航运业的数据革命
趋势中 作者：Raghib Raza
当今世界的人工智能。
人工智能是一个笼统的术语，指的是许多计算机系统以某种形式具有 "智能"；即使程序是由人类高度监督的。然而，"狭义的人工智能"（没有一般自主权的人工智能），虽然远没有那么有趣，却构成了当今社会对人工智能的更多看法。
人工智能的优势在于识别潜在的模式，从对人类分析能力来说过于复杂的数据中进行推断，并找到相应的问题解决方案。这些在诊断问题和寻找新的解决方案方面是非常有价值的，不仅在企业中，而且在从平凡的交通流问题到复杂的神经科学问题等大量领域中。麦肯锡的一项全球调查指出，企业采用人工智能的情况同比增长了25%。
航运业的人工智能。
物流是一个可以从人工智能中受益匪浅的领域，很直观地掌握了原始数据，正确处理后会指出物流瓶颈。它也可以用来运行模拟和测试解决方案，以简化所述瓶颈。海运业重视优化，因此相当没有明显的障碍，但人工智能可以走得更远，并通过微调集装箱路线、加油等操作来进行改进，使所有人受益。
完全自主的船舶是人们在想到海运业的人工智能时首先想到的事情。第一艘完全自主的船舶是由劳斯莱斯公司推出的，并在2018年进行了演示。五月花号自主船（MAS）是一艘自主的三体研究船，于2020年9月15日踏上了它的第一次旅程。它是由IBM和ProMare等公司共同努力，为研究全球变暖、微型塑料污染和海洋哺乳动物保护等关键问题而生产的船只。
位于波士顿的初创公司Sea machine robotics为商业目的建造了远程指挥船和完全自主的船只。他们还有一个工作船系统，通过该系统，旧船也可以以低于10万美元的价格进行改造。Sea machine最近宣布与马士基签订合同，使用情景感知技术，该技术将被应用于他们的冰级船舶。Sea machines预计这将减少40%的运营成本，提高200%的船舶生产力。
Silo.AI和Awake.AI这两家基于人工智能的私营公司正在合作，以提高港口物流的态势感知。他们的程序已经产生了对船舶到达时间的更好预测，改善了80%以上。他们还成功地将具有挑战性的手工分析船舶航线的工作自动化。这加快了货物物流规划，也提高了对航线上可能出现的潜在异常情况的检测能力，从而可以积极主动地应用解决方案。将人工智能应用于航运港口也有助于实现更有效的自动化；通过预测货物的到来，从而调动其他车辆，如挖泥车和叉车，使空闲时间最小化。
需要克服的挑战。
尽管今天的媒体可能使人工智能看起来坚不可摧和不可战胜，但它并非没有谬误。人工智能不是一个拥有所有答案的神奇八球。当面临复杂的问题时，需要精湛的技术才能得出一些解决方案，而其他问题可能根本无法解决。
许多专家认为，大多数人工智能的最关键部分是可用的数据集。缺乏良好的源数据会完全束缚人工智能的发展。大多数船上缺乏感官数据，以及基于拥有竞争优势而不愿意分享数据，会阻碍该领域的发展。另一个问题是不准确的或错误的数据。当在整个供应链中收集时，有很大的概率会在输入数据中出现错误，特别是当数据是由不熟悉人工智能的工人收集时。
缺少专家知识是另一个很大的缺点。在大多数狭义的人工智能中，建立一个能够正确处理和分析数据的框架是一种技能，而这种技能的短缺是可悲的。就像人工智能领域被吹得天花乱坠一样，许多公司感叹该领域缺乏技术工人。
迫在眉睫的人工智能取代工作的恐惧可能并不完全是没有根据的。随着供应链和物流业的 "优化"，有一个合理的概率，一些工作将被淘汰。一个很好的例子是，船舶航行成本的30%是船员的报酬，航运公司通过切换到完全自主的船舶，可以赚取丰厚的利润。
AI整合的回报。
像其他领域一样，航运业从数据革命中获益良多。绘制优化路线以节省燃料和避开障碍物，控制港口和船舶设备，以及预测船舶的退化情况只是冰山一角。日立欧洲有限公司。与欧洲最大的航运公司之一Stena Line合作，在船上实施人工智能，以减少燃料消耗，实现绿色倡议。
2017年6月，航运巨头马士基公司成为网络攻击的受害者，给公司造成超过3亿美元的损失。网络安全威胁通常是在异常的网络活动之前发生的。人工智能可以通过网络流量，检测出人类无法注意到的细微的网络异常情况。
提高安全性是另一个不容忽视的方面。75%的海上事故是由海运业的人为因素造成的（Allianz 2019）。因此，越来越依赖人工智能，不仅是为了减轻船员的负担，也是为了检测天气模式、犯罪热点、技术异常、港口条件等，并做出有利于所有人的明智决定。
在通过应用人工智能解决的无数挑战性和复杂问题中，也有一些平凡的方面，如文书工作的处理。海运业因每天必须一丝不苟地归档大量的文书工作而臭名昭著。虽然这对人来说是一项艰巨的任务，但计算机特别适合此类任务，可以更经济地完成没有错误的工作。
巨大的低效率在全球供应链中是固有的。随着时间的推移，人工智能将不可避免地在航运业的越来越多的方面找到它的方式。Nautic expo指出，由于人工智能的广泛采用，2023年的货运收入将从2017年的1660亿美元达到2050亿美元。
FleetMon 和人工智能技术。
"正确预测后续的港口到港口的路线在海运物流中起着不可或缺的作用，因此对于许多进一步的任务，如准确预测估计的到达时间是必不可少的。"
(D. Marten, C. Hilgenfeld, A. Heuer 2020, p.2)
FleetMon 该项目致力于研究一种可扩展的基于人工智能的方法，以预测基于AIS历史数据的船舶即将到达的港口目的地。该方法主要是为了填补船舶AIS目的地条目无法解释的情况。我们成功地找到了一个稳定和高效的数据库内人工智能解决方案，它建立在马尔可夫模型上，适合大规模并行预测任务的高精确度。这项研究是一个名为PRESEA（"基于实时的海上交通预测"）的资助项目的一部分。PRESEA项目由德国联邦经济事务和能源部（BMWi）资助。项目管理组织由尤利希项目管理机构（PtJ）在 "海上安全的实时技术 "呼吁框架内管理。该项目从2019年6月至2021年11月。
如果你有兴趣了解这种基于人工智能的方法，请阅读我们两位数据专家发表的开源论文。
