E-19 El Estado de la Inteligencia Artificial en el sector marítimo

 19 El Estado de la Inteligencia Artificial en el sector marítimo 

https://thetius.com/ Maritime Research & Intelligence Consulting estratégico
https://www.lloyds.com Marine Insurance Marketplace Sociedad de Clasificación

RESUMEN .  Se trata de un Estudio publicado a finales de 2022, 40 paginas en inglés, sobre el estado del arte de la Transformación Digital  (TD)en el sector marítimo, basada en Inteligencia Artificial.  (IA) El Estudio tiene 3 capítulos:   1-     Breve historia de la IA 2-     La IA en la industria marítima 3-     Conclusiones y recomendaciones  La principal conclusión es que cualquier proyecto de TD en el sector marítimo, se lleva a cabo mejor, más rápido y mas económico con la intervención de IAs en sus diferentes aplicaciones. Este es otro argumento a favor del interés que tiene la IA en el proyecto MARINA DIGITAL 4.0. tecnología que acabará por llegar a la náutica y los puertos deportivos

La inteligencia artificial (IA) ha existido como concepto desde los primeros días de la informática. A través de una combinación de financiación deficiente y una falta general de potencia informática, se han necesitado casi 70 años de historia informática moderna para que las tecnologías de IA sean viables para su adopción a gran escala a partir del 2020. En la industria marítima, la adopción de la IA ha ido creciendo gradualmente durante varios años y recientemente se ha disparado. Así como existen diferentes tipos de inteligencia humana, existe toda una gama de diferentes tipos de inteligencia artificial. Estos incluyen gemelos digitales, aprendizaje automático, sistemas basados en el conocimiento, redes neuronales, sistemas de fusión de sensores y sistemas híbridos. Los diferentes tipos de sistemas se adaptan a diferentes casos de uso, y es importante elegir las herramientas adecuadas para el trabajo en cuestión.

1.- Breve historia de la IA  El concepto de inteligencia artificial ha existido desde los primeros días de la informática. Incluso en la década de 1950, muchos científicos, investigadores e ingenieros dedicaron tiempo a discutir este confuso campo de las máquinas pensantes. En 1956, un grupo de investigadores y científicos informáticos dirigido por John McCarthy se reunió en Dartmouth College y discutieron el trabajo de Turing y Minsky en el Proyecto de Investigación de Verano de Dartmouth sobre Inteligencia Artificial. Fue en esta conferencia que McCarthy presentó el término 'inteligencia artificial' para el publico. la conferencia fue considerado un catalizador para el crecimiento del campo de la Inteligencia Artificial como introdujo el potencial de la IA a otros investigadores de diversas disciplinas.

Tipos de IA  Investigadores de IBM las han clasificado en dos tipos generales; IA débil e IA  fuerte  La IA débil es el tipo de IA que está entrenada y enfocada para realizar tareas específicas. Es lo más forma común de IA en uso hoy en día. Ejemplo ChatGPT.  La IA fuerte, por otro lado, está organizada en dos tipos:  IA General, implica una máquina tener una inteligencia similar a humanos y es capaz de resolver problemas, aprender de ellos y planeando con anticipación.  Súper IA que clasifica una máquina cuya La inteligencia es mucho mayor que la de un ser humano. Ejemplo ORCA-AI aplicación israelí para  evitar colisiones en el mar.

2.- La IA en la industria marítima  El ritmo de adopción se ha disparado en la última década con el valor del Big data y la digitalización se vuelven más evidentes para muchos operadores al obtener una ventaja competitiva. El auge de la IA en la industria marítima se puede atribuir a esta mayor adopción de soluciones digitales y procesos basados en datos. En esencia, la transformación digital de cualquier organización radica en la combinación de personas, procesos y tecnología. La inteligencia artificial es uno de los principales impulsores que permiten a las empresas beneficiarse de un futuro más digital. Ha visto su implementación en los procesos tradicionales que se utilizan actualmente, las tecnologías que se están desarrollando para abordar los desafíos de la industria y hacia las personas a las que pretende apoyar.

Adopción rápida La adopción de la IA en la industria marítima se encuentra en una fase incipiente, y su desarrollo depende de la infraestructura informática y las soluciones de conectividad disponibles. Sin embargo, con las crecientes inversiones disparadas por la interrupción de la cadena de suministro global, la IA probablemente sea una de las tecnologías que pronto experimente la aceptación en toda la industria. En 2022 se estima que la industria marítima gastó $ 931 millones de dólares en soluciones con IA. Esta cifra se triplicará  en los próximos cinco años a $ 2.7 mil millones de dólares para 2027, una tasa de crecimiento anual compuesta del 23%. Este rápido crecimiento es impulsado en parte por la inversión en el sector.

3.- Conclusiones y recomendaciones
Mediante el uso de la IA, muchas empresas son capaces de optimizar sus procesos. Por ejemplo, a través de la digitalización se puede reducir significativamente el tiempo para gestionar documentación crítica en las cadenas logísticas, eliminando errores humanos y mejorando la seguridad. Hoy existen varios ejemplos que muestran como el uso de la IA empieza a asentarse:

 

3.1 Conclusiones

• Navegación autónoma

Se define como navegación autónoma cuando un buque es capaz de definir su rumbo y navegar sin intervención humana, con la ayuda de tecnologías diversas como sensores de radar, cámaras y el análisis y procesamiento de datos en tiempo real. La inteligencia artificial es un factor clave en el desarrollo de sistemas de navegación autónoma.

Existen diferentes iniciativas, tanto del sector público como del privado, relacionadas con el desarrollo de buques completamente autónomos. Entre ellas, cabe mencionar el proyecto ‘Autoship’, financiado por la Unión Europea, y el proyecto Dffas (Designing the Future of Full Autonomous Ship) del gobierno japonés, que se centran en impulsar la adopción de buques autónomos en todo el sector.

• Gestión digital del mantenimiento de equipos y maquinaria

El mantenimiento predictivo puede describirse como “la combinación de servicios de asistencia técnica y tecnología facilitada por soluciones digitales y procesos centrados en los datos”. A través de plataformas informáticas y sensores inteligentes instalados a bordo, estos sistemas son ca-paces de llevar a cabo diagnósticos, predicciones e incluso labores de mantenimiento en función de los datos recopilados. De esta manera, aseguran que la maquinaria y los equipos del buque estén en buen estado y funcionen de manera eficiente.

• Diagnóstico remoto

El diagnóstico remoto se centra en ámbitos en los que la IA no es capaz de analizar y reaccionar ante unas determinadas condiciones técnicas y factores ambientales. Esta tecnología depende de una plataforma que permite la conectividad entre los usuarios —como puede ser la tripulación de un buque o un equipo de una plataforma en alta mar—, que pueden comunicarse eficazmente y recibir asesoramiento de técnicos expertos a distancia. Puede llevarse a cabo a través de una plataforma basada en la nube o un entorno en línea.

Varias herramientas de diagnóstico remoto utilizan sistemas de IA junto a tecnologías como la realidad aumentada, la realidad virtual o la computación en la nube. Estos servicios de asistencia basados en IA, junto con el asesoramiento de expertos, han permitido completar con éxito operaciones técnicamente complejas y de gran importancia de forma económica y eficiente.

• Certificación y entrada en servicio virtual

Gracias a la IA y otras tecnologías, en la actualidad es posible llevar a cabo un proceso de certificación y entrada en servicio digital. Para ello, se utilizan los llamados gemelos digitales, que permiten simular el comportamiento y rendimiento de la estructura de un proyecto en un entorno no real.

Este proceso permite modelar y evaluar cada uno de los posibles escenarios sin correr los riesgos de llevar a cabo dichos ensayos en el mundo real. En resumen, reduce el riesgo ante posibles errores y aporta una mayor confianza a los equipos técnicos e ingenieros a la hora de certificar un proyecto para el mundo real.

3.2 Recomendaciones

La IA es una de las tecnologías de mayor crecimiento en el transporte marítimo durante al menos la última década. Puede revolucionar las operaciones marítimas y crear importantes ventajas competitivas para las empresas que la adopten. Pero no es sencillo. Aunque increíblemente potente, la IA todavía se encuentra dando sus primeros pasos en las aplicaciones para el sector. Las siguientes recomendaciones pretenden servir de guía a los operadores que deseen aprovechar el potencial de la IA y, al mismo tiempo, minimizar los costes y riesgos que conlleva experimentar con ella.

• Trabajar con los datos adecuados

Toda inteligencia se basa en datos. Datos que se almacenan y se recuperan para actuar y tomar decisiones. La IA no es diferente, depende de una ingente cantidad de datos para funcionar con eficacia. Gran parte de la capacidad de un sistema de IA proviene de los datos a los que tiene acceso. Que estos datos sean de alta calidad es, por tanto, un factor crítico para el desarrollo de sistemas de IA eficaces.

• Comprar o construir

La primera cuestión a la hora de adoptar un sistema de IA es si se desarrolla desde cero o si se compra a proveedores de este tipo de servicios. La mejor solución será una combinación de ambos, pero para la mayoría de los operadores será más sencillo y económico comprar el acceso a los algoritmos, conjuntos de datos o funciones necesarios para su sistema

• Aprovechar la experiencia

Cada vez hay más consultorías y proveedores de servicios especializados en el desarrollo de sistemas de IA y con experiencia marítima. Entre ellos, las sociedades de clasificación o Estados de Bandera que han invertido en el desarrollo de conocimientos y experiencia en este campo.

• Crear un entorno de pruebas seguro

La IA se basa en el principio de aprender del fallo. La forma de incentivar un algoritmo o un sistema influirá en su aprendizaje. Lo mismo ocurrirá con los datos de los que se alimente. Al principio del desarrollo de un sistema, esto puede dar lugar a resultados inesperados.