Pionierski monitoring elektroniczny w rybołówstwie
Przez prawie całą swoją karierę Amanda Barney była na misji rozwiązania niepokojącego problemu. W 1992 roku, będąc w gimnazjum w St. John's, w Nowej Fundlandii, była świadkiem załamania się zasobów dorsza na Północnym Atlantyku.
"Pamiętam, jak wiosłowałem w zatoce z ojcem i widziałem wszystkie dorsze" - wspomina. "Wydawało się niemożliwe, że już ich nie ma. Kiedyś widziałem ich tak wiele".
Barney bardzo odczuła ten wpływ, co stało się bodźcem dla jej życiowych poszukiwań. Studiowała nauki o rybołówstwie i oceanografię, a następnie przeniosła się na Alaskę w 2003 roku, aby rozpocząć pracę jako pokładowy obserwator rybołówstwa. Spędziła ponad 150 dni na morzu.
"Na Alasce doszłam do wniosku, że często rząd uważa, że rybacy kłamią, a rybacy uważają, że rządowi naukowcy nie rozumieją, co tak naprawdę dzieje się w oceanie" - wyjaśnia. Odczuwała namacalny brak zaufania między przemysłem a nauką.
Chciała wypełnić tę lukę i pomyślała, że technologie monitorowania na morzu mogą być "wyrównywaczem", dostarczając danych bazowych, którym zaufają zarówno szyprowie, jak i naukowcy.
Dziś Barney jest dyrektorem generalnym firmy Teem Fish Monitoring Inc. Jest jednym z pionierów rozwijających nowe technologie zbierania, digitalizacji i analizy danych dla rybołówstwa. Jej kariera ściśle odzwierciedla cykl wdrażania technologii w branży, od ręcznego zbierania danych analogowych jako obserwator na morzu 20 lat temu do dzisiejszego zarządzania najnowocześniejszymi projektami wykorzystującymi sztuczną inteligencję (AI).
Technologia monitorowania rybołówstwa tak naprawdę rozpoczęła się od systemów monitorowania statków (VMS). W 1982 r. firma Inmarsat uruchomiła pierwszą komercyjną usługę śledzenia, a w 1998 r. system automatycznej identyfikacji (AIS). W następnym roku wprowadzono pierwszy na świecie elektroniczny system monitorowania (EM) wykorzystujący kamery pokładowe w połów krabów w Kolumbii Brytyjskiej. Elektroniczne dzienniki pokładowe również zaczęły zastępować papierowe około tego czasu. Republika Południowej Afryki Olrac był jednym z pierwszych e-logów w 2003 roku. Dwa lata później Alaska uruchomiła pierwsze elektroniczne bilety na ryby, zapowiadając początek elektronicznego raportowania w rybołówstwie.
Do przełomowego wydarzenia doszło w czerwcu 2007 roku, kiedy Steve Jobs zaprezentował światu iPhone'a. Mobilne komputery zrewolucjonizowałyby świat, w tym rybołówstwo. Digitalizacja danych i śledzenie GPS było teraz dosłownie w zasięgu ręki. W 2008 roku, The Nature Conservancy zbudowało eCatch, jedna z pierwszych nowoczesnych aplikacji internetowych dla rybołówstwa. W 2012 roku pojawiła się wersja na iPhone'a.
Rybołówstwo doświadcza powolnych innowacji
Analiza 79 firm lub agencji dostarczających oprogramowanie dla światowego rybołówstwa sugeruje, że przyjęcie technologii było trudne. Ponad jedna czwarta firm została założona przed rokiem 2000, głównie przez pierwszą falę dostawców VMS. Następnie, przez ponad dekadę, fishtech był w dołku. Był to okres niewielkich pilotów, zwłaszcza w zakresie elektronicznego monitoringu. Dopiero w 2012 roku, wraz z dojrzewaniem komputerów mobilnych, zaczęły pojawiać się nowe firmy programistyczne i aplikacje agencyjne.
Mimo to, przyjęcie technologii było powolne w rybołówstwie w porównaniu do akwakultury. W ciągu ostatnich pięciu lat, sektor rybołówstwa widział tylko uruchomienie 21 nowych firm technologicznych lub aplikacji rządowych w porównaniu do 42 w akwakulturze.
Rybołówstwo jest również powolne w przyjmowaniu najnowocześniejszych technologii, zwłaszcza sztucznej inteligencji. Obecnie 18 procent dostawców oprogramowania - 14 z 79 - wykorzystuje lub pilotuje AI. Zdecydowana większość z nich stosuje wizję komputerową do analizy wideo i obrazów ze statków rybackich. Co ciekawe, siedem z aplikacji wykorzystujących AI zostało sfinansowanych przez organizacje pozarządowe, co sugeruje, że mniej niż połowa AI jest skomercjalizowana.
To wyraźny kontrast z akwakulturą, gdzie 70 procent całego oprogramowania zawiera sztuczną inteligencję. A tylko połowa AI w akwakulturze to wizja komputerowa.
Dlaczego innowacje w rybołówstwie wyprzedzają akwakulturę
Co stoi za tą rozbieżnością? Dwa czynniki. Po pierwsze, zachęty. W akwakulturze, AI obniża dwa z największych kosztów branży: optymalizację karmienia i zmniejszenie śmiertelności. Rolnicy są wewnętrznie zmotywowani do przyjęcia AI, ponieważ ma to sens biznesowy.
W rybołówstwie większość technologii jest napędzana nie przez dynamikę rynku, ale przez zgodność z przepisami. Rybacy niechętnie przyjmują technologie zwiększające nadzór z wyjątkiem, być może, poprawy bezpieczeństwa na morzu. Jednak monitoring elektroniczny okazuje się tańszy i mniej inwazyjny niż w przypadku ludzkich obserwatorów.
Drugi czynnik związany jest z czujnikami IoT, które napędzają gwałtowny wzrost ilości danych cyfrowych na świecie, które z kolei są paliwem zasilającym AI. Szacuje się, że ilość danych cyfrowych na świecie podwaja się co dwa lata. W rybołówstwie nie ma zbyt wielu czujników. Odławiacze ryb nie monitorują jakości wody, karmienia, tempa wzrostu i zdrowia ryb, w przeciwieństwie do hodowców, którzy wykorzystują wiele rodzajów czujników do zbierania tych istotnych danych.
Około 82 procent oprogramowania dla rybołówstwa zbiera dane z GPS, a 32 procent używa kamer. Jeszcze mniej (14 procent) wykorzystuje czujniki narzędziowe przymocowane do hydrauliki lub wciągarek w celu wykrycia aktywności połowowej lub RFID do identyfikacji narzędzi. Tylko dwie firmy wykorzystują dane z echosond do zasilania AI w celu poprawy szacunków dotyczących ryb w ławicach.
Wiele z nich koncentruje się na wyeliminowaniu papieru. Elektroniczne dzienniki połowowe stanowią 71 procent aplikacji, następnie VMS (53 procent) i elektroniczny monitoring (29 procent). Większość technologii skupia się na przemysłowych i średnich flotach, które stanowią tylko 18 procent z 2,86 miliona motorowych statków rybackich na świecie. To ma sens, ponieważ te łodzie łowią połowę światowych ryb. Mimo to, obecnie tylko 1 523 statki korzystają z elektronicznego monitoringu (Patrz raport TNC).
Prywatne fundacje wypełniają lukę w finansowaniu technologii rybołówstwa
W wyniku tego powolnego wzrostu, branża rybołówstwa widziała tylko ułamek kapitału wysokiego ryzyka i transakcji aniołów w porównaniu z akwakulturą. Według Crunchbase, istnieje tylko 9 zgłoszonych transakcji wśród 79 dostawców technologii dla rybołówstwa komercyjnego. Te transakcje wygenerowały prawie $19 mln USD inwestycji. W akwakulturze 82 firmy programistyczne wygenerowały 21 transakcji o wartości $293 mln USD. Wartość transakcji w akwakulturze była siedem razy większa niż w rybołówstwie.
Aby wypełnić lukę finansową, do akcji wkroczyły prywatne fundacje. W ciągu ostatnich dwóch dekad cztery fundacje - Walton, Packard, Moore oraz National Fish and Wildlife - wyłożyły $27,4 mln USD na dotacje na monitoring elektroniczny i pomoc techniczną w celu poprawy rozliczalności rybołówstwa. Trzy czwarte tych pieniędzy pochodziło od 2015 roku. I jeszcze więcej pieniędzy fundacji zostało włożonych w kampanie rynkowe, aby wygenerować zachęty - w tym lepsze ceny i dostęp do rynku - dla zweryfikowanych połowów.
Kampanie organizacji pozarządowych, granty fundacji i regulacje rządowe pomogły w przyjęciu technologii. Nic dziwnego, że Kanada, Stany Zjednoczone, Australia i Nowa Zelandia mają największą liczbę dostawców technologii. W istocie, Nowa Zelandia wprowadza elektroniczny monitoring na 300 przybrzeżnych statkach w ciągu najbliższych trzech lat. W Nowej Zelandii mieści się również SnapIT, jedna z najbardziej innowacyjnych firm EM, która jest pionierem w dziedzinie sztucznej inteligencji i przetwarzania "brzegowego" na statkach.
Sztuczna inteligencja kluczowa dla skalowania monitoringu elektronicznego
"Jeśli chcemy, aby elektroniczny monitoring skalował się na tysiące statków, potrzebni są nadludzcy recenzenci wideo" - mówi Barney. Tymi "nadludźmi" są algorytmy uczenia maszynowego.
Zdaniem Barneya, AI będzie miała kluczowe znaczenie dla obniżenia dwóch kosztów EM. Po pierwsze, algorytmy mogłyby przeglądać wideo na pokładzie statków i zachowywać tylko klipy z istotną działalnością połowową, zmniejszając koszty przechowywania i przetwarzania danych. "Wielkość archiwum wideo na statku musi zostać ograniczona", wyjaśnia Barney.
Po drugie, nagrania wideo muszą być automatycznie przeglądane przy użyciu algorytmów w celu sklasyfikowania i policzenia działań połowowych, takich jak gatunki, przyłowy, uderzenia ptaków, ustawienie narzędzi itp. Okazało się to wyzwaniem, ponieważ kąty kamery, zmienna pogoda, układ pokładów i zachowanie załogi mogą być bardzo różne na poszczególnych statkach.
"Problem polega na tym, że SI zostaje przetrenowana na małym zbiorze danych z jednego statku. Następnie umieszczasz ją na innym statku i SI nie wie, co się dzieje" - wyjaśnia Barney. "Musi zostać ponownie przeszkolona".
Celem jest teraz uniwersalizacja SI przy użyciu dużych zbiorów danych wideo z wielu statków do szkolenia algorytmów. Organizacja Nature Conservancy założyła Fishnet.AI aby zapewnić takie dane szkoleniowe. Kilka innych technologii może również okazać się nieocenionych dla skalowania, w tym potężne obliczenia brzegowe do uruchamiania AI na statkach i przystępnej cenowo łączności morskiej, której pionierem jest Starlink Elona Muska, wykorzystujący satelity na niskiej orbicie.
"Właściwie myślimy, że technologia może doprowadzić nas do miejsca, w którym możemy mieć użyteczne informacje w czasie rzeczywistym z setek tysięcy statków, które są przystępne cenowo" - mówi Barney. "To rozsądna rzecz, o której można marzyć".
Proszę się zapisać dla naszego miesięcznego newslettera Catch-Up aby otrzymać następny post.
