นี่ไม่ใช่การแข่งขันกีฬาโอลิมปิกของปลาแบบประหลาด ๆ หรอกนะ แต่มันคือช่วงเวลาสำคัญของการเดินทางของบริษัทเรา TidalX AI ซึ่งนำปัญญาประดิษฐ์และหุ่นยนต์ล้ำสมัยมาใช้กับอุตสาหกรรมการเพาะเลี้ยงสัตว์น้ำ
Tidal ถือกำเนิดจาก X – หรือที่รู้จักกันว่า Moonshot Factory ของ Alphabet (บริษัทแม่ของ Google) ซึ่งมีเป้าหมายในการสร้างเทคโนโลยีที่สามารถเปลี่ยนชีวิตผู้คนจำนวนหลายล้านหรือแม้กระทั่งพันล้านคน และนั่นคือภารกิจที่พาวิศวกรกลุ่มเล็ก ๆ ไปยังฟาร์มปลาใกล้วงกลมอาร์กติกในปี 2018 ทีมของเรากำลังเรียนรู้วิธีติดตามตัวชี้วัดที่มองเห็นได้และพฤติกรรมของปลา เพื่อให้ได้ข้อมูลเชิงลึกใหม่ ๆ เกี่ยวกับสุขภาพและการเติบโตของพวกมัน รวมถึงประเมินผลกระทบทางสิ่งแวดล้อมของฟาร์มปลา และการเพาะเลี้ยงสัตว์น้ำก็เป็นเพียงจุดเริ่มต้น: เราเชื่อว่าเทคโนโลยีแบบโมดูลาร์ที่เราพัฒนาขึ้นนี้จะสามารถนำไปใช้กับอุตสาหกรรมที่เกี่ยวข้องกับมหาสมุทรอื่น ๆ ได้เช่นกัน
เพื่อเริ่มต้น เราได้ร่วมมือกับ Mowi ASA บริษัทเพาะเลี้ยงปลาแซลมอนที่ใหญ่ที่สุดในโลก เพื่อพัฒนากล้องใต้น้ำและระบบซอฟต์แวร์สำหรับฟาร์มปลา ในช่วงสองสัปดาห์ในปี 2018 ทีมเล็ก ๆ จากซิลิคอนแวลลีย์ของเราฝังตัวอยู่ในวงการเพาะเลี้ยงปลาแซลมอน ใช้ชีวิตอยู่ใน Airbnb บนเกาะเล็ก ๆ ของนอร์เวย์ และเดินทางไปกลับฟาร์มปลาด้วยเรือยนต์ลำเล็ก ๆ เราต้องการเรียนรู้ให้มากที่สุดเกี่ยวกับปัญหาและความต้องการของเกษตรกร ทีมของเรามาพร้อมกับแล็ปท็อป สายไฟ แกดเจ็ต และกล้องต้นแบบที่ประกอบขึ้นจากชิ้นส่วนสำเร็จรูปทั่วไป ซึ่งในที่สุดก็กลายเป็นหน้าต่างที่เปิดสู่โลกใต้น้ำของเรา
บริษัทลูกของ Alphabet นำ “Fishal Recognition” มาสู่อุตสาหกรรมเพาะเลี้ยงปลา
Tidal ใช้ AI และหุ่นยนต์เพื่อทำให้การเลี้ยงปลาแซลมอนยั่งยืนมากขึ้น
Tidal ซึ่งเป็นสตาร์ทอัพที่แยกตัวมาจาก “X” หรือที่รู้จักกันในชื่อโรงงานสร้างนวัตกรรมของ Alphabet กำลังปฏิวัติการเลี้ยงปลาแซลมอนด้วยเทคโนโลยี AI และหุ่นยนต์ขั้นสูง
เทคโนโลยีของ Tidal ทำงานอย่างไร?
ระบบของ Tidal ใช้กล้องใต้น้ำและเซ็นเซอร์ในการติดตามพฤติกรรมของปลาแซลมอน รวมถึงสภาพแวดล้อม เช่น อุณหภูมิและความเค็มของน้ำอย่างต่อเนื่อง
แพลตฟอร์ม AI จะวิเคราะห์ข้อมูลเหล่านี้แบบเรียลไทม์ เพื่อให้ข้อมูลเชิงลึกเกี่ยวกับสุขภาพของปลา รูปแบบการกิน และปัญหาที่อาจเกิดขึ้น เช่น โรคหรือพยาธิ
ประโยชน์ต่อการเพาะเลี้ยงสัตว์น้ำ
- การให้อาหารที่เหมาะสม: ระบบสามารถปรับเวลาการให้อาหารตามพฤติกรรมของปลา เพื่อลดของเสียและเพิ่มอัตราการเจริญเติบโต
- การตรวจสุขภาพปลา: สามารถตรวจพบโรคหรือปรสิตได้ตั้งแต่เนิ่นๆ ช่วยให้สามารถจัดการได้ทันท่วงที ลดการสูญเสีย และเพิ่มสวัสดิภาพของปลา
- ความยั่งยืนต่อสิ่งแวดล้อม: การเฝ้าระวังสภาพแวดล้อมอย่างต่อเนื่องช่วยควบคุมคุณภาพน้ำและลดผลกระทบต่อระบบนิเวศ
การนำไปใช้ในอุตสาหกรรมจริง
Tidal ได้ร่วมมือกับบริษัทชั้นนำ เช่น Mowi ASA ซึ่งเป็นผู้ผลิตปลาแซลมอนแอตแลนติกรายใหญ่ที่สุดในโลก เพื่อทดลองและปรับปรุงเทคโนโลยีในสภาพแวดล้อมจริง
ปัจจุบัน Tidal ได้ติดตั้งระบบกว่า 230 แห่งในประเทศนอร์เวย์ และมีแผนขยายไปยังที่อื่น ๆ ต่อไป
ด้วยการนำ AI และหุ่นยนต์มาใช้ Tidal กำลังยกระดับมาตรฐานใหม่ของการเพาะเลี้ยงสัตว์น้ำที่มีประสิทธิภาพและยั่งยืน
ข้อมูลเบื้องหลัง AI สำหรับการเพาะเลี้ยงสัตว์น้ำ
การเพาะเลี้ยงปลาแซลมอนถือเป็นภาคส่วนที่ใช้เทคโนโลยีก้าวหน้าที่สุดในอุตสาหกรรมเกษตรทางทะเล และนั่นคือเหตุผลที่เราเริ่มต้นจากที่นั่น ปลาแซลมอนแอตแลนติกเป็นอาหารทะเลยอดนิยม โดยในปี 2023 มีมูลค่าตลาดทั่วโลกเกือบ 20,000 ล้านเหรียญสหรัฐ ในปีนั้นมีการเพาะเลี้ยงปลาแซลมอนในมหาสมุทรแอตแลนติกถึง 2.87 ล้านตัน โดยทั่วโลก ปลาแซลมอนจากฟาร์มคิดเป็นเกือบสามในสี่ของปลาแซลมอนที่จำหน่ายทั้งหมด
ความร่วมมือของเรากับ Mowi ได้ผสานความเชี่ยวชาญด้านการเพาะเลี้ยงสัตว์น้ำของพวกเขาเข้ากับความสามารถของเราในด้าน AI หุ่นยนต์ใต้น้ำ และวิทยาการข้อมูล (data science) เป้าหมายเริ่มต้นของเราคือการประมาณ “ชีวมวล” (biomass) ซึ่งเป็นภารกิจสำคัญในฟาร์มปลา โดยหมายถึงการประเมินน้ำหนักและการกระจายตัวของปลาในกรงแบบเรียลไทม์ให้แม่นยำ การทำงานนี้ได้สำเร็จจึงถือเป็นจุดตั้งต้นในการพัฒนา เพราะการวัดที่แม่นยำกว่าย่อมนำไปสู่การบริหารจัดการที่ดีกว่า
เราตระหนักได้อย่างรวดเร็วว่า ในตอนนั้นยังไม่มีโมเดล computer vision ใต้น้ำที่เชื่อถือได้ แม้กระทั่งจาก AI ล้ำสมัย โมเดลที่ถือว่าทันสมัยที่สุดก็ไม่ได้ถูกฝึกด้วยภาพถ่ายใต้น้ำ จึงมักระบุปลาแซลมอนผิดพลาด บางครั้งถึงขั้นตลก—เช่นมีโมเดลหนึ่งที่มั่นใจอย่างมากว่าปลาแซลมอนคือ “ร่ม”!
นอกจากนี้ เรายังต้องประมาณน้ำหนักเฉลี่ยของปลาแซลมอนมากถึง 200,000 ตัวในกรงเดียว แต่ข้อมูลอ้างอิงที่มีอยู่กลับมาจากการสุ่มจับปลาแค่ 20 ถึง 30 ตัวต่อสัปดาห์โดยเกษตรกร ซึ่งไม่สะท้อนความหลากหลายภายในประชากรปลา เราได้ซึมซับสัจพจน์เก่าแก่ในวงการคอมพิวเตอร์ที่ว่า “ถ้าข้อมูลที่ใส่เข้าไปห่วย ผลลัพธ์ที่ได้ก็ห่วย” และจึงเข้าใจว่าผลลัพธ์ของโมเดลจะดีได้เท่ากับคุณภาพและปริมาณของข้อมูลที่เราใช้ฝึกเท่านั้น
เพื่อให้โมเดลของเรามีความแม่นยำตามที่ Mowi ต้องการ จึงจำเป็นต้องมีชุดข้อมูลที่ใหญ่กว่ามากอย่างมหาศาล
Source : spectrum
