Формат: Обновление продукта
Коротко
Это перевод материала на основе англоязычного блога AWS. Windward вместе с AWS Generative AI Innovation Center показала, как с помощью агентного ИИ можно быстрее расследовать морские аномалии и переводить разрозненные алерты в контекстные выводы для принятия решений.
Ключевые тезисы
- Windward объединяет AIS-данные, дистанционное зондирование, собственные AI-модели и генеративный ИИ для мониторинга морской активности.
- Раньше аналитики тратили часы на ручной сбор и сопоставление данных по подозрительным событиям и отклонениям поведения судов.
- Новая схема сокращает число ручных шагов: система автоматически подтягивает релевантные внешние и внутренние данные, а затем формирует текстовый контекст по событию.
- Оркестрация решения построена на AWS Step Functions, AWS Lambda и моделях LLM в Amazon Bedrock, включая Claude от Anthropic.
- Подход помогает быстрее переходить от обнаружения к решению и оценке рисков в морских операциях.
Детали
Это перевод материала на основе англоязычного блога AWS. В нем Windward и AWS Generative AI Innovation Center рассказывают, как с помощью агентного ИИ ускорили расследование морских аномалий и сделали работу аналитиков более контекстной.
Windward — компания в сфере Maritime AI, которая объединяет данные AIS, сигналы дистанционного зондирования, собственные AI-модели и генеративный ИИ. По словам авторов, до внедрения автоматизации морским аналитикам приходилось вручную собирать и сопоставлять множество источников, чтобы понять, что стоит за необычной активностью судна, а теперь система сама подсказывает контекст и возможные последствия.
Что именно автоматизировали
Целью было сократить время между обнаружением подозрительного события и принятием решения. Windward выделила три ключевых улучшения:
- Единый рабочий процесс: меньше переключений между внешними источниками данных.
- Оптимизация экспертизы: сбор погоды, новостей и данных по алертам автоматизирован, чтобы эксперты больше времени уделяли интерпретации.
- Широкое покрытие: информацию о нескольких алертах можно синтезировать быстрее и глубже.
Как работает решение
Решение встроено в MAI Expert™, первый морской агент генеративного ИИ от Windward, и использует LLM-модели на Amazon Bedrock. Оркестрация многозвенного пайплайна реализована через AWS Step Functions.
Когда система Windward Early Detection находит аномалию, она извлекает метаданные события из внутренней базы: время, координаты региона, тип аномалии, класс судна и другую связанную информацию.
Далее эти данные передаются в агентную систему анализа. На первом шаге она запрашивает несколько внешних источников данных через отдельные AWS Lambda-функции. После этого отдельная LLM-модель на базе Claude через Amazon Bedrock оценивает, достаточно ли уже собранного контекста, или нужно сделать дополнительный веб-поиск.
Если данных не хватает, система формирует новый поисковый запрос и снова запускает сбор информации. Если контекста достаточно, пайплайн переходит к следующему этапу. После самопроверки и дополнительного сбора данных система выполняет фильтрацию и ранжирование новостей, чтобы убрать лишний шум и оставить наиболее релевантные сведения.
Зачем это нужно аналитикам
Главная идея — превратить отдельные тревожные сигналы в связную картину. Вместо ручного поиска по множеству источников аналитик получает автоматически собранный контекст и может сосредоточиться на выводах, а не на подготовительной работе.
Материал показывает, как комбинация геоданных, внутренних моделей и генеративного ИИ помогает ускорить расследование морских инцидентов и повысить качество оценки рисков.
Публикация подготовлена в соавторстве с Arad Ben Haim и Hannah Danan Moise из Windward.