとした。
まとめると、収量に影響を与える主な変数は、魚のサイズ、魚種、冷蔵保存期間、調理温度、調理時間であった。しかし、より興味深い発見は、冷蔵保存期間が収量に与える影響であり、これは回収率に最大3％の影響を与えた。収量のばらつきの約85％はモデル内の変数によって説明され、AIの信頼水準は95％であった。原材料は生産における最大のコストであるため、歩留まり予測モデルは、缶詰工場が生産における粗利率を予測するのに役立つ可能性がある。
もうひとつの機械学習プロジェクトは、ツナ缶の水切り重量に焦点を当てた。水切り重量は缶詰に表示されており、缶詰の液体媒体（通常、油、塩水、湧水）を抜いた後に缶詰に残る肉の最小重量を表している。缶の中のマグロが "ピックアップ "と呼ばれる液体を吸収するため、水切り重量を予測するのは難しい。魚種、液体の種類、肉質、充填密度、缶のサイズ、フレークとチャンクの比率など、多くの変数が "ピックアップ "の量に影響を与える。ほとんどの缶詰工場では、製造管理者が缶の充填重量を決定するのに役立つ水切り重量表を作成している。しかし、これらの表は単純化されており、2、3の変数しかありません。関連するすべての変数と、これらの変数が互いにどのように影響しあうかを考慮していない。その結果、缶詰工場は、水切り重量試験室から結果が戻ってくると、しばしば驚かされることになる。
さらに、許容可能なマイナス誤差と呼ばれる缶詰の充填不足の許容量にも規制がある。例えば、水切り重量102グラムの場合、2.5パーセントを超える4.5グラムの充填不足は許されず、9グラムを超える極端な充填不足はゼロとなる。缶詰の製造工程は予測不可能であるため、缶詰工場は意図的に平均3～6グラムの過充填を行い、過充填の規則を破らないようにしている。
2023 年と 2024 年、ThisFish Inc.はエクアドルのマンタにある 2 つのマグロ缶詰工場と協力し、水切り重量予測モデルを開発した。Eurofish S.A.とTri Marine社のSEAFMAN缶詰工場から、100,000以上の水切り重量サンプルと関連変数を入手した。それぞれの缶詰工場について、機密保持の必要性からデータを分離したまま、2つの別々のAIモデルをトレーニングしました。
予備的な結果は有望であった。一般的に、AIは排出重量の標準偏差を減少させ、工程管理の強化を示唆した。また、缶詰工場のベンチマーク性能にもよるが、1缶あたり3グラムまで節約できる可能性があることも示唆された。カツオ1グラムは、日産100トンの缶詰工場では、毎年約50万米ドルの原材料費に相当する。世界には平均100トンの缶詰工場が150ヵ所あり、AIはこのセクターの原料コストを毎年7500万米ドルから2億2500万米ドル削減できる可能性がある。業績が改善されれば、AIモデルはより良いデータに基づいて再トレーニングされ、さらなる節約と管理強化が期待できる。
コンピュータ・ビジョン
水産業界では、原材料、半製品、完成品に至るまで、多くの目視検査が行われている。一般的に、人間が何かを見ることができるのであれば、AIにもそれを見るようにプログラムすることができる。
ThisFish Inc.では、魚の切り身の計数・計測、SalmoFanカラースケールに基づく鮭の切り身の分類、隙間、溝、軟化、打撲、接種痕（養殖魚の場合）など、鮭の切り身にある5種類の欠陥を検出するためのコンピューター・ビジョン・アルゴリズムをいくつか開発しました。また、画像に基づいて鮭の重量を推定するアルゴリズムにも取り組んでいる。将来的には、白身魚やエビを対象としたモデルも開発できるだろう。
マグロ業界では、日本の技術系企業がTuna Scopeを開発し、コンピューター・ビジョンを使って生鮮マグロの品質を評価している。また、ThisFish Inc.は、冷凍カツオの塩分濃度をコンピューター・ビジョンで推定する実験を行っており、現在も研究プロジェクトが進行中である。その他の用途としては、缶詰の継ぎ目の目視検査、缶詰のへこみやその他の欠陥の検出などがある。ほとんどの水産加工業者では、完成品のラベル検査も行っているが、この作業もスマートカメラで自動化できるだろう。
コンピュータ・ビジョンは、品質検査をより安く、より良いものにする可能性がある。現在、ほとんどの品質検査では、人間の検査員が無作為にサンプルを採取して品質をチェックしている。コンピュータ・ビジョンがあれば、人件費の削減が自動化され、検査はランダム・サンプリングの代わりに継続的に行われる。加工工場は顧客の要求を満たしていることを証明する膨大な量のデータを手に入れることができるため、水産会社はより良い決断を下し、軽薄なクレームを減らすために使用できる膨大な量の検査データを生成することができる。
結論
かつて多くの水産企業は、データを隠し、生産プロセスやサプライチェーンについて透明性を欠くことで、競争力を高めることができると考えていた。透明性と責任ある調達に対する市場の要求が高まる中、こうした姿勢は日を追うごとに時代錯誤になりつつある。情報化時代において、永続的な競争上の優位性は、人工知能を通じてデータに隠された洞察やパターンを発見する企業にもたらされる。
AIの旅を始めようとする企業への私のアドバイスは簡単だ。まず、データをデジタル化しましょう。データがなければAIは生まれない。第二に、自動化と最適化による早期勝利とコスト削減に焦点を当てることで、優先順位をつける。そして3つ目は、やりながら学ぶことだ。新しいデジタル技術の導入には段階的なアプローチをとる。
AIは水産業をより収益性の高いものにする一方で、持続可能性、特にサプライチェーンにおける水産物不正の検知と排除に役立つ可能性がある。AIが正確な予測を行うには、クリーンで包括的かつ完全なデータが必要であるため、産地とトレーサビリティに関する質の高いデータを収集する商業的インセンティブが高まるだろう。
スタンフォード大学の教授でAIの専門家であるアンドリュー・ングは、「勝つのは最高のアルゴリズムを持っている者ではない。最も多くのデータを持っている者が勝つのだ」と述べている。最高のデータを持っている者が勝つとも言える。
注：この記事はオンライン版InfoFish誌に掲載されたものです。 記事はこちら
脚注
1 アジャイ・アグラワル、アヴィ・ゴールドファーヴ、ジョシュア・ガンズ 予測マシン：The Simple Economics of Artificial Intelligence.ハーバード・ビジネス・レビュー・プレス、ボストン、2028年、29-30頁
2 https://this.fish/software-directory
3 フランソワ・モズニエ、ジョン・ウィリス、マット・マクラッキー追跡可能なリターン。プラネット・トラッカー.2020年10月
