预测性AI如何重塑船舶管理与船员监管 | 航运界

如果人工智能（AI）能够预测出，在未来90天内船上哪位船员最有可能受伤会怎样？

近日，海事软件公司JiBe ERP首席执行官Yariv Zghoul表示，JiBe ERP正在借助人工智能做到在未来一段时间内船上船员有可能发生的事情。

人工智能强化预测分析以及处理大量数据的能力，有望革新船舶技术与船员管理，从而降低成本并提升航运安全性。

Yariv Zghoul表示：“例如，我们已经能够以81%的准确率预测出在未来90天内会受伤的船员姓名。”

这一说法是人工智能有望彻底改变船舶技术与船员管理领域的一个关键例证，因为其执行预测分析和处理大量数据的能力，为提升安全性、节省资金和减少人力需求提供了契机。

尽管人工智能在航次优化方面备受瞩目，且在无人驾驶方面潜力巨大，但技术专家表示，人工智能还可以改变船舶的运营和维护方式。

目前，多家海事技术公司正在朝着这个方向迈进。

总部位于波士顿的初创公司ShipIn，正利用人工智能技术分析来自安装在船舶各处的闭路电视（CCTV）摄像机的海量视频数据。大约10到15个摄像头所采集的数据，能够提供从船舶维护到船员安全，以及船舶航行等各方面的洞察。

ShipIn首席执行官Osher Perry表示，该公司开发的系统会针对需要立即关注的重大危险发出警报，并汇总检测到的所有信息，为船长或船舶管理人员提供各种风险指标。

Osher Perry说道：“我能够确定在我的整个船队中，哪些船舶风险最高，需要我重点关注，以及在整个船队中，哪些关键绩效指标（KPI）在战略层面需要引起重视。”

闭路电视在航运领域并非新鲜事物，在人工智能出现之前，主要用于事后应对，比如调查事故。

Osher Perry表示，这是因为一艘船每月可能产生1万小时的视频数据，远远超出了人类的分析能力：“我们谈论的是海量数据，这些数据是以TB来计数的，你需要一台机器来处理它们。”

生成式人工智能是驱动ChatGPT、DeepSeek，以及用于本文主插图的图像生成服务的技术，用于生成新的内容。

另一种人工智能被称为预测性人工智能，因为它能够基于实际数据可靠地预测结果。

专注于预测性人工智能的技术研究和金融公司Kaiju Worldwide首席执行官Ryan Pannell表示，预测性人工智能相比生成式人工智能具有巨大优势，因为它不存在可能扭曲分析结果的“幻觉”问题。

Ryan Pannell表示：“预测性人工智能的准确性受限于其获取优质数据的能力，我们只使用已知或收集到的源数据。”

Ryan Pannell和米利金大学（Millikin University）商学教授Mark Munoz在最近的一篇学术期刊中写道，人工智能驱动的技术进步可能会带来效率提升、成本节约，以及更好地遵守环境法规。

加州大学伯克利分校的《加州管理评论》（California Management Review）也概述了人工智能的好处，该评论指出，船员的状态管理可以显著削减成本，机器学习模型正被用于在故障发生前预测故障。此外，使用基于人工智能的监控系统进行船员监测，在安全性方面的潜在提升。

对此，Yariv Zghoul表示，在如今严格的安全标准下，生成式人工智能不够准确，无法用于操控船舶，但利用人工智能强化预测分析则完全是另一回事：“你可以使用可能已有60年、70年，甚至100年历史的统计模型进行大量计算，但现在将其执行提升到一个新的高度，使其在预测方面达到了全新的水平。人工智能强化预测分析最有用的是对15万名海员运行算法，在几秒钟内找出哪些人的船员证书可能被人工智能篡改过。”

JiBE ERP为诸如Teekay、中英船舶管理公司（Anglo-Eastern）和Idan Ofer旗下的Eastern Pacific Shipping等行业巨头提供船舶管理软件。目前，JiBE ERP正在部署人脸识别技术，以识别海员的压力、疲劳、愤怒或抑郁情绪。

然而，并非所有人都认同当今人工智能的强大程度。Kaiju Worldwide首席执行官Ryan Pannell对JiBE ERP能够以如此高的准确率预测90天后船员的受伤情况表示质疑：“预测性人工智能在短期内最为准确，在3到8天内的准确率非常高。超过这个时间范围，我们认为其有效性就会大打折扣。”

但Yariv Zghoul坚持自己的观点，因为JiBE ERP使用人工智能进行预测的方式有所不同：JiBE ERP能够预测船员受伤情况，部分原因是利用了人工智能进行大量计算的能力来构建马尔可夫链（Markov chains），这是一种金融分析师用于进行敏感度分析的数学方法。

此外，JiBE ERP还使用了贝叶斯统计（Bayesian statistics），这是另一种基于用观测数据更新统计模型的数据分析方法，并将这些方法应用于多个大型语言模型。

对此，Yariv Zghoul表示，JiBE ERP通过两种方法验证了船员受伤的预测结果。一方面，查看系统中海员的实际情况，但由于该功能相对较新，只能提供几个月的数据。另一方面，还对照历史船员数据对结果进行了验证。

Yariv Zghoul表示：“我们试图预测那些在正确的时间采取适当行动就可以避免的事件，算法比人类更能捕捉到行为上的细微变化，而人类则更擅长解决问题。”

专家表示，为了更好地发挥人工智能的作用，航运业需要更优质的数据。

对Yariv Zghoul来说，数据需要在JiBE ERP软件中以相同的方式进行组织。这意味着JiBE ERP为用户提供一个单一的软件即服务平台，这更倾向于为每个客户定制的方法更具优势。

然而，在《加州管理评论》中，Mark Munoz和Ryan Pannell指出，在一个复杂的行业中，由于信息分散，存在数据质量和数据停滞的问题：“这种缺乏统一性的情况使得整合数据变得困难，阻碍了人工智能分析全面数据集以获取准确洞察的能力。”

Yariv Zghoul认为，在船舶管理中部署人工智能可以解决航运业面临的一个问题，即岸上和海上的人员短缺。

Yariv Zghoul表示：“如今业航运业惯例是每艘船配备约2.5名岸上工作人员。我认为未来的航运公司将能够以更高的效率运营，所需的人员数量也会大幅减少，这个数字会远低于1人。

ShipIn首席执行官Osher Perry表示，对人工智能在航运领域的预测取决于对未来智能船舶的不同设想，比如它是否会完全自主，但他说毫无疑问，航运业对自动化有巨大需求，尤其是在数据处理方面。预计在未来海事行业目前分散的数据将实现整合。