釋放潛力：大數據和人工智慧徹底改變漁業
商業捕魚是一個比我們大多數人認為的更重要的產業。事實上，它在食品、醫療和美容產業中扮演著至關重要的角色。然而，隨著污染和人口的增加，過度捕撈現在已成為海洋中的一個問題。過度捕撈會帶來幾個問題，包括：海洋生態系統退化、領土衝突、海洋生物多樣性喪失、非法捕撈、糧食安全受到威脅、多個物種滅絕。永續捕撈為這些問題提供了解決方案。因此，永續捕撈是使用尊重棲息地和邊界的捕撈方法，確保海洋中有足夠的魚，並為那些依賴捕魚為生的人提供生計。
根據麥肯錫的一項分析，「總體而言，由於全球人口增長、中產階級的發展和更趨城市化，世界魚類消費量預計將從 2020 年到 2030 年增加 20%。」 全球範圍內都在使用技術來促進永續捕撈。利用人工智慧 (AI)、機器學習 (ML)、衛星數據和地理空間數據集等技術可以使養魚具有永續性，並提供相關證明。
基於深度學習的物件和圖像識別工具在這個領域中變得越來越重要。例如，機載攝影機和圖像識別為漁民提供了有關其漁獲的關鍵資訊，包括其數量、大小、周圍環境、距離和許多其他因素。
今天，由於陸地和衛星行動網路以及智慧型手機的發展，漁業可以更輕鬆地將來自漁船的數據傳輸到演算法中進行分析。商業漁業將受益於這些發展，從而能夠在捕撈過程的捕撈前、捕撈中和捕撈後階段更好地做出決策。
人工智慧如何賦能水產養殖決策？
漁業使用人工智慧來收集有關各種有組織的和可操作的漁業項目的數據。它是一種地理資訊系統，用於創建、維護和更新具有重要商業價值的海洋物種的分佈圖。
- 從其感測器收集大部分數據。
- 將使用 Sensing Aqua 技術開發預測分析，以改善數據驅動的決策。
- 機器魚 Shoal 使用人工智慧來識別水中的污染。
- 機器人必須能夠在作為一個群體啟動後導航其周圍環境。
在海洋環境中使用影片和圖像分析是漁業中人工智慧的一個例子。 VIAME 是 Kitware 與 NOAA 的自動圖像分析戰略倡議 (AIASI) 合作創建的開源系統，用於分析水下影片和圖像，以進行漁業資源評估。 VIAME 將使快速且經濟實惠地整合新的演算法模組、數據集和工作流程成為可能。
驅動的改進：
用於監測漁業的大數據技術：
然而，由於對漁業的幾乎完全監測，當局現在面臨著一個新的更嚴重的問題：只有仔細檢查攝影機記錄，它們才有用。政府部門了解捕魚作業並標記非法活動的唯一可靠方法是透過這種方式。因此，一些控制當局僅對記錄進行不頻繁的審計，然後使用「信任基礎」比較將其發現與漁民的捕撈日誌進行比較。然而，這破壞了有效管理漁業的努力，並催生了應對該問題的新策略。目前，機器學習和人工智慧正被用於將大量的圖像增強為更有用的「大數據」。大數據包括客戶交易記錄、生產資料庫、網路流量日誌、自動化、衛星、感測器和物聯網。
海鮮消費者的利益：
結論：
儘管計算機控制的漁業由於大數據和人工智慧而取得了長足的進步，但在完全自動化之前還有很長的路要走。然而，充分投資於人工智慧和自動化將使我們能夠生產更多的海鮮來養活世界不斷增長的人口，同時也能降低我們的環境影響和成本。儘管人工智慧得到了發展，但完全自動化還不可能實現。研究人員正在開發一種無需任何人為輸入即可運行的技術。人工智慧水產養殖場的運營準確度接近 95%，可以更輕鬆地管理和維護。如果正確應用人工智慧，水產養殖產品的產量可以迅速提高。
作者：Sakshi Gupta