Å lykkes på fiskefeltene har alltid handlet om å være på riktig sted til riktig tid. «Riktig» i denne sammenhengen er dog noe sammensatt. Årstid, algeblomstring, strøm, været, vinden, flo og fjære, er bare noen få av mange faktorer. Enda verre blir det når det skal fiskes på arter vi har lite erfaring med. Som krill. Av den grunn bestemte Aker BioMarine seg for å teste ut kunstig intelligens.
Uansett om du fisker med sluk, juksa, garn, line eller trål, handler alt om det ultimate «kastet». Kunsten å få maksimal mengde optimal fangst om bord med minst mulig anstrengelse. Sånn har det alltid vært. Det eneste som har forandret seg for oss nordmenn de siste 1 500 årene er metodene for finne dette «riktige» punktet.
– Gjennom mye prøving, feiling, ombygging av skip og oppbygging av en verdensomspennende verdikjede, har Aker BioMarine de siste tretten årene stått på hardt for å perfeksjonere kunsten å fangste krill på en bærekraftig måte. For ikke lenge siden kom de til oss med en hypotese om at vi med vår innsikt i maskinlæring og kunstig intelligens kunne hjelpe dem. Så da gjorde vi det, sier Lars Rinnan, ekspert på kunstig intelligens (AI) i Amesto NextBridge AS. Et selskap bestående av snaut 40 eksperter på dataanalyse, hvorav tolv med en doktorgrad i kvantitative fag.
Lars Rinnan
Administrerende direktør, Amesto NextBridge AS
Mange men små
Det er to av disse – en med doktorgrad i matematikk og en med doktorgrad i statistikk – Rinnan & co har satt på jobben med å finne en måte å bruke maskinlæring til å perfeksjonere det optimale «kastet» når det kommer til krill. Denne mikro-reka som i millioner av år har vært selve nøkkelen til Sørishavets økosystem. Til tross for sin størrelse utgjør krill en av klodens største biomasser. Stimene er så tette og store at de av og til kan ses fra verdensrommet. Stort er dessverre også Sørishavet.
– Selv om krill er en av verdens største biomasser, er det en nesten uutnyttet ressurs. Årsakene til dette er blant annet at krillen befinner seg langt unna infrastruktur, og det er svært kostbart både å bygge spesialfartøy og drifte dem langt fra sivilasjonen, sier Administredende direktør Matts Johansen i Aker BioMarine. Et selskap som ble kåret til Europas mest innovative selskap i 2018 og som er kjent for å ta i bruk ny teknologi for å «Improve Human and Planetary Health»
Matts Johansen
Administrerende direktør, Aker BioMarine
Mange bruksområder
Gjennom å benytte seg av maskinlæring vil Aker BioMarine også kunne predikere krillforekomster mye bedre enn i dag, noe som vil effektivisere driften, redusere forbruk av drivstoff og dermed CO2-utslippet fra flåten. Modellen vil også kunne brukes til forskning, og på den måten skaffe seg ny kunnskap.
– Det vi gjør er å benytte all tilgjengelig data, som er samlet inn av en gjeng dyktige folk i Cognite, og så analyserer vi dataene for å se om vi finner mønstre og innsikt som kan avsløre hvor og når det er størst sjanse for å maksimere fangsten, sier Rinnan.
Dyre båter langt hjemmefra
Alt fra graden av klorofyll i vannet og spekteranalyser, til isforhold og overflatetempratur – dagens og historisk – sammen med Akers fangstdata, inngår i datakildene. Hvor mange har ikke Rinnan anelse om. Men mange er det.
– Jobben vi gjør har to overordnede mål. Det ene er å redusere antallet letedager. Altså dager der fiskefartøyene er på lange turer uten å få gode fangster. Det andre målet er rett og slett å effektivisere fangstoperasjonen. Og da med best mulig kvalitet. For det er store variasjoner kvalitetsmessig. I tillegg vil krillfiskeriet få ny kunnskap om krillbiomassen som blir viktig i forvaltingen av ressursen i fremtiden, sier Rinnan.
Operative data langt å foretrekke
Amesto NextBridge har tidligere levert gode resultater for en rekke selskaper med sine lærende algoritmer. Blant annet for Equinor innenfor oljeleting. For Elkem optimaliserte de sammensetninger av tilsetningsstoffer i smelteovnsprosessene for renest mulig aluminium. Flere steder har kundene oppnådd flere tusen prosent «return on investment.» Det han imidlertid kanskje finner mest interessant er at den type analyser som gjøres for disse – Aker BioMarine inkludert – fungerer bedre når det er sprikende, operative data fra mange kilder som mates inn, enn det som er tilfellet når grunnlaget er mer homogene data fra for eksempel CRM- og økonomisystemer.
– De funker bra de også altså, men den fantastiske effekten får vi når vi går inn i kjernevirksomheten og bruker operative data til å forbedre gjennomføringen av en gitt prosess. Alt handler om å finne gull blant fryktelig mye gråstein gjennom å få datamaskiner til å gjenkjenne mønster. Algoritmen utvikler seg over tid og lærer fortløpende, etterhvert som den får stadig mer data fra stadig flere kilder. Noe av det morsomste er jo at tallene blir ytterst konkrete og dermed gjør det enkelt å regne ut «return on investment,» avslutter Rinnan.
Av Morten Iversen