Käytä tekoälyn (AI) suorituskykyreititystä nopeuttaaksesi välittömästi kalustosi hiilidioksidipäästöjen vähentämistä ja alentaaksesi polttoainekustannuksia. Suorituskyvyn reitityksellä on merkittävä, mitattavissa oleva vaikutus kalustosi polttoaineenkulutukseen ja CII:hen tänään, ja tulokset ovat suuria ensimmäisestä päivästä lähtien.
"Syvänmeren alusmatkan optimointi AI Ratkaisu vähentää päästöjä, vähentää polttoaineen kulutusta ja lisää turvallisuutta käytön aikana. Se on win-win kaikilla purjehduksen osa-alueilla"
Geir Fagerheim (SVP Marine Operations) Wallenius Wilhelmsen
Alusten matkan optimointi hiilidioksidipäästöjen vähentämiseksi - tekoälyratkaisu:
Syvänmeren hyödyntää uusinta tekoälyteknologiaa tehostaakseen laivoja. Teknologian ja merenkulun asiantuntijat yhdistävä DeepSea keskittyy tehokkuuden lisääminen ja laivojen polttoaineenkulutuksen vähentäminen teknisten ja toiminnallisten näkemysten yhdistelmällä, joka perustuu yksityiskohtaisiin tekoälyn luomiin suorituskykymalleihin. Esitysalusten reititys 2000-luvulle.
Teemme yhteistyötä eteenpäin katsovien varustamoiden kanssa tehdäksemme merenkulkualasta kevyemmän, vihreämmän ja paremmat yhteydet.
DeepSea tekee yhteistyötä tulevaisuuteen suuntautuneiden merenkulkuyhtiöiden kanssa tehdäkseen merenkulkualasta kevyemmän, vihreämmän ja paremman yhteyden. Perustettiin vuonna 2017 tuomaan parhaan tekoälyn (AI) merenkulkualalle ja sen merenkulun tärkeimmälle osalle. AI-tiimi, jota käyttää alan edistynein tekoälytiimi. Aktiivisen tutkimuksen kulttuurin ansiosta hän osallistuu akateemisiin kirjoituksiin konferensseihin maailmanlaajuisesti, johtaa kansainvälisiä tekoälyaloitteita ja tuo kaikki nämä edistysaskeleet tehokkuutta lisääviin tuotteisiinsa.
DeepSea - Tekoäly merenkulkualalle
Jotta DeepSea voisi jatkuvasti tarjota tekoälypohjaisen optimoidun aluksen matkan, se kerää tietoja alukseltasi ja (tekoälyn avulla) luo tarkan alusmallin pilveen. Mallia päivitetään reaaliajassa vastaamaan täsmälleen aluksesi tilaa ja auttamaan sinua käyttämään tehokkaampia aluksia ja matkoja sekä suunnittelemaan räätälöityjä matkoja kullekin alukselle.
DEEPSEA Pythia - Huippuluokan alusten reititys 2000-luvulle
Maailman ensimmäinen sääreititysalusta, joka on räätälöity aluksesi tarkan suorituskyvyn mukaan kaikissa sääolosuhteissa. Tehokkaat tekoälymallit ymmärtävät tarkalleen, kuinka aluksesi toimii kaikissa sää- ja likaisissa olosuhteissa.
DeepSean alusta on nyt käytössä yli 20 aluksessa, ja se tarjoaa tarkasti yksilöllisiä nopeus- ja reittisuosituksia jokaiselle alukselle syväoppimismallien perusteella, jotka on koulutettu ennustamaan kunkin aluksen energiankulutusta kaikissa mahdollisissa olosuhteissa.
”Yksikään ihminen, kokemuksestaan riippumatta, ei voi kilpailla näiden automaattisten ohjeiden kanssa. Ne vähentävät päästöjä, vähentävät polttoaineenkulutusta ja lisäävät käyttöturvallisuutta.”
"Se on win-win-tilanne kaikilla merenkulun osa-alueilla."
Geir Fagerheim, Wallenius Wilhelmsen Shipping Companyn meritoimintojen johtaja
Wallenius Wilhelmsen, joka tunnetaan johtavana merenkulkualan uuden teknologian ja käytäntöjen käyttöönotossa, on ensimmäinen maailmanlaajuinen varustamo, joka ottaa käyttöön täysin tekoälyyn perustuvan lähestymistavan laivojen matkojen optimointiin koko yli 120 ro-ro-laivastossaan. .
Maailman suurin autokuljetusyhtiö Wallenius Wilhelmsen suoritti DeepSean ohjelmiston perusteellisen 18 kuukauden kokeilujakson päästäkseen tähän sopimukseen. "Tämä on käännekohta tekoälyn (AI) merkitykselliselle ja todistetulle käyttöönotolle merenkulussa", sanoi DeepSean toimitusjohtaja Roberto Cuestas (DeepSea). "Markkinoilla on nyt monia ratkaisuja, jotka väittävät säästävänsä polttoainetta, vähentävänsä päästöjä ja täyttävänsä ympäristömääräykset – ja useimmat niistä ovat vain teeskentelyä. Varustamojen on vaikea erottaa, mikä on totta ja mikä on vain markkinointia. Tämä kumppanuus on jälleen yksi hyväksyntäleima teknologiallemme ja lähestymistavallemme, yhdeltä alan edistyneimmistä yrityksistä." 18 kuukauden kokeilujakso tuotti täysin validoidun 7%:n suorituskyvyn parannuksen osassa Wallenius Wilhelmsenin laivastoa, ja kun projekti on valmis koko laivastossa, tämän luvun odotetaan nousevan 10%:hen. Tämä vastaa yli 75 000 tonnin polttoainesäästöjä ja 240 000 tonnin hiilidioksidipäästöjen vähentymistä – ja auttaa merkittävästi laivoja noudattamaan uusia alan päästömääräyksiä. Wallenius Wilhelmsen on asettanut kunnianhimoiset tavoitteet vähentää päästöjä 27,51 TP3T vuoteen 2030 mennessä. ”Puolet tästä vähennyksestä pitäisi tulla olemassa olevista aluksista. Työskentelemme ahkerasti löytääksemme ympäristöystävällisiä ratkaisuja olemassa olevalle laivastollemme. Tavoitteenamme on ottaa käyttöön tämä innovatiivinen matkan optimointiratkaisu alusten tehokkuuden parantamiseksi koko laivastossamme”, sanoo Geir Fagerheim, Wallenius Wilhelmsenin meriliikenteen johtaja.
- - -
Kreikkalaisen DeepSea AI -yrityksen asiakkaat, joihin kuuluu varustamoyhtiöitä Singaporesta, Norjasta, Japanista jne., voivat DeepSean teknologian avulla säästää polttoainetta 8%-12% ja pienentää ympäristöjalanjälkeään. Tie autonomisten alusten kehittämiselle, joissa reitin "määrittää" aluksen kapteeni, eikä algoritmi, avautuu, kun japanilainen monikansallinen Nabtesco ostaa Konstantinos Kyriakopoulosin ja Roberto Koustan perustaman DeepSea Technologiesin. Nabtesco on listattu Tokion pörssiin.
”Teknologia, jota olemme kehittäneet niin monta vuotta, on kulkenut tähän suuntaan. Nyt meillä on oikea kumppani, jonka avulla voimme saavuttaa tämän tavoitteen, sillä meillä ei aiemmin ollut laitteistojärjestelmää. Teknologioidemme yhdistelmällä voimme myös muuntaa olemassa olevia aluksia autonomisiksi ja asentaa järjestelmiämme uusiin aluksiin”, sanoo Kyriakopoulos puhuessaan Nabtescon DeepSean oston tavoitteesta. DeepSea on kehittänyt tekoälyalustan, joka keräämällä reaaliajassa tietoja kauppa-alusten (säiliöalusten, konttien) suorituskyvystä navigoinnin aikana luo malleja niiden suorituskyvyn optimoimiseksi (polttoaineensäästö, hiilidioksidipäästöjen vähentäminen) ottaen huomioon sääolosuhteet, kyseisen aluksen ominaisuudet jne.
Sen teknologiaa käytetään yli 300 laivalla. "Pohjimmiltaan tällä tekoälymallilla autamme kapteenia saavuttamaan määränpäänsä mahdollisimman vähäisellä ympäristön saastuttamisella ja parhaalla mahdollisella suorituskyvyllä", selittää herra Koustas. Tässä kohtaa DeepSean ja Nabtescon järjestelmät "yhdistyvät", jolloin ne pystyvät automatisoimaan DeepSean alukselle antamat "komennot" (esim. aluksen optimaalinen nopeus sääolosuhteiden perusteella). "Aluksen autonomia perustuu sen jokaisen liikkeen parhaaseen mahdolliseen hallintaan, mikä säästää polttoainetta entisestään", sanoo herra Kyriakopoulos.
Yhtiön mukaan sen asiakkaat, joihin kuuluu varustamoyhtiöitä Singaporesta, Norjasta, Japanista jne., voivat käyttää DeepSean teknologiaa säästääkseen 8%-12% polttoaineessa ja pienentää ympäristöjalanjälkeään. Jälkimmäistä pidetään ratkaisevan tärkeänä, sillä merenkulun hiiliveron käyttöönotosta keskustellaan Euroopan unionin painostaessa merenkulkualaa.
DeepSean 90 hengen tiimin – heistä 80% sijaitsee Kreikassa – odotetaan kasvavan 110:een seuraavan kauden aikana, samalla kun Ateenasta tehdään tekoälykeskus japanilaisen yrityksen toiminnalle. Nämä eivät rajoitu merenkulkualaan, vaan ulottuvat myös rautatieautomaatioon, ilmailuun, tuuliturbiineihin jne. ”Nabtescon investoinnin myötä Kreikassa kehitetään teknologioita niin sanotun teollisen tekoälyn ympärille”, sanoo Kyriakopoulos. ”Meillä on pitkän aikavälin toimintasuunnitelma autonomian ja tekoälyn tavoitteiden toteuttamiseksi.”
(7. syyskuuta 2022) Wallenius Wilhelmsenistä tuli ensimmäinen maailmanlaajuinen varustamo, joka otti käyttöön täysin tekoälyyn perustuvan lähestymistavan matkan optimointiin koko sen yli 120 aluksen laivastossa.
Wallenius Wilhelmsen laivayhtiö otti DeepSean käyttöön Suorituskyvyn reititysohjelmisto, joka tarjoaa aluskohtaisia reitti- ja nopeussuunnitelmia vuosien 2022 ja 2023 viimeisellä neljänneksellä. Yksi merenkulun alan edistyksellisimmistä yrityksistä Wallenius Wilhelmsen on asettanut kunnianhimoiset tavoitteet vähentää päästöjä 27,5 prosenttia. 2030 mennessä. Tämä työ DeepSean kanssa on tärkeä askel kohti niiden saavuttamista.
Geir Fagerheim, Wallenius Wilhelmsenin merioperaatioiden johtaja, sanoo:
”Ei kukaan ihminen, olipa heillä kuinka monen vuoden kokemus, ei voi kilpailla näiden automaattisten purjehdusohjeiden kanssa. Se vähentää päästöjä, vähentää polttoaineen kulutusta ja lisää turvallisuutta käytön aikana. Se on win-win kaikilla purjehduksen osa-alueilla.
Tämä maamerkkipäätös, ensimmäinen laatuaan maailmanlaajuisesti, ei tehty nopeasti – vaan seurasi 18 kuukautta tiukkaa vaiheittaista testausta.
Numerot, jotka lopulta tulivat tästä kattavasta kokeilujaksosta, ovat merkittäviä:
Alusten tehokkuuden parannus 6,91 TP3T ja yli 170 000 tonnia ennakoivat päästöjen vähenemistä koko laivastossa.
Yhtä tärkeitä ovat kuitenkin ne keskeiset oppimiset, jotka syntyivät 18 kuukauden intensiivisen yhteistyön aikana, joka johti tähän kumppanuuteen.
13. lokakuuta Wallenius Wilhelmsen ja DeepSea järjestivät virtuaalisen webinaarin, jossa keskusteltiin verkossa tästä validointijaksosta ja keskustelivat yhdessä tärkeimmistä oppimistaan hiilidioksidin vähentämisestä alusten matkan optimoinnin avulla (Matkan optimointi hiilidioksidipäästöjen vähentämiseksi - verkkowebinaari).
Mikä on 10%-aloite? Liike vähentää merialusten energiakustannuksia 10%:lla, lähestymistapa on todistettu, kustannustehokas ja se voidaan saavuttaa 12 kuukaudessa. 10%-aloite on DeepSean ja aloitteen jäsenten (EUROSEAS Ltd, EuroDRY Ltd, ETF Partners, Nabtesco) sitoumus tehdä yhteistyötä tehdäkseen jotain todellista, mitattavaa ja vaikuttavaa – konkreettisia etuja kaikille.
Wallenius Wilhelmsen Cargo Shipping -jätti testaa tekoälyyn perustuvia matkan optimointiratkaisuja: "Yhtäkkiä tietokannassamme oli 10 000 datapistettä, ja meidän piti saada siitä selkoa." (16. syyskuuta 2022)
Mitä tulee matkan optimointiin – matkalle parhaan kurssin ja nopeuden valitsemiseen – laivojen kapteenilla ei ole työkaluja tehdä tietoisia päätöksiä, selittää Fagerheim varustamo Wallenius Wilhelmsenistä (rahtialukset). Tästä syystä he kulkevat kovaa ja nopeasti matkan alussa, koska he eivät voi ennustaa myöhempiä olosuhteita. Tässä AI-käyttöiset matkanoptimointialustat tulevat käyttöön.
Tekoälyratkaisujen käyttöönotto merenkulkualalla on vasta syntyvaiheessa, mutta tekoälyllä on valtavasti potentiaalia avata arvoa laivaston tehokkuuden optimoinnissa. Tekoälyteknologia matkan optimointiin keskittyy ensisijaisesti aluksen polttoaineen kulutuksen vähentämiseen, mikä vähentää CO2-päästöjä ja käyttökustannuksia. Lloyd's Registerin Maritime Performance Services on kehittänyt laajan kokemuksen tekoälyn käytöstä alusten optimointiin ja viime kädessä aluksen suorituskyvyn parantamiseen. Perinteinen ja vanha data-analytiikka tarkastelee vain 10% alustiedoista, kun taas tekoälymallit voivat nyt tarkastella lähes 100% alusdataa ja käsitellä nämä tiedot välittömästi luodakseen erittäin tarkkoja tietoja aluksen suorituskyvystä polttoaineenkulutuksesta, nopeudesta, trimmista, rungon likaantumisesta ja tehosta. kulutus”, (Andy McKeran, Maritime Performance Services -johtaja, Lloyd's Register). Merenkulun tekoälyratkaisuihin käytettyjen menojen odotetaan yli kaksinkertaistuvan seuraavien viiden vuoden aikana $2,7 miljardiin vuoteen 2027 mennessä, mikä tarkoittaa 23%:n vuotuista kasvua.
Koneoppiminen: seuraava merenkulun raja?
Kun korkean suorituskyvyn laskennan datan saatavuus lisääntyy automaation käyttöönoton myötä, Wärtsilä Voyage uskoo, että tekoäly ja koneoppiminen ovat teknologioita, joita kannattaa pitää silmällä.
Neljä tapaa, joilla meriteollisuus investoi tekoälyyn suorituskyvyn hallinnassa
Tekoäly, IOT, Business Intelligence, Data Analytics muuttavat toimitustapoja ja myös vähentävät kustannuksia ja vähentävät ihmishenkien riskiä. Johtavat laivayhtiöt ovat ottaneet käyttöön tekoälyavusteisia teknologioita saadakseen paremman käsityksen alusten suorituskyvystä, kun taas sekä vakiintuneet yritykset että aloittelevat yritykset etsivät uusia tapoja rikkoa tekoälyn rajoja.
Tekoäly ja autonomisen merenkulun aikakausi
Maailma on yhteydessä toisiinsa globaalin kaupan kautta kuljetusteollisuuden pohjalta. Ja se jatkaa kasvuaan, sillä meriliikenteen ennustetaan kasvavan lähes kolmanneksella vuoteen 2030 mennessä ja tonnikilometreissä jopa 74 000 miljardiin ennustejaksolla.
Toisin sanoen valtameren liikenne lisääntyy huomattavasti, paine kohoaa paljon ja merionnettomuuksien ja merellä tapahtuvien vaaratilanteiden riski säilyy. On arvioitu, että noin 90% merionnettomuuksia ja inhimillisistä virheistä johtuvia vaaratilanteita aiheuttavat yli 1,4 miljardia euroa merivastuuvakuutuskorvauksia.
Tämä on itse asiassa rohkaissut yrityksiä investoimaan automaatioon, joka perustuu tekoälyn (AI) ja koneoppimisen muuntamiseen, mikä on lopullinen ratkaisu tuottavuuden, tehokkuuden ja turvallisuuden parantamiseen eliminoimalla inhimilliset virheet.
Tilastot ovat osoittaneet, että tekoälyllä on kyky parantaa kuljetus- ja logistiikkateollisuuden suorituskykyä lähes 90%:llä, mikä saattaa kasvattaa alan vuosituloja jopa 0,45 biljoonaan euroon.
”Autonominen merenkulku on merenkulkualan tulevaisuus. Älykäs laiva mullistaa laivan suunnittelun ja toiminnan maiseman yhtä häiritsevästi kuin älypuhelin.
Mikael Mäkinen, toimitusjohtaja, Rolls-Royce Oyj
Meriliikennesektori on työskennellyt kovasti löytääkseen tapoja vähentää hiilipolttoainepäästöjä Initialin mukaisesti IMO:n kasvihuonekaasustrategia ja Maritime 2050 -agenda keskittyen voimakkaasti autonomiaan ja tulevaisuuden polttoaineisiin. Mutta kun paine jatkaa kasvuaan sen jälkeen COP26 Ratkaisut, jotka vapauttavat nykyisten alusten vähentämismahdollisuudet, ovat välttämättömiä.
Lyhyt johdatus tekoälyyn (Artificial Intelligence) ja sen sovelluksiin merenkulkualalla
Vuoden 2023 SMART4SEA Athens -foorumin aikana Themistoklis Sardis (Costamare Shipping Company SA:n IT-päällikkö) selitti, että merenkulkualalla on useita tekoälysovelluksia, mukaan lukien lastinkäsittelyn ja -hallinnan automatisointi, reittien ja logistiikan optimointi sekä ennakoiva ylläpito. laivoja ja muita laitteita.
Vaikka monet teollisuudenalat hyötyvät tekoälystä ja käyttävät niitä toimintojen virtaviivaistamiseen ja arvokkaiden oivallusten saamiseen, jokaisella on ainutlaatuisia sovelluksia. Ymmärtäminen, kuinka merenkulkuala mukauttaa tekoälyä ja koneoppimista, voi valmistautua paremmin työskentelemään vedessä näiden laitteiden rinnalla
Ilmainen ostajan opas - Johtavat tekoälyyritykset merenkulkualalle
Ilmainen asiakirja (ostajien opas), joka sisältää yksityiskohtaisia tietoja Shipping AI -ratkaisujen valmistajista ja toimittajista ja heidän aluksen reitityksen optimointi- ja suunnittelutuotteista sekä yhteystiedot ostopäätöksesi vahvistamiseksi (lataa ilmainen kopio).
Toimitus 4.0 : Meriteollisuuden tulevaisuus
Steam. Sähkö. Internet. Nämä kolme teollista vallankumousta muuttivat kaiken maailman toiminnassa. Tänään olemme keskellä neljättä teollista vallankumousta: tekoälyä (AI). Vastoin yleistä uskoa, että merenkulku toimii perinteisen, "vanhanaikaisen" mallin mukaan, uudet askeleet osana tätä automaatiovetoista teollista vallankumousta ovat luoneet uusia innovaatio- ja muutosmalleja. Tämä on toimitus 4.0.
Mikä on tekoäly (AI)? Tekoäly hyödyntää tietokoneita ja koneita jäljittelemään ihmismielen ongelmanratkaisu- ja päätöksentekokykyä. (IBM)
Tekoäly on koneiden tai ohjelmistojen älykkyyttä, toisin kuin ihmisten tai eläinten älykkyys. (Tekoäly - Wikipedia)
Tekoäly, tietokoneen tai tietokoneohjatun robotin kyky suorittaa älykkäisiin olentoihin yleisesti liittyviä tehtäviä. (Tekoäly (AI): Määritelmä, esimerkit, tyypit - Britannica)
Mikä on tekoäly (AI)?
Tekoäly on ihmisälyprosessien simulointia koneilla, erityisesti tietokonejärjestelmillä. Tekoälyn erityissovelluksia ovat asiantuntijajärjestelmät, luonnollisen kielen käsittely, puheentunnistus ja konenäkö.
Miten AI toimii?
Tekoälyn kiihtyessä toimittajat ovat pyrkineet mainostamaan, miten heidän tuotteet ja palvelut käyttävät sitä. Usein se, mitä he kutsuvat tekoälyksi, on yksinkertaisesti osa teknologiaa, kuten koneoppimista. AI vaatii perustan erikoistuneesta laitteistosta ja ohjelmistosta koneoppimisalgoritmien kirjoittamiseen ja harjoittamiseen. Mikään ohjelmointikieli ei ole synonyymi tekoälylle, mutta Pythonissa, R:ssä, Javassa, C++:ssa ja Juliassa on tekoälykehittäjien suosimia ominaisuuksia. (Mikä on tekoäly ja miten se toimii - TechTarget)
Erot tekoälyn, koneoppimisen ja syväoppimisen välillä
AI, koneoppiminen ja syvä oppiminen ovat yleisiä termejä yritysten IT:ssä, ja niitä käytetään joskus vaihtokelpoisina, erityisesti yritysten markkinointimateriaaleissaan. Mutta eroja on (katso lisää osoitteesta: Tekoäly vs. koneoppiminen vs. syväoppiminen: keskeiset erot (techtarget.com)
Mitkä ovat 4 tekoälyn tyyppiä?
Jotkut näistä tekoälytyypeistä eivät ole edes tieteellisesti mahdollisia juuri nyt. Nykyisen luokittelujärjestelmän mukaan on olemassa neljä ensisijaista AI-tyypit: reaktiivinen, rajoitettu muisti, mielen teoria ja itsetietoisuus. (Lähde: Tekoälyn neljän tyypin ymmärtäminen - bernardmarr.com )
Mikä on AI? Kaikki mitä tiedetään tekoälystä, kiehtovista ja nopeasti kehittyvistä tekoälytekniikoista - ZDnet.com
Mikä on AI? Opi tekoälystä - erittäin kattava tekoälyä käsittelevä artikkeli Oracle.comilta
Tekoälyn käytön edut ja haitat
Mikä on tekoäly (AI)? (tekoälysovelluksen itsensä mukaan 🙂 ... ChatGPT)
Tekoäly (AI) viittaa ihmisen älykkyyden simulointiin koneissa, jotka pystyvät suorittamaan tehtäviä, jotka tyypillisesti vaativat ihmisälyä. Näihin tehtäviin kuuluvat esimerkiksi oppiminen, päättely, ongelmanratkaisu, havainto, kielen ymmärtäminen ja jopa päätöksenteko.
Tekoälyjärjestelmät on suunniteltu analysoimaan tietoja, tunnistamaan kuvioita ja tekemään tietoon perustuvia päätöksiä tai ennusteita näiden tietojen perusteella. Heitä voidaan kouluttaa parantamaan suorituskykyään ajan myötä iteratiivisten oppimisprosessien avulla. Tekoälytekniikat luokitellaan laajasti kahteen luokkaan: kapea tai heikko tekoäly ja yleinen tai vahva tekoäly.
Kapea tai heikko tekoäly: Tämän tyyppinen tekoäly on suunniteltu ja koulutettu tiettyä tehtävää tai kapeaa valikoimaa varten. Se suoriutuu erinomaisesti noiden tehtävien suorittamisessa, usein ylittäen ihmisen kyvyt, mutta siltä puuttuu kyky ymmärtää tai suorittaa tehtäviä ennalta määritellyn soveltamisalansa ulkopuolella. Esimerkkejä kapeasta tekoälystä ovat puheavustajat, kuten Siri tai Alexa, kuvantunnistusjärjestelmät ja suoratoistopalveluiden käyttämät suositusalgoritmit.
Yleinen tai vahva tekoäly: Yleinen tekoäly viittaa tekoälyn tasoon, jolla on kyky ymmärtää, oppia ja soveltaa tietoa monenlaisissa tehtävissä, aivan kuten ihminen. Sillä olisi ihmisen kaltaisia kognitiivisia kykyjä ja se voisi mahdollisesti suorittaa minkä tahansa älyllisen tehtävän, jonka ihminen voi tehdä. Yleinen tekoäly on tässä vaiheessa suurelta osin teoreettinen, eikä sitä ole saavutettu.
Tekoälyjärjestelmät voidaan luokitella edelleen koneoppimiseen ja syväoppimiseen:
Koneoppiminen: Se on tekoälyn osajoukko, joka sisältää harjoitusalgoritmeja oppimaan malleja tiedosta ja tekemään ennusteita tai päätöksiä datan perusteella. Koneoppimisen tyyppejä ovat ohjattu oppiminen (koulutus tunnistetuilla tiedoilla), valvomaton oppiminen (kuvioiden löytäminen merkitsemättömästä tiedosta) ja vahvistusoppiminen (oppiminen yrityksen ja erehdyksen kautta).
Syväoppiminen: Tämä on koneoppimisen osajoukko, joka käyttää keinotekoisia hermoverkkoja mallintamaan ja käsittelemään datan monimutkaisia malleja ja suhteita. Syväoppiminen on onnistunut erityisen hyvin esimerkiksi kuvan- ja puheentunnistuksen tehtävissä.
Tekoälyllä on laaja valikoima sovelluksia eri aloilla, mukaan lukien terveydenhuolto, rahoitus, kuljetus, viihde ja monet muut. Se kehittyy edelleen nopeasti ja sillä on potentiaalia mullistaa tapamme elää ja työskennellä, vaikka eettisiin näkökohtiin ja mahdollisiin haasteisiin on myös kiinnitettävä huomiota tekoälytekniikan edetessä.
Löydä kaikki merinavigointituotteiden ja -palveluiden parhaat toimittajat turvalliseen merimatkasuunnitteluun
Suomi 
English 
Ελληνικά 
Français 
Español 
Deutsch 
Русский 
日本語 
香港中文 
Tagalog 
العربية 
हिन्दी 
Svenska 
한국어 
עִבְרִית 
Nederlands 
Bahasa Indonesia 
Polski 
Українська 
Türkçe 
ไทย 
Português do Brasil 
Italiano 
فارسی 
Română 
Bahasa Melayu 
Dansk 
Norsk bokmål 
Português 
Tiếng Việt