Generatív mesterséges intelligencia a haditengerészetben: A kisméretű, védett adatkészletek korlátozzák az alkalmazást
A modern számítástechnika jelentősen javította a haditengerészet és a tengerészeti tervezés tervezési és építési folyamatait, de a korlátozott adatok visszatartják a további fejlődésben.
A haditengerészeti építészet és hajómérnökség (NAME) tudományág címe talán csak néhány száz éves, de az eredete több ezer évre nyúlik vissza az ókori civilizációkig, ahol az emberek hajókat építettek felfedezésre és kereskedelemre. Számos ember, köztük Arkhimédész, Bouguer és Chapman, formalizálta a felhajtóerő, a stabilitás és a hajótervezés elméleteit, tudományát és módszereit.
A NAME egy professzionális mérnöki tudományág, amely a tengeri hajók és szerkezetek tervezését, építését, tesztelését, felmérését, karbantartását és üzemeltetését fedi le. Az Egyesült Államok Partvédelmi Akadémiáján szereztem diplomát haditengerészeti építészet és hajómérnöki szakon, valamint mesterképzésemet az UC Berkeley-n. Az elmúlt 22 évben tengerészeti építészként dolgoztam egy magán tengerészeti tanácsadó cégnél, utasszállító kompok, oceanográfiai kutatóhajók, bárkák és egyéb hajók tervezésén dolgoztam.
Matt Miller 22 éve tengerészeti építész.
A konstrukciók olyan alapvető elemeket tartalmaznak, mint az úszódokk, egészen az összetett, 1200 láb hosszú tengerjáró hajókig és repülőgép-hordozókig, amelyek kisvárosként szolgálnak a nyílt óceánon. Az e tudományág szakemberei tengeri szélplatformokat, tengeralattjárókat, konténerhajókat, autonóm hajókat és szinte minden vízen vagy víz alatt működő tengeri járművet is terveznek.
Míg a haditengerészeti építészek jelenlegi generációja, beleértve jómagam is, a főiskolai kurzusaik során kézzel rajzolhatta meg a hajóvonalakat ceruzával, spline-nal és kacsával, a jelenlegi tervezési folyamatok között olyan fejlett számítógépes alkalmazások is szerepelnek, amelyek gépi tanulást is magukban foglalnak.
A hajó vonalai adják a hajótest formáját, amelyet a hajó tervezésének és felépítésének értékeléséhez használnak. Abban az időben, amikor ceruzákat és szálakat használtak, a vonalakat próba és hiba útján alakították ki, mivel a simaságot vizuálisan értékelték, és a papírlapokat radírdarabkák borították. Manapság létezik olyan szoftver, amely azonnali segítséget nyújt a hajótest vonalak fejlesztésében, és a történeti adatok gyűjtése és érvényesítése révén kifejlesztett algoritmusokra épít.
A modern számítási teljesítmény lehetővé teszi a mérnökök számára a változók tesztelését és azok hatékonyságának másodpercek alatti értékelését, ahol a múltban órákat vagy napokat vett igénybe. E képesség nagy része olyan képletekre és tudományokra épül, amelyek több száz éve léteznek. A szoftverek olyan előírásokat is tartalmaznak, amelyeknek meg kell felelniük a biztonsági előírásoknak.
Gyakran mondják, hogy a tengeri ipar lassan alkalmazza az új technológiát, de ha belép egy modern hajógyárba vagy mérnöki tervező cégbe, látni fogja a 3D modellezés, a számítási folyadékdinamika, a végeselem-elemzés és a robotikai gyártás rendszeres használatát. már nem pontos. Itt az ideje, hogy fontolóra vegyük a gépi tanulás és az AI formájában elérhető fejlett eszközöket.
A tengerészeti építészek és tengerészmérnökök által manapság használt fejlett szoftvercsomagok nagymértékben növelték a tervezési fejlesztés hatékonyságát és pontosságát. Ezen eszközök némelyike tökéletes a gépi tanulás és az AI beépítésére. Például a számítási folyadékdinamikát (CFD) használják a folyadékok modellezésére, amelyekben az edény utazik, elsősorban Navier-Stokes egyenletekkel.
A modern számítási teljesítménynek köszönhetően ezek a számítások elvégezhetők fizikai jelenségek kiértékelésére is, de ezekhez a szimulációkhoz még a mai számítógépekkel is nagy teljesítményű számítógépekre van szükség, és sok időt igényel a szimulációk futtatása. A vontatótartályokat még ma is használják a hajótest formai teljesítményének értékelésére és mérésére, de a CFD-nek köszönhetően képesek vagyunk "virtuális" vontatótartály munkameneteket végrehajtani és optimalizált hajótest formákat fejleszteni. Ezek ezután tovább tesztelhetők vontatótartályban ellenőrzés céljából, vagy akár vontatótartály tesztelése nélkül is megépíthetők. A gépi tanulás csökkentheti a szimulációk futtatásához szükséges időt, így pénzt takaríthat meg az ügyfél számára, miközben csökkenti a lehetséges hibákat is.
Az egyik elsődleges korlátja annak, hogy az alapvető gépi tanulási algoritmusokon túllépve a mesterséges intelligencia tengeri hajók tervezésére való felhasználására kerüljön sor, a rendszer számára elérhető korlátozott és védett adatkészletek. Ahhoz, hogy a mesterséges intelligencia sikeres legyen, nagy mennyiségű adatra van szükség ahhoz, hogy a mesterséges intelligencia rendszer a lekérdezésekből való érvényes válaszokat tudjon kivonni és azokra érvényes válaszokat készíteni. Robusztus adatkészlet nélkül az AI eredményei nem lesznek hasznosak ebben a mérnöki tudományágban. Cégem felismerte, hogy a sok éven át gyűjtött adatok begyűjtése és felhasználása létfontosságú a hibák csökkentése és a tervek javítása érdekében, ezért vannak folyamatban lévő kezdeményezések az adatok összegyűjtésére és felhasználására a jövőbeni tervekben.
Matt Miller haditengerészeti építészként személyszállító kompokat és számos más hajót tervez.
A haditengerészeti építészetnek és a tengerészeti mérnöki tudománynak valóban vannak olyan területei, amelyek kiterjedt adatkészletekkel rendelkeznek, és amelyeket felhasználnak a tervek javítására. Ide tartoznak az óceánhullám- és árammérések, a hajók manőverezési rekordjai és a tengeri felszerelések teljesítménynaplói. Bár hatalmas mennyiségű adat áll rendelkezésre az ilyen típusú tevékenységekhez, ezeket gyakran kormányzati szervek, üzemeltetők és berendezésgyártók tartják karban. Nem állnak rendelkezésre olyan globális adatkészletek, amelyek minden érdekelt fél számára előnyösek lennének.
A hajótervezési adatok számos okból különösen korlátozottak, és manapság nem használhatók. Ezek közé tartozik az olyan tervek magán- vagy állami finanszírozása, ahol az adatok a tulajdonos használatára korlátozódnak, a speciális hajótervek, ahol egy bizonyos típusú hajók száma korlátozott, valamint a rendelkezésre álló adatok gyakorlati felhasználásra történő összegyűjtéséhez, validálásához és biztosításához szükséges korlátozott finanszírozás. .
Az Austal, egy ausztráliai székhelyű hajótervező felfedte néhány részletét a DeepMorpher eszközéről, amely mesterséges intelligenciát és gépi tanulást használ a hajótestek formáinak optimalizálására. Az Austal sajtóközlemény leírja a nagy teljesítményű számítástechnika használatát a CFD végrehajtásához szükséges idő csökkentésére, valamint a 3D hajótest-tervek adatkészletét. Az Austal a hajótest formák nagy könyvtárával rendelkezik, amelyek segítségével tesztelték és ellenőrizték, hogy a DeepMorpher több nagyságrenddel felülmúlja-e a többi jelenlegi modellt.
A védett adatokra vonatkozó korlátozások a jövőben orvosolhatók, ha az adatok anonimitása igazolható, és a tulajdonos számára mérhető előnyökkel jár az adataihoz való hozzáférés biztosítása. Egyes tervezési döntések, például az általános elrendezések, amelyeket egy adott használati esetre vagy ügyféligényre terveztek, továbbra is tulajdonosok maradhatnak.
Azonban sok más tervezési döntés születik a matematikai bizonyosság vagy a szabályozási követelmények teljesítése érdekében, amelyek minden tervre vonatkoznak. Ha egy tulajdonos, beleértve egy kormányzati ügynökséget is, az adatok és a mesterséges intelligencia-rendszerek felhasználása révén javulást és hatékonyságot tapasztal a tervezésben, akkor alkalmasabb lehet az adatkészlet biztosítására.
Nem sokat tehetünk, hogy nagyobb számú egyedi hajót tervezzünk, de az adatoknak lehetnek olyan vonatkozásai, amelyek közösek más hajótervezéseknél, így az adatok felhasználásra bányászhatók. Időbe és pénzbe kerül az adatok érvényesítése és az egyedi szempontok eltávolításának ellenőrzése, így a költségek ismét egy olyan tényező, amely az adatok "tisztává" teszi az általánosabb felhasználást.
Matt Miller haditengerészeti építész egy hajó belsejében dolgozik.
A haditengerészet és a hajómérnökség egy érdekes mérnöki terület, amely megköveteli a hajótest formáját, belső szerkezetét, energiatermelését, energiaelosztását, belső kialakítását, lakó- és munkarendjét, ergonómiáját és még sok minden mást, amelyek életfenntartó úszó platformot eredményeznek. és segíti a legénységet a peron munkájának elvégzésében.
Minden tér és rendszer tervezése jelentős időt vesz igénybe, és számos fél igényeinek kielégítését is magában foglalja, így tervezési hibák előfordulhatnak. A mesterséges intelligencia az egyik módja annak, hogy csökkentsék a hibákat, biztosítsák a jogszabályoknak való megfelelést, megfeleljenek minden ergonómiai kívánságnak, és olyan terveket dolgozzanak ki, amelyek "működnek" az elektromos rendszerek és berendezések tervezésében és elrendezésében.
Egy hajógyár légi felvétele darugéppel és konténerhajóval a tengeren.
Napjaink modern hajói kiterjedt elektromos és vezérlőrendszerekkel rendelkeznek, a hajókban használt számítógépekkel, valamint új, teljesen elektromos és hibrid kompokkal, amelyek fejlett vezérlő- és felügyeleti rendszereket igényelnek. Az AI segíthet azonosítani és megoldani a konfliktusokat ezekben a rendszerekben a tervezési szakaszban, gyorsabban, mint az emberek, és potenciálisan kevesebb felügyeleti hibával.
A forgalmazott áruk közel 90%-át a vízen szállítják, és emberek millióit szállítják kompokon és más személyszállító hajókon szerte a világon. Az emberekre nagy a kereslet a tengerészeti ágazatban, mivel sok menetrend szerinti hajójárat késik vagy törölve van a korlátozott képzett személyzet miatt. Az Egyesült Államokban csak néhány főiskola kínál haditengerészeti és tengerészeti mérnöki diplomát, így nehéz olyan képzett személyeket találni, akik segítenék az ipart a gépi tanulás és az AI-technológiák terén.
Az emberi személyzet problémáját meg lehetne oldani robusztus mesterséges intelligencia technológiával, de jelenleg tyúk-tojás helyzet áll fenn. Tekintettel a kormányzati projekteknél jellemzően több hajószerződésre, a tervek nyitottabb jellegére (amíg nincsenek biztonsági korlátai), valamint a kutatásra és fejlesztésre rendelkezésre álló finanszírozásra, úgy tűnik, hogy az AI-technológia megvalósítása lehetséges entitásokkal. mint az amerikai parti őrség vagy az amerikai haditengerészet.
Az amerikai haditengerészet repülőgép-hordozója Norfolkban, Virginia államban.
Az Egyesült Államok haditengerészete egy nagy szervezet hasonló hajók flottájával, így ez a szervezet tökéletesen illeszkedik az AI-hoz és a gépi tanuláshoz. A Task Force Hopper 2021-ben indult a mesterséges intelligencia felgyorsítására a haditengerészet felszíni flottáján, elsősorban a műveletekre összpontosítva. A rendelkezésre álló hatalmas adatmennyiség és a hajótervek sorozata miatt azonban a mesterséges intelligencia a jövőben valószínűleg alkalmazható lesz a hajótervezési erőfeszítésekben.