近來年，AI技術迅速發展，雖然應用性的提高有限，但大規模集群計算的能力和成本卻在日益發展，讓越來多的行業可以利用起強大的算力，去解決那些以往無法解決的問題。
那麼，AI技術可以應用於海洋之中嗎？
機器學習應用於海洋勘探
海底蘊藏著很多礦產資源，想要開採這些資源需要準確找到它們的位置。海洋不像陸地，不能帶著幾百人的勘探隊走遍大海。
亥姆霍茲海洋研究中心開始嘗試用機器學習圖像分析介入，以尋找藏在太平洋海域下的礦產錳結核。
亥姆霍茲海洋研究中心利用機器學習分析水下機器人回傳來的圖像，分析出藏有錳結核的海床形態是什麼樣子，從而篩選掉大量模糊的運動照片，從清晰的照片中推算陌生海域藏有礦產的幾率，甚至還可以規劃水下探索線路，極大的提升了水下勘探的效率。
AI圖像識別保護海洋生物
除了勘探礦產，AI對於圖像識別的力量也可以用於保護海洋動物上。
海洋動物研究的難點在於，很多動物的行蹤太難尋覓，無法對群體的生活習慣進行深入的研究。
昆士蘭大學的研究團隊利用TensorFlow平臺開發了模型，用於在海洋航拍圖片中找到海牛的蹤跡，該模型的準確率已經達到了80%。利用航拍觀測海洋生物的形式距離海洋生物本體更遠，不會輕易干擾生態。
AI技術改變漁業規劃方式
非法捕魚是眼下對海洋生態影響最大的活動，如果說偷捕濫捕還能通過休漁期來進行控制，但漁船是否捕撈了保護魚類、是否過量捕撈都很難進行高效的監控。
在美國，甚至會出現獨立觀察員陪同捕魚的情況。
一些海外自然保護協會和環境管理部門開始推廣在漁船上強制安裝高清電子監控攝像頭，結合GPS定位實時監控漁船到底捕獵了哪些海洋生物。還計劃結合機器學習算法，自動監控漁船是否捕捉了保護魚類、是否過渡捕撈。
有高清攝像頭+算法+GPS的存在，每條漁船都變成了一個小小的探測器，對於進一步瞭解海洋生物生態有著很大的幫助。
有了AI更勝人類的圖像識別能力，結合多種圖像數據收集途徑，人們可以加速對海洋的認知範圍。未來在結合上對海水水質、水溫的監測，相信AI和海洋可以做到更多。
從“硅谷”到“硅海”
和其他AI與太空、地質、環境結合的不同之處在於，利用AI於對海洋深度認識和開發，最能直接作用於區域經濟的增長。
在過去，海洋對於區域經濟的作用基本在於漁業、航運和旅遊幾項之上。如今AI對於海洋的開發利用，或許可以重新帶動臨海區域經濟的增長。
首先，臨海地區對於海洋AI有著天然的地理優勢。AI研究海洋所需要的大規模運算，是可以“取之於海、用之於海”。微軟建立“海底數據中心”，利用海水來為服務器散熱。谷歌在芬蘭哈米納設立數據中心，利用海水進行散熱。那些在海邊的研究中心，可以利用優勢降低利用大規模計算的成本。
很多AI創新都需要大量採集數據或進行實地測驗，會有大量企業向便利的臨海地區聚集。像浙江舟山近年來就一直在利用自身的地理優勢，吸引AI創業企業，創造智慧海洋經濟。舟山舉辦的舟山全球海洋經濟創業，就吸引了不少像從事海洋生物種群識別、水下機器人等等類目的企業前來參與。對於舟山本地的經濟發展來說，有著不小的推動作用。
自然是AI對漁業可持續發展、海水汙染等等方面的直接作用。改善海洋生態、優化海洋環境，可以給予沿海地區從事漁業、旅遊業等行業更好的條件。
如果有政府組織進行領導，或許AI真的會成為臨海地區經濟增長的重要武器，從“硅谷”變成“硅海”。
想要真正讓海洋AI從研究走向應用、走向帶動區域經濟，需要的不僅僅是政府組織和技術研發兩方的努力，沒有巨頭的介入，整個行業就很難出現示範式的應用案例。同時創業企業能解決的問題有限，往往只是整體問題中的一小點，例如某一種汙染物的治理、某一種魚類的識別，很難系統性的解決問題。
相比之下，巨頭解決綜合性問題的能力更強，在智慧城市、城市大腦等方面的建設中，也累積了足夠的經驗。
海洋AI還是一片真正的“藍海”，或許未來當更多角色介入，這片無盡之海的價值，會被髮掘的更快。
閱讀更多 易捷金融 的文章
