శాన్ ఫ్రాన్సిస్కో బే పనిచేస్తున్న ఫెర్రీలపై AI ఆధారిత తిమింగల హెచ్చరికలను పరీక్షిస్తోంది
శాన్ ఫ్రాన్సిస్కో బేలో, ఒక కమ్యూటర్ ఫెర్రీపై అమర్చిన టాబ్లెట్ కొన్ని సంవత్సరాల క్రితమే విచిత్రంగా అనిపించే ఒక పనిని చేస్తోంది: తిమింగలాలు ముందున్నప్పుడు సిబ్బందిని హెచ్చరించడం. వ్యవస్థ ఒక తిమింగలాన్ని గుర్తించిన వెంటనే, కెప్టెన్ వేగం తగ్గించుకోవడానికి లేదా మార్గం మార్చుకోవడానికి సరిపడా ముందుగానే అలర్ట్ పంపుతుంది. ఇది ఆ ప్రాంతంలోని అత్యంత కఠినమైన పర్యావరణ ఘర్షణలలో ఒకటిని ఎదుర్కొనే కొత్త పైలట్ ప్రాజెక్ట్కు మూల సూత్రం; అంటే తిమింగల వలస మరియు గట్టి వాణిజ్య రవాణా మధ్య పెరుగుతున్న ఓవర్ల్యాప్.
ఇచ్చిన మూల పాఠ్యంలో వివరించిన ఈ ప్రాజెక్ట్, అప్లైడ్ AI లోని ప్రాయోగిక మలుపును చూపిస్తుంది. సాధారణ ప్రయోజనాల కోసం పెద్ద బ్రేక్థ్రూ కోసం వెతకడం బదులు, ఈ వ్యవస్థ తక్షణ పరిణామాలున్న ఒక సంకుచిత ఆపరేషనల్ పనిపై నిర్మితమైంది: ఓ నౌక తిమింగలాన్ని ఢీకొనే అవకాశాన్ని తగ్గించడం. వాతావరణ మార్పుల వల్ల మారుతున్న పర్యావరణ పరిస్థితులు మరిన్ని గ్రే తిమింగలాలను బేలోకి తీసుకువస్తున్న ఒక రద్దీ జలమార్గంలో, అటువంటి లక్ష్యిత హెచ్చరిక వ్యవస్థ, పెద్ద నియంత్రణ లేదా మౌలిక సదుపాయాల మార్పులను ఎదురుచూడకుండా AI సంరక్షణకు ఎలా తోడ్పడగలదో చూపించే నమూనాగా మారవచ్చు.
ప్రమాదం ఎందుకు పెరిగింది
ఈ పైలట్లో పాల్గొన్న పరిశోధకుల ప్రకారం, గ్రే తిమింగలాలు ఒకప్పుడు బేలో అరుదుగా కనిపించేవి, కానీ వాతావరణ మార్పులు సముద్ర ఆహార వనరులను ప్రభావితం చేయడంతో అది మారుతోంది. అలాస్కా నుండి మెక్సికో వరకు జరిగే దీర్ఘ వలస సమయంలో ఈ జంతువులు ఇప్పుడు ఈ ప్రాంతంలో ఎక్కువగా ఆగుతున్నాయి. అయితే, బే భద్రమైన విరామ స్థలం కాదు. ఇది కార్గో షిప్లు, క్రూయిజ్ షిప్లు, ఆయిల్ ట్యాంకర్లు, ఫెర్రీలు, మరియు ఇతర నౌకలతో నిండి ఉంది; దీని వల్ల సముద్ర జీవాలు ఈ ప్రాంతంలోని అత్యంత రద్దీ రవాణా మార్గాల్లో ఒకటిలోకి కుదించబడుతున్నాయి.
గత సంవత్సరం బేలో 21 తిమింగలాలు చనిపోయాయని, వాటిలో 40% మరణాలకు ఓడల ఢీకొనడమే కారణమని మూల పాఠ్యం చెబుతోంది. ఇది సమస్యను పర్యావరణంగానూ, ఆపరేషనల్గానూ చేస్తుంది. ఫెర్రీ సిబ్బంది మరియు వాణిజ్య ఆపరేటర్లు వాతావరణం, రద్దీని మాత్రమే కాదు, అదే మార్గాలను పెద్ద సముద్ర స్తనపాయులతో పంచుకుంటూ ఉండటం వల్ల, ముఖ్యంగా రాత్రి లేదా పొగమంచులో, అవి ఎప్పుడు కనిపిస్తాయో ముందుగా చెప్పడం మరియు సమయానికి గుర్తించడం కష్టమవుతోంది.
యూనివర్సిటీ ఆఫ్ కాలిఫోర్నియా సాంటా బార్బరా యొక్క బెనియోఫ్ ఓషన్ సైన్స్ ల్యాబ్కు చెందిన రాచెల్ రోడ్స్, మూల పాఠ్యంలో ఈ పరిస్థితిని స్పష్టంగా “విపత్తుకు రెసిపీ” అని వివరించారు. చిన్న స్థలం మరియు భారీ నౌకా రద్దీ వల్ల, ఢీకొనడం ప్రమాదం భవిష్యత్లో ఉండే అంశం కాదు. ఇది ఇప్పటికే తిమింగల మరణానికి కొలిచే స్థాయిలో ఉన్న కారణం.
గుర్తింపు వ్యవస్థ ఎలా పనిచేస్తుంది
ఈ పైలట్ అనేక స్థాయిల సెన్సింగ్ మరియు నిర్ధారణను కలుపుతుంది. బెనియోఫ్ ఓషన్ సైన్స్ ల్యాబ్ నిర్వహించే WhaleSafe, నివేదించిన తిమింగల దర్శనాలను ట్రాక్ చేసి నౌకలకు అలర్ట్ ఇవ్వడానికి సహాయపడుతుంది. దక్షిణ కాలిఫోర్నియాలో, ఆ గుంపు తిమింగల శబ్దాలను వింటున్న అకౌస్టిక్ బాయ్స్ సహా ఇతర పరికరాలను కూడా పరీక్షించింది. కానీ గ్రే తిమింగలాలు అంతగా శబ్దం చేయవని మూల పాఠ్యం చెబుతోంది, అందువల్ల ఈ అనువర్తనానికి అకౌస్టిక్ మానిటరింగ్ అంత ఉపయోగకరం కాదు.
శాన్ ఫ్రాన్సిస్కో బే కోసం, భాగస్వాములు థర్మల్ కెమెరాల వైపు మొగ్గారు. ఈ కెమెరాలు తిమింగలం ఉపరితలానికి వచ్చినప్పుడు దాని శ్వాసలోని వేడి సంకేతాన్ని గుర్తించగలవు. వ్యవస్థ వెనుక ఉన్న WhaleSpotter అనే స్టార్టప్, ఆ థర్మల్ చిత్రాలను విశ్లేషించడానికి AIని ఉపయోగిస్తోంది. అనంతరం ప్రపంచవ్యాప్తంగా ఉన్న నిపుణుల నెట్వర్క్ రియల్ టైమ్లో ప్రతి తిమింగల దర్శనాన్ని నిర్ధారించి, అటుపై మాత్రమే అలర్ట్ పంపుతుంది.
ఆ వర్క్ఫ్లో కీలకం. ఇది unchecked భద్రతా నిర్ణయాలు తీసుకునే స్వయంచాలక విజన్ మోడల్ మాత్రమే కాదని చూపిస్తుంది. AI వేగవంతమైన చిత్ర విశ్లేషణను నిర్వహిస్తుంది, కానీ గుర్తింపులను ధృవీకరించడానికి మానవ నిపుణులు ఇంకా వ్యవస్థలోనే ఉంటారు. తప్పుడు పాజిటివ్లు, తప్పుడు నెగటివ్లు రెండూ ఖర్చులు కలిగించే ఆపరేషనల్ వాతావరణాల్లో, పూర్తి ఆటోమేషన్ కంటే ఈ హైబ్రిడ్ నిర్మాణమే ఎక్కువ వాస్తవికం.
ఇచ్చిన మూల పాఠ్యం ప్రకారం, ఈ థర్మల్ వ్యవస్థ తిమింగలాలను నాలుగు నాటికల్ మైళ్ల ముందుగానే గుర్తించగలదు. WhaleSpotter CEO షాన్ హెన్రీ ప్రకారం, నౌక ప్రమాద ప్రాంతానికి చాల దూరంలో తిమింగలాన్ని గుర్తించి కెప్టెన్ సరిదిద్దుకునే చర్యలు తీసుకునేలా సమయం ఇవ్వడమే లక్ష్యం. సారాంశంగా, ఈ టెక్నాలజీ సిబ్బందికి సమయం కొనిపెడుతోంది, అది ఢీకొనకుండా ఉండే ప్రయత్నంలో అత్యంత విలువైన వనరుగా మారుతుంది.
ఫెర్రీ ఆపరేటర్లు ఇప్పటివరకు ఏమి చూస్తున్నారు
ఈ పైలట్ రెండు చోట్ల కెమెరాలను ఉపయోగిస్తోంది, అందులో ఒకటి తిమింగల సీజన్లో ఇప్పటికే మానవ లుకౌట్ ఉన్న ఫెర్రీపై ఉంది. ఇది శిక్షణ పొందిన పరిశీలనను మరియు పరికరాల సహాయంతో గుర్తింపును నేరుగా పోల్చే అవకాశాన్ని ఇస్తుంది. మూల పాఠ్యం ప్రకారం ప్రారంభ సంకేతం ఏమిటంటే, థర్మల్ వ్యవస్థ కొన్ని సార్లు సిబ్బంది కంటికి లేదా బైనాక్యులర్స్కు కనిపించేముందే తిమింగలాలను గుర్తించగలదు.
సాన్ ఫ్రాన్సిస్కో బే ఫెర్రీ ఆపరేషన్స్ డైరెక్టర్ థామస్ హాల్, మూల పాఠ్యంలో, బోర్డులో ఉన్నవారు తామే దర్శనం చేయడానికి కొద్దిసేపటి ముందే అలర్ట్లు తరచుగా వచ్చాయని చెప్పారు. ఆ చిన్న ఆధిక్యం కూడా పనిచేసే నౌకలో సాధారణ వేగ సవరణకు, హడావుడిగా తప్పించుకునే చర్యకు మధ్య తేడాగా మారవచ్చు.
మానవ పరిశీలనకు అత్యంత కష్టమైన పరిస్థితులను కూడా ఈ వ్యవస్థ ఎదుర్కొంటుంది. ఇది రాత్రి మరియు దట్టమైన పొగమంచులో పనిచేయగలదు, ఆ సమయంలో అనుభవజ్ఞులైన లుకౌట్లు కూడా ఉపరితలానికి వచ్చిన జంతువులను మిస్ చేయవచ్చు. టాబ్లెట్ ఇంటర్ఫేస్ తిమింగలం స్థానాన్ని రాడార్పై చూపిస్తుంది, క్షణిక దృశ్య సంకేతాన్ని ఉపయోగించగల నావిగేషనల్ ఇన్పుట్గా మారుస్తుంది. ఇది సూక్ష్మమైన కానీ ముఖ్యమైన దశ: సాధనం కేవలం సమీపంలో ఎక్కడో తిమింగలం ఉందని చెప్పడమే కాదు, అది డిటెక్షన్ను ప్రయాణిస్తున్నప్పుడు సిబ్బంది ఉపయోగించగల రూపంలోకి మార్చుతుంది.
AI అమలులో వేరే రకం
ఈ పైలట్ను ప్రత్యేకంగా నిలబెట్టేది సంరక్షణ లక్ష్యమే కాదు. అది AI అమలు విధానం కూడా. AIపై అనేక ప్రజా చర్చలు ఇంకా చాట్బాట్లు, ఇమేజ్ జనరేషన్, మరియు స్వయంప్రతిపత్తి గురించి విస్తృత వాదనలపై దృష్టి పెడుతున్నాయి. ఈ ప్రాజెక్ట్ మరింత సంకుచితమైనది, మరింత స్థిరమైనది. ఇది సెన్సార్లు, మానవ నిర్ధారణ, మరియు స్పష్టమైన నిర్ణయ మార్గంతో కలిపి యంత్ర విశ్లేషణను ఉపయోగిస్తుంది. విజయాన్ని కొలిచే ప్రమాణం కూడా అంతే స్పష్టమైనది: నౌకలు మరియు తిమింగలాల మధ్య తక్కువ ఢీకొన్న ఘటనలు.
అది వ్యవస్థ సులభమని అర్థం కాదు. ఇది థర్మల్ ఇమేజింగ్, బలమైన అలర్టింగ్, నిపుణుల సమీక్ష, మరియు ఆపరేటర్ నమ్మకంపై ఆధారపడి ఉంటుంది. కానీ AI యొక్క అత్యంత ప్రభావవంతమైన వినియోగాలు ఒక్కోసారి స్టాండ్అలోన్ వినియోగదారుల ఉత్పత్తులకన్నా భౌతిక మౌలిక సదుపాయాలకు జతచేసిన చిన్న ఇంటర్ఫేస్ల నుంచే రావచ్చని ఇది గుర్తు చేస్తుంది. ఒక ఫెర్రీ కెప్టెన్కు సాధారణ ప్రయోజనాల సహాయకుడు అవసరం లేదు. కెప్టెన్కు ముందున్న ప్రమాదకరమైన, సున్నితమైన వస్తువు గురించి ముందస్తు హెచ్చరిక కావాలి.
తర్వాత ఏముంది
ఈ పైలట్ కనీసం రెండు సంవత్సరాలు కొనసాగుతుందని భావిస్తున్నారు, దీని ద్వారా పరిశోధకులు మరియు ఆపరేటర్లు వివిధ ఋతువులు మరియు పరిస్థితుల్లో వ్యవస్థ పనితీరును అంచనా వేయడానికి సమయం పొందుతారు. ఆ కాలరేఖ ఈ ప్రయత్నం ఇంకా ఆధారాలను సేకరిస్తున్న దశలో ఉందని, పూర్తయిన అమలుకాదని సూచిస్తుంది. అయినప్పటికీ, డిజైన్ ఇతర రద్దీ తీర మార్గాలకు కూడా విస్తరించగల నమూనాను సూచిస్తోంది, అక్కడ సముద్ర స్తనపాయుల రవాణా వాణిజ్య షిప్పింగ్తో ఓవర్ల్యాప్ అవుతుంది.
ఈ వ్యవస్థ నమ్మదగినదని నిరూపితమైతే, అది ఇప్పటికే నివేదించిన దర్శనాలు, ఇతర ప్రాంతాల్లోని అకౌస్టిక్ మానిటరింగ్ వంటి పరికరాలతో కూడిన తిమింగల రక్షణ సాధనాలను మరింత బలపరచగలదు. లక్ష్య జాతులు నిశ్శబ్దంగా ఉండే, దృశ్యమానం తక్కువగా ఉండే, మరియు నౌకల సాంద్రత ఎక్కువగా ఉండే చోట థర్మల్ గుర్తింపు ప్రత్యేకంగా ఉపయోగకరంగా ఉండొచ్చు.
శాన్ ఫ్రాన్సిస్కో బే పైలట్ తిమింగలాలను మరింత ప్రమాదకర వాతావరణాల్లోకి నెట్టే పెద్ద వాతావరణ ఒత్తిడులను పరిష్కరించదు. అయినప్పటికీ, ఒక నిర్దిష్ట ఆపరేషనల్ సమస్యను జాగ్రత్తగా పరిమితంగా ఉన్న సాంకేతిక వ్యవస్థతో ఎలా ఎదుర్కోవచ్చో ఇది చూపిస్తుంది. ఆ అర్థంలో, ఈ ప్రాజెక్ట్ అడవిలోని AIకి ఒక ప్రాయోగిక ఉదాహరణగా నిలుస్తోంది: మానవ నిర్ణయాన్ని భర్తీ చేయడం కాదు, కానీ రద్దీగా మరియు మారుతున్న వాతావరణంలో నష్టం తగ్గించేందుకు దాన్ని సరిపడా విస్తరించడం.
ఈ వ్యాసం Fast Company నివేదిక ఆధారంగా రూపొందించబడింది. మూల వ్యాసాన్ని చదవండి.
Originally published on fastcompany.com
