SAS zet AI-technologie in om de aanwezigheid van ernstig bedreigde noordkapers aan de Noord-Amerikaanse oostkust te voorspellen. Met het WhaleCast-model worden de locaties van deze zeldzame walvissen in kaart gebracht, waardoor scheepskapiteins botsingen kunnen vermijden. De technologie combineert machine learning met synthetische data om de bescherming van de zeldzame zoogdieren te verbeteren.
De noordkaper, een walvissoort die bij de oostkust van Noord-Amerika leeft, wordt met uitsterven bedreigd. Een belangrijke oorzaak hiervan zijn botsingen met schepen. Om dit probleem aan te pakken, heeft SAS samenwerking gezocht met Fathom Science, een spin-off van NC State University.
Samen hebben ze WhaleCast ontwikkeld, een dynamische heatmap die de waarschijnlijkheid van walvisactiviteit weergeeft. Dit model is nu gevalideerd met machine learning-technieken en synthetische data, en helpt schepen om risicogebieden te identificeren en hun snelheid aan te passen.
Fathom Science, gespecialiseerd in het ontwikkelen van digitale tweelingen van oceanen, levert informatie die de scheepvaart helpt bij het nemen van beslissingen. Het zocht manieren om het oceaanmodel van het bedrijf te combineren met historische waarnemingen van walvissen. Het resultaat is een systeem dat aansluit op de touchscreens aan boord van schepen. Hierdoor kunnen kapiteins direct zien waar zich mogelijk noordkapers bevinden, en tijdig maatregelen nemen om aanvaringen te voorkomen door bijvoorbeeld hun snelheid te verlagen in risicogebieden.
Technieken voor betere voorspellingen
Om de nauwkeurigheid van het WhaleCast-model te verbeteren, was er behoefte aan validatie met statistische methoden. Daarom klopte Fathom Science aan bij het Data for Good-programma van SAS. Voor het bouwen van effectieve modellen was echter meer data nodig dan alleen de beschikbare waarnemingen.
De oplossing kwam in de vorm van SAS Data Maker, waarmee synthetische datasets werden gecreëerd die sterk lijken op de oorspronkelijke gegevens. Dit vormt een robuuste basis voor het trainen, valideren en testen van maar liefst zeven verschillende machine learning-modellen, gebaseerd op bijna 500.000 datapunten.
Na de eerste modelontwikkeling werd SAS Viya Workbench ingezet voor het berekenen van de afstand van walvissen tot de kustlijn. Dankzij deze programmeeromgeving konden de afstandsgegevens snel worden geïntegreerd in de bestaande modellen, wat Fathoms aanpak verder onderbouwde.
Tip: Erasmus MC realiseert datagedreven zorg middels Datahub