Fartyg i Nordatlanten tar hjälp av AI och digital tvilling-teknik för att rädda utrotningshotade rätvalar.
AI-modellen WhaleCast från Fathom Science och SAS Institute visar var valarna troligen befinner sig, för att undvika kollision.
– WhaleCast är ett starkt exempel på hur AI kan användas för att skydda hotade valar och andra arter. Vi ser stora möjligheter att tillämpa samma metoder inom andra områden – från naturvård och folkhälsa till klimatanpassning, säger Josefin Rosén, expert på tillförlitlig och etisk AI-användning på SAS Institute i ett pressmedelande.
Lösningen har utvecklats av Fathom Science, en avknoppning från North Carolina State University, med hjälp av SAS Institute. Den bygger på en digital tvilling-modell av havet som för beslutsstöd i marina miljöer. WhaleCast kombinerar historiska observationer av valar med realtidsdata från havsmodeller för att visa var valar troligen befinner sig längs USA:s östkust. Informationen kan integreras med fartygens navigationssystem, så att kaptenen kan dra ned på hastigheten i riskområden och undvika kollision.
AI-teknik hjälper till att skydda valar
Tog hjälp av Data for Good – utvecklade 7 modeller
För att förbättra modellens precision och öka förtroendet för WhaleCast sökte Fathom stöd från SAS hållbarhetsinitiativ Data for Good. Med SAS Viya-plattform som bas kunde en SAS-volontär utveckla och jämföra sju olika maskininlärningsmodeller, bland annat med hjälp av syntetiskt genererade data som speglade verkliga observationer.
Genom att inkludera information om avstånd till kusten i modellerna förbättrades prognoserna ytterligare.
– Det var fascinerande att se hur snabbt SAS kunde ta fram både enklare och mer avancerade modeller, inklusive neurala nätverk. Det gav oss en tydlig bild av varje modells styrkor och begränsningar, säger Taylor Shropshire, ansvarig för marina resiliensfrågor på Fathom Science.
Visar hur AI kan adressera globala miljöutmaningar
Samarbetet mellan Fathom och SAS Institute visar hur avancerad analys och AI kan användas för att adressera globala miljöutmaningar – och hur syntetiska data kan ge insikter utan att kompromissa med känslig information.
Målet är att WhaleCast ska bidra till att minska antalet kollisioner och på sikt hjälpa till att rädda en av världens mest hotade valarter.
– Syntetiska data ger oss möjlighet att utveckla och testa kraftfulla AI-modeller även när data är känslig och tillgången är begränsad. Det gör tekniken särskilt värdefull i projekt där syftet är att skapa samhällsnytta, avslutar Josefin Rosén.
