Analys av stora datamängder ombord en seglande drönare utanför Gotland ger forskare i marinekologi insikter i realtid om vad som händer i Östersjön.
– Tack vare edge-modeller behöver vi inte vänta på att drönaren kommer iland tills vi kan tömma den på data, säger Jonas Hentati Sundberg, forskare i marina ekosystem på Sveriges Lantbruksuniversitet.
För Jonas Hentati Sundberg är ekolod ett välbekant verktyg. Det ger viktig information om fiskbestånd, om vågor, om havsbottnen. Men ekolodet har också sina svagheter: den data som samlas in är omfattande, vilket gör den tidskrävande att analysera.
Med hjälp av decentraliserad processering och analys direkt vid datainsamlingen har den begränsningen gått att runda. För Jonas Hentati Sundberg och hans kollegor innebär det nya möjligheter att forska om marina ekosystem. Och på sikt kan det också lägga grunden för ett nytt sätt att förvalta marina ekosystem:
– Idag bestäms exempelvis fiskekvoter årsvis, baserat på prognoser. Med realtidsdata skulle man kunna fatta realtidsbeslut. De legala och förvaltningsmässiga ramverken behöver anpassas för att hantera den typen av information och snabbt beslutsfattande, säger Jonas Hentati Sundberg.
Från vänster: Sofia Nguyen, Jonas Hentati Sundberg och Joakim Eriksson
I sin forskning har Jonas Hentati Sundberg under flera år använt en norskbyggd seglande drönare. Den tar sig runt i vattnet mellan Öland och Gotland och samlar på egen hand in bland annat ekolodsdata som sedan analyseras i efterhand.
Men när drönaren sjösattes i våras var den utrustad med en ny kombination av hård- och mjukvara: En Raspberry Pi och egenutvecklade modeller för processering och analys.
– Med hjälp av edge-modeller gallrar vi bland den insamlade datan i realtid. Det mest intressanta skickar vi i land direkt över satellitlänk, var tionde minut. Resten analyseras i efterhand när drönaren kommit i land igen och tömts på data, säger Joakim Eriksson, AI-utvecklare på AI Sweden.
Sofia Nguyen och Joakim Eriksson, AI Sweden
Det här är inte första gången Joakim Eriksson och Jonas Hentati Sundberg jobbar tillsammans. För två och ett halvt år sedan handlade det om modeller som automatiskt räknar häckande sillgrisslor på Stora Karlsö. I vintras hamnade de i ett samtal av en slump, och insåg att det fanns förutsättningar för ett nytt samarbete. I drönarprojektet kommer lösningar liknande dem för att räkna sillgrisslor att användas för att också här komma bort från det tidskrävande manuella arbetet.
– Men vinsten är inte bara att vi slipper jobba manuellt, utan också att vi minskar risken för mänskliga misstag, vilket gör våra forskningsresultat mer robusta, säger Jonas Hentati Sundberg.
Den nya tekniken kommer att ge forskarna möjlighet att studera ekosystemet på ett nytt sätt. I realtid för de viktigaste händelserna, i efterhand för en mer komplett förståelse:
– Det vi vill få reda på i realtid kan till exempel vara data som visar på att ett ekosystem håller på att kollapsa, eller oväntade, nya mönster som vi inte sett tidigare och därför vill kunna reagera på direkt, till exempel genom att aktivera ytterligare sensorer för att sampla mer information, säger Jonas Hentati Sundberg.
Den omfattande, kompletta analysen som i projektet finansieras av Arctic Research Foundation och Stockholm Resilience Center, kommer att få stöttning av artificiell intelligens.
AI-modellerna som Joakim Eriksson och kollegan Sofia Nguyen använder i dagsläget kan till exempel se skillnad på havsbotten, vågor och fisk.
– Det gör att vi redan nu kan beräkna fiskmassan under drönaren. Nästa steg är att försöka utveckla algoritmer som kan urskilja enskilda fiskar och kanske också artbestämma dem, säger Sofia Nguyen, AI-utvecklare på AI Sweden.
Sofia Nguyen och Joakim Eriksson, AI Sweden
Den seglande drönaren till havs
Den parallella utvecklingen inom sensorteknik, federerad inlärning och decentraliserad AI öppnar för nya analysmöjligheter i många sektorer och branscher. Tack vare allt mer strömsnåla, precisa och på andra sätt förbättrade sensorer går mer data att samla in. AIs roll blir att minska mängden information som behöver skickas över trådlösa uppkopplingar. Genom modeller som går att göra på mindre kraftfull hårdvara blir det möjligt att gallra redan på sensorn, och bara skicka den värdefulla informationen vidare.
AI Sweden driver och har drivit många projekt inom decentraliserad AI och federerad inlärning, inom bland annat fordonbranchen, finanssektorn, sjukvård och rymd.
– Tar man alla de här projekten tillsammans blir det tydligt hur de skapar ett värde för våra partners, när kunskap byggs på i projekt som följer på varandra och som dessutom involverar olika branscher och sektorer. Det här drönarprojektet är ett exempel på det, ett annat är hur Zenseact använde kunskap från FedBird-projektet som Joakim och Jonas också jobbade med, säger Johanna Bergman, Director Strategic Development på AI Sweden.
Joakim Eriksson, som tillsammans med Sofia Nguyen, står för AI-delarna i projektet med SLU konstaterar att den nuvarande drönaren har sina begränsningar:
– Vi behöver till exempel snåla på elektriciteten. På sikt skulle vi vilja utveckla en egen drönare, för att optimera förutsättningarna för den hårdvara som behövs för att köra mer avancerade AI-modeller ombord, säger han.
En annan väg framåt är att installera AI-modellerna på SLU:s forskningsfartyg Svea. Där är ekoloden mer avancerade, samt uppkoppling och tillgång till elektricitet bättre.
– Kanske skulle vi även kunna installera lösningen på kommersiella fartyg för att använda dem som ett sensornätverk, säger Jonas Hentati Sundberg.
Projektet har rönt internationellt intresse. En resa till Coats Island i Hudson Bay, Kanada, är bokad. Där kommer tekniken testas på en liknande drönare veckorna efter midsommar. Och ett liknande samarbete är på gång med en forskargrupp i Australien. Förhoppningen är att tillsammans med dem kunna ta nästa steg i utvecklingen.
– Vi vill göra lösningen mer robust, generalisera den så att den fungerar på fler hårdvaruplattformar och för fler ekosystem. På sikt kanske till och med kommersialisera den, säger Jonas Hentati Sundberg.
Våren 2021 tog Joakim Eriksson studenten från ABB-gymnasiet i Västerås, där han läste tekniskt program med inriktning mot artificiell intelligens. Hösten samma år var han en av de nyblivna studenter som deltog i första årskullen av AI Swedens talangprogram Young Talents.
Sofia Nguyen deltog i Young Talent-programmet under hösten 2023, efter att ha tagit studenten från Platengymnasiet, och jobbar nu som utvecklare på AI Sweden.
– I Young Talent-programmet ger vi ungdomar med potential möjlighet att lära sig om AI och maskininlärning och jobba på riktiga projekt. Gång på gång har vi sett att dessa talanger verkligen kan bidra och skapa stort värde. Joakim och Sofia är goda exempel på det, säger Sofia Hedén, Head of Talent Programs.
– Programmet har varit otroligt lärorikt och jag uppskattar AI Swedens förtroende i min kompetens och möjlighet att bidra, trots min unga ålder, säger Sofia Nguyen.
Joakim Eriksson, AI Developer at AI Sweden
Sofia Nguyen, AI Developer at AI Sweden
Sofia Hedén, Head of Talent Programs at AI Sweden