旧金山湾正在营运中的渡轮上测试AI驱动的鲸鱼预警
在旧金山湾，一块安装在通勤渡轮上的平板电脑正在完成一项几年前还会显得不同寻常的工作：在前方有鲸鱼时提醒船员。系统一旦探测到鲸鱼，就会提前发出警报，让船长有足够时间减速或改变航向。这是一个新试点的核心设想，目标直指该地区最棘手的环境冲突之一，即鲸鱼迁徙与密集商业航运日益重叠的问题。
这项项目在所提供的原文中被描述出来，体现了应用AI的一种务实转向。它不是追逐通用型突破，而是围绕一项具有直接后果的狭窄运营任务来构建系统：降低船只撞上鲸鱼的可能性。在一条繁忙水道中，气候驱动的生态变化正让更多灰鲸进入海湾，这类有针对性的预警系统可能会成为AI如何在不等待重大监管或基础设施变化的情况下支持保护工作的范例。
风险为何上升
参与该试点的研究人员表示，灰鲸过去在海湾内并不常见，但随着气候变化影响海洋食物来源，这一情况正在改变。动物们在从阿拉斯加到墨西哥的漫长迁徙途中，越来越多地停留在这一带。不过，这片海湾并不是一个安全的中途停靠点。货船、邮轮、油轮、渡轮和其他船只在此交错穿行，把海洋生物压缩进该地区最繁忙的运输走廊之一。
原文称，去年海湾中有21头鲸死亡，其中40%的死亡被归因于船只撞击。这使得挑战既是生态问题，也是运营问题。渡轮船员和商业运营者面对的并不只是天气和交通，他们正越来越多地与大型海洋哺乳动物共享同样的航线，而这些动物的出现很难预测，也很难及时发现，尤其是在夜间或浓雾中。
加州大学圣塔芭芭拉分校 Benioff Ocean Science Lab 的 Rachel Rhodes 在原文中直言不讳地把这种情况称为“灾难的配方”。有限的物理空间和繁忙的船舶交通意味着，碰撞风险并不是遥远而抽象的担忧，而是已经可测量的鲸类死亡原因。
探测系统如何运作
该试点结合了多层感知与验证。由 Benioff Ocean Science Lab 运营的 WhaleSafe 平台已经在追踪鲸鱼目击报告，以帮助向船只发出提醒。在南加州，该团队还测试过其他工具，包括监听鲸鱼声音的声学浮标。但原文指出，灰鲸并不特别爱发声，这限制了声学监测在此应用中的作用。
因此，在旧金山湾，合作方转而采用热成像摄像头。这些摄像头可以探测到鲸鱼浮出水面时呼吸带来的热信号。系统背后的初创公司 WhaleSpotter 使用AI分析这些热图像。随后，一个遍布全球的专家网络会在警报发送前实时确认每一次鲸鱼目击。
这一工作流程很重要。它说明系统并不是一个未经把关、直接做出安全决策的自动视觉模型。AI负责快速图像分析，但人类专家仍留在流程中核实探测结果。在误报和漏报都伴随成本的运营场景里，这种人机混合结构通常比完全自动化更现实。
根据所提供的原文，热成像系统最远可提前四海里探测到鲸鱼。WhaleSpotter 首席执行官 Shawn Henry 表示，关键在于在船只的危险区域之前尽早发现鲸鱼，以便船长采取纠正措施。换句话说，这项技术试图为船员争取时间，而在避碰中，时间往往是最宝贵的资源。
渡轮运营方目前看到什么
该试点在两个地点安装了摄像头，其中一个地点是一艘在鲸鱼季节本来就有人工瞭望员的渡轮。这为训练有素的观察与仪器辅助探测提供了直接的运营对比。原文的早期迹象表明，热成像系统有时能比船员用肉眼或望远镜看到鲸鱼稍早一步识别出来。
San Francisco Bay Ferry 的运营总监 Thomas Hall 在原文中表示，警报通常会在船上人员自己看到鲸鱼之前几乎提前到达。这一点优势看似不大，但在一艘正常运营的船上，它可能意味着常规减速和仓促规避之间的差别。
该系统也解决了人类观察最困难的场景。它可以在夜间和浓雾中运行，而即使是经验丰富的瞭望员，也可能错过浮出水面的动物。平板界面会在雷达上显示鲸鱼的位置，把转瞬即逝的视觉线索转化为可执行的航行输入。这是一个细微却重要的步骤：工具不只是宣布附近某处有鲸鱼，而是把探测结果转换成船员在航行中可以实际使用的信息。
一种不同的AI部署方式
这个试点引人注目的地方，不只是它的保护目标，更在于AI部署的形式。关于AI的许多公共讨论仍然集中在聊天机器人、图像生成和关于自主性的宏大说法上。这个项目则更窄、更扎实。它把机器分析与传感器、人类验证和清晰的决策路径结合起来。成功指标同样具体：减少船只与鲸鱼之间的碰撞。
这并不意味着系统简单。它依赖热成像、可靠警报、专家审查和运营方信任。但它提醒我们，AI最有影响力的一些用途，可能来自连接物理基础设施的朴素界面，而不是独立的消费级产品。渡轮船长不需要一个通用助手。船长需要的是更早知道前方正有一个巨大而脆弱的东西。
接下来
该试点预计至少持续两年，这将给研究人员和运营方时间，去评估系统在不同季节和条件下的表现。这个时间表表明，该项目仍处于收集证据阶段，而不是已经完成部署。不过，其设计指向一种可扩展模式，适用于其他繁忙沿海航线，在那里海洋哺乳动物的活动与商业航运相重叠。
如果系统被证明可靠，它可能会加强更广泛的鲸类保护工具包，其中已经包括目击报告，在其他地区还包括声学监测。热成像探测在目标物种不太爱发声、能见度差且船只密度高的地方，可能尤其有用。
旧金山湾试点并不能解决把鲸鱼推向更危险环境的更大气候压力。不过，它确实展示了如何用一个经过严格限定的技术系统，解决一个具体的运营问题。从这个意义上说，该项目是AI在真实世界中的一个实用例子：它不是取代人类判断，而是在拥挤且不断变化的环境中适度延伸这种判断，从而减少伤害。
本文基于 Fast Company 的报道。阅读原文。
Originally published on fastcompany.com