Integration av AI-teknologier, särskilt stora språkmodeller (LLM), kan inte bara lösa dagens operativa utmaningar, utan även bana väg för framtida lösningar som förbättrar effektiviteten och stärker hållbarheten inom sjöfarten. Det visar en ny förstudie från Lighthouse, vars resultat överträffade förväntningarna.

När forskare på RISE, Chalmers och Linnéuniversitet förra året undersökte hur väl ChatGPT och andra språkmodeller kunde analysera trafiksituationer på i en Lighthouseförstudie, var resultaten långt ifrån imponerande. AI-verktygen saknade helt enkelt förmågan att föra rumsliga resonemang, eller som man så vill – ett fungerande lokalsinne. Men det är klart att ett verktyg som effektivt och snabbt kan bearbeta stora mängder information måste kunna göra nytta någonstans inom sjöfarten. Ett nytt förstudieprojekt har därför undersökt potentialen för att använda stora språkmodeller (LLMs) inom dataanalys och beslutsstöd i sjöfarten, med särskilt fokus på hur de kan tillämpas för att förbättra både operativ effektivitet och hållbarhet.

– Tillsammans med DNV identifierade vi olika maritima utmaningar som vi ville lösa. De är intresserade av att integrera AI-modeller i sin befintliga mjukvara, ett behov som även deras kunder efterfrågar, säger Oxana Lundström, postdoktor på Linnéuniversitetet som lett arbetet med förstudien Large Language Models (LLMs) in Maritime Data Analysis and Decision Support.

Så hur testar man AI-tillämpningar inom områden som rutt- och schemaoptimering, underhåll, utsläpp och sjösäkerhet? För det första krävs tillgång till operativa data från fartyg,

– Det är en utmaning. Rederier och privata företag vill inte gärna släppa ifrån sig operativa data. Som tur var utvecklades databasen PONTOS i ett annat projekt som gav tillgång till öppna data från flera olika fartyg. Trafikverket hjälpte oss också via Färjerederiet med data.

I en fallstudie testade man att kombinera datainsamling med en AI-driven, så kallad Agentic Retrieval-Augmented Generation (RAG).

– I princip innebär det att du chattar med din egen data. Du kan fråga saker som: Vilka rutter behöver jag optimera? Vilka mönster kan vi identifiera under en viss tidsperiod? Och så vidare. ChatGPT använder alltså din kontextdata för att anpassa svaren och förlitar sig inte enbart på sin träningsdata, förklarar Oxana Lundström och fortsätter:
– Det går även att koppla andra moduler till LLMs. I de här fallet har vi kopplat den första modulen som kan köra databasförfrågningar. När en fråga ställs omvandlar modulen den till en databasfråga som hämtar relevant information. LLM:en kan också kopplas samman med andra moduler, exempelvis en agent som genererar kod för att vidarebearbeta datan eller tränar maskininlärningsmodeller för att hitta ännu mer avancerade insikter.

Testerna gick över förväntan.

– Efter navigationsprojektet var jag ganska skeptisk till att detta skulle fungera, men systemet löste enkla problem mycket bra. Med de senaste LLM-modellerna, som lanserades i slutet av 2024 och kan resonera, fungerade det extremt bra.

Enligt rapporten erbjuder integrationen av AI-teknologier, särskilt LLMs, stora möjligheter för den maritima sektorn. Genom att strategiskt använda dessa verktyg kan branschen hantera nuvarande operativa utmaningar och skapa framtida lösningar för att förbättra effektiviteten och stärka hållbarheten.

Att integrera AI i fartygsdataanalys medför dock flera utmaningar, till exempel kring datasäkerhet och kompatibilitet med olika system. Framtida forskning bör fokusera på att skapa en oberoende, säker AI-applikation som fungerar i molnmiljöer och gör dataflödet smidigt. Det är också viktigt att undersöka hur man hanterar realtidsdata och optimerar datavolymen för effektiv analys. Dessutom måste AI-applikationer vara noggranna och kunna hantera ”hallucinationer” för att ge tillförlitliga resultat, vilket är avgörande för att den maritima industrin ska kunna anpassa sig till framtida utmaningar.

Förstudien Large Language Models (LLMs) in Maritime Data Analysis and Decision Support har författats av:
Oxana Lundström, Postdoctoral researcher, Department of Computer Science and Media Technology, Linnaeus University, Kalmar
Andreas Nilsson, Research Engineer, Department of Computer Science and Media Technology, Linnaeus University, Kalmar
Michael Johansson, Head of Maritime Advisory Sweden & Denmark DNV, Gothenburg