Page 178 - ΝΑΥΤΙΚΑ ΧΡΟΝΙΚΑ - ΜΑΙΟΣ 2025
P. 178
Τεχνητή νοημοσύνη στη ναυτιλία
προσφέρει σημαντικά πλεονεκτήματα,
αλλά απαιτεί προσεκτικό σχεδιασμό και
επίγνωση πιθανών προκλήσεων:
• Διαδικασία θεμελίωσης ποιότητας
δεδομένων: Η ζωντανή και αυτο-
ματοποιημένη επικύρωση είναι
ισχυρή, αλλά εξαρτάται από την
ορθότητα των αρχικών χειροκίνη-
των εισαγωγών. Λανθασμένες βασι-
κές καταχωρίσεις μπορούν ακόμη
να περάσουν απαρατήρητες εάν
δεν υπάρχουν σωστές διαδικασίες.
• Πολυπλοκότητα και κόστος υλο-
ποίησης: Η ενσωμάτωση προηγμέ-
νης τεχνητής νοημοσύνης απαιτεί
επενδύσεις σε τεχνολογία, πιθα-
νές αλλαγές στις ροές εργασίας
και εξειδικευμένη τεχνογνωσία. Η
σύνδεση με παλαιότερα (legacy)
συστήματα μπορεί να παρουσιάσει
τεχνικές προκλήσεις.
• Ο αναντικατάστατος ανθρώπινος
παράγοντας: Η τεχνητή νοημοσύνη
είναι εξαιρετικά ισχυρό εργαλείο,
αλλά δεν υποκαθιστά την ανθρώ-
πινη κρίση. Οι ναυτικοί είναι απα-
ραίτητοι για την επαλήθευση
Credit: EPA/MOHAMMED BADRA μένα: Οι επιχειρησιακές ομάδες αποκλίσεων, ενώ οι ειδικοί στην
και οι ομάδες ναυλώσεων απο- ξηρά πρέπει να ερμηνεύουν σύν-
κτούν αξιοποιήσιμες πληροφορίες θετα σενάρια και να επιβλέπουν
για να βελτιστοποιήσουν δρομολό- τα αποτελέσματα. Η υπερβολική
για, ταχύτητες και τη γεωγραφική εξάρτηση χωρίς κριτική αξιολό-
ανάπτυξη στόλου, επηρεάζοντας γηση εμπεριέχει πολλά ρίσκα.
άμεσα την αποδοτικότητα καυσί- • Υιοθέτηση και εκπαίδευση πληρώ-
μων, τη μείωση εκπομπών και την ματος: Η επιτυχία εξαρτάται από τη
κερδοφορία του κάθε ταξιδιού. θετική αποδοχή του πληρώματος.
• Απλοποιημένη συμμόρφωση: Οι Οι βρόχοι επικύρωσης σε πραγμα-
πολύπλοκοι υπολογισμοί και ανα- τικό χρόνο πρέπει να έχουν απλές
φορές που απαιτούνται για τους διεπαφές και καθαρές διαδικασίες.
περιβαλλοντικούς κανονισμούς Η αποτελεσματική εκπαίδευση
(CII, EU ETS, FuelEU) γίνονται πιο είναι κρίσιμη για να κατανοήσει το
ακριβείς λόγω της ποιότητας των πλήρωμα το σύστημα και τη σημα-
αρχικών δεδομένων, μειώνοντας σία της ποιότητας των δεδομένων.
το διοικητικό βάρος και τους κιν- • Διαφάνεια αλγορίθμων: Η κατανό-
δύνους μη συμμόρφωσης. ηση του πώς η τεχνητή νοημοσύνη
• Ευέλικτη πρόσβαση από τους καταλήγει σε συμπεράσματα ενι-
ενδιαφερομένους: Μόλις τα δεδο- σχύει την εμπιστοσύνη και διευκο-
μένα καταγραφούν και δομηθούν λύνει την επίλυση προβλημάτων.
σωστά, μπορούν εύκολα να προ-
σαρμοστούν και να διαμοιραστούν Η πρακτική εφαρμογή της Signal: Ένα
μεταξύ τμημάτων, διασφαλίζοντας παράδειγμα από τον πραγματικό κόσμο
ότι όλοι εργάζονται βάσει της ίδιας Στη Signal έχουμε εφαρμόσει παρόμοιες
αξιόπιστης πληροφορίας. λύσεις για να μεταμορφώσουμε τη δια-
χείριση των noon reports. Επικυρώνουμε
Αντιμετωπίζοντας τους πιθανούς κινδύ- αυτόματα όλες τις χειροκίνητες εισαγω-
νους της σχετικής εφαρμογής γές στις αναφορές. Όταν εντοπίζονται
Η αξιοποίηση της τεχνητής νοημοσύνης αποκλίσεις ή ασυνέπειες, το σύστημα
176 NX
