人工智能无疑可以成为水产养殖的变革力量，但其当前的应用是否符合炒作，它们是否会适用于跨物种、地理和生产规模？
复杂的基于人工智能的水产养殖解决方案。
部分水产养殖行业——特别是三文鱼行业——正在经历一场前所未有的技术革命，开发了基于人工智能的鱼类计数和检查设备、自主水下机器人、海虱激光以及各种物联网传感器和决策工具。
这代表着对我们水产养殖方式的根本性重新构想，越来越多的公司正在开发专门为水产养殖量身定制的基于人工智能的工具和技术。然而，随着这种涌入，识别真正有用的人工智能应用程序和那些仅仅驾驭人工智能浪潮的应用程序面临挑战，这让客户难以实施和价值实现。
一、AI：了解基础知识
人工智能（AI）是一个总称，涵盖了使机器能够模仿和增强人类智能的各种技术。在这个领域，有几个概念对于理解至关重要：
关键AI相关术语的有用定义。
不同类型的机器学习以及如何在水产养殖中应用的例子。
理解这些基本概念对于旨在有效实施人工智能工具的水产养殖专业人员至关重要。通过掌握各种类型的机器学习及其应用，我们可以更好地评估人工智能如何为其运营增加价值。
二、水产养殖中的人工智能浪潮：
人工智能工具是水产养殖业发展不可或缺的一部分，为更明智的管理战略提供数据驱动的决策。有些——主要侧重于饲料优化、生物量估计和鱼类行为——已经成为高价值物种养殖的主流。
人工智能驱动的系统，如：Skretting、AKVA集团和创新公司开发的系统，实时监测鱼类行为，以分配所需的确切饲料量，明显减少浪费，提高增长率。这些系统根据与鱼类生长和环境因素相关的数据调整饲喂时间表和配方，旨在提高饲料转化率和大幅节约成本，同时最大限度地减少环境影响。
其他公司，如潮汐X、乌米特龙、ReelData和光栅提供的公司，使用人工智能驱动的摄像头和算法提供鱼类大小和生长预测的实时数据，旨在提高运营效率和资源规划。
：
像马诺林*和Aquabyte这样的公司使用大数据和人工智能来汇总健康和福利相关信息。这使得疾病的早期检测和对潜在疾病的及时反应成为可能。QySea等其他公司正在将人工智能算法整合到水下无人机中，以执行鱼类和水域质量监控、网络修复和清洁以及死鱼清除。
研究机构和大学也在研究各种解决方案（独立或与行业参与者合作）。其中包括阿尔弗雷德·韦格纳研究所与海洋环路合作领导的ShrimpWiz项目，用于单个虾的计数；阿伯丁大学和SAMS（由莫维支持）用于显微技术检测海虱幼虫；软银和Aizip的合作开发了一款带有人工智能问答程序的鱼计数移动应用程序。
三、新兴行业前景分析：
根据Hatch Blue的数据库，截至2月，已有125家初创公司正在开发涉及人工智能的水产养殖解决方案，其中北美和欧洲公司处于领先地位。
按地区分列的人工智能水产养殖初创企业数量。WPR=西太平洋地区；SEAR=东南亚地区；EMR=东地中海地区。
其中约90%仍处于早期阶段，专注于产品开发、市场验证和初始客户获取。这表明该行业存在很高的兴趣和市场机会，但也表明相对较少的公司成功度过了早期阶段，现在专注于扩大业务规模、扩大市场覆盖面和增加收入。
按阶段划分的人工智能相关水产养殖初创企业。
一些举措还针对下游应用，以简化从养殖场到市场的水产养殖供应链。Aquaconnect*使用人工智能和卫星遥感将养殖户和海鲜买家联系起来，旨在为水产养殖供应链带来可预测性和透明度。
此外，The Fish Site最近推出了第一个专门用于水产养殖的人工智能助手海贝人工智能，它使用经过验证的水产养殖数据库上的大语言模型（LLM）能力来优化该领域的研究和学习。
与此同时，美国食品和药物管理局启动了一项试点计划，重点关注占该国海鲜供应90%以上的进口。它旨在通过使用机器学习来识别供应链中的潜在危害，从而提高食品安全。试点的第三阶段始于2022年8月，重点是快速检测受污染的海鲜和其他风险，如：抗生素残留。
除了核心的软件和硬件公司，数据库中大多数与人工智能相关的公司都瞄准了供应链和服务，以及下一代农业应用。
按行业分列的基于人工智能的水产养殖初创企业。
四、现场实施：
虽然使用人工智能工具的潜在好处得到了广泛宣传，但一些挑战可能会被忽视：
1、高实施成本：人工智能技术的初始投资可能令人望而却步，尤其是对中小型企业而言。有时，带有警报系统的简单且负担得起的氧气传感器，可能比试图检测异常鱼类行为的复杂算法和物联网传感器更有效。
2、技术专长要求：许多养殖户缺乏有效实施和维护人工智能系统的技术知识。
3、数据质量和数量：深度学习需要大量高质量的训练数据，这在浑浊的水产养殖环境中很难获得。
4、安全问题：互连系统会在数据安全和系统完整性方面产生潜在漏洞。
5、全球分布不均衡：人工智能在水产养殖中的采用集中在发达地区，在非洲、拉美和小岛屿发展中国家的渗透率有限。
为了评估水产养殖中的人工智能声明，我们可以提出几个高级指南：
1、比较具体指标：请求将AI系统与传统方法进行比较的具体性能数据。
2、了解技术：合法的人工智能提供商应该能够解释他们的系统是如何工作的，而无需诉诸模糊的术语。
3、检查参考资料：与现有客户讨论他们对该技术的体验。
4、从小处着手：在承诺全面实施之前，在有限的应用程序中测试AI解决方案。
5、考虑一下商业模式：对公司更注重筹集风险资本，而不是为养殖户开发切实可行的解决方案持谨慎态度。
Aquabyte是越来越多专门为水产养殖开发基于人工智能的技术的初创公司之一。
五、为人工智能集成做准备：
为了最大限度地发挥人工智能在水产养殖中的优势，确保数据质量、投资强大的基础设施和优先考虑网络安全措施至关重要。对于旨在采用人工智能的水产养殖企业来说，准备内部数据库是至关重要的第一步。这种准备不仅仅是技术升级；它需要全面的数据管理方法。
虽然大型作业从传感器和摄像头等各种来源产生大量数据，但这些数据往往是分散和不一致的，缺乏监督学习应用程序的必因素。由于基础设施和专业知识有限，较小的水产养殖作业可能难以有效整合和管理这些数据，这使得数据清理过程既耗时又耗费资源。此外，数据隐私和安全问题使问题复杂化，因为在与第三方提供商或云平台共享时必须保护敏感信息，这增加了稳健治理政策和加密措施的风险。
与现有操作系统的集成使这一过程更加复杂。许多设施使用的不是为人工智能设计的遗留系统，需要大量的工程努力来确保兼容性，这可能会破坏正在进行的操作。此外，水产养殖行业通常缺乏熟练的数据科学和机器学习专业人员，这使得开发和部署内部人工智能解决方案具有挑战性。最后，成功采用取决于有效的变革管理，因为员工可能会在没有适当培训和支持的情况下抵制新技术。
人类智能对Aquabyte水产养殖的成功运营至关重要，并将继续如此。
六、引入HI因子：
尽管人工智能令人兴奋，但我们仍然应该认识到人类智能（HI）不可替代的价值，即用经验、伦理判断和适应性解释复杂、不可预测情况的能力——人工智能目前缺乏这些要素。HI在水产养殖中尤其重要，在水产养殖中，成功取决于理解复杂的生物和化学系统，并根据多种因素做出细致入微的决策。水产养殖专家带来了人工智能系统——至少是当前系统——无法复制的背景理解、直觉和适应性。
人类提供了基本的背景理解，使经验丰富的专业人员能够有效解释数据异常，并考虑最新市场趋势和道德问题等外部因素做出战略决策。此外，在疾病爆发或环境变化等危机情况下，人类直觉和解决问题的技能对于驾驭人工智能无法解决的复杂性至关重要。虽然人工智能可以优化运营，但人类监督可以确保可持续性和良性实践。
七、前进的道路：平衡技术和传统
随着人工智能在水产养殖中的不断发展，最成功的实施可能是那些在技术创新和传统知识之间取得平衡的实施。必须认识到，专家的智慧和经验通常可以像算法驱动的解决方案一样有效地为实践提供信息，使得人工智能不仅仅是为了提高生产力；这是为了为水产养殖创造一个平衡技术进步与伦理和生态考虑的可持续未来。
