Text: Stig Martin Fiska, global chef för Cognizant Ocean

Artificiell intelligens har potential att påskynda övergången till netto nollutsläpp. Ändå är tekniken underutnyttjad i hållbarhetsarbetet. Den används ofta i små pilotprojekt istället för att integreras i de system där den skapar störst effekt.

Detta är särskilt tydligt inom marinindustrin. Haven är avgörande både för att reglera klimatet och säkra den globala handeln. Samtidigt är våra hav under ökad press från föroreningar och annan industriell aktivitet. AI kan bidra till att tackla dessa utmaningar. Den används redan för att övervaka vattenkvalitet, analysera biologisk mångfald och utveckla infrastruktur som tar hänsyn till naturen. Men införandet går för långsamt och är för spretigt.

AI som ett integrationslager mellan silos

En del av utmaningen är att kunskap och lösningar ofta ligger isolerade i system som inte talar med varandra. Forskare, näringsliv, myndigheter och politiker arbetar ofta var för sig, vilket gör det svårt att få en helhetsbild. Här kan AI spela en ny och viktig roll. Se det som ett integrationslager som löpande kopplar samman insikter över sektorer och discipliner. Till skillnad från människor kan AI hämta, sammanställa och dela relevant information både horisontellt mellan processer och vertikalt mellan specialister, beslutsfattare och medborgare. På så sätt kan vi förena specialiseringens fördelar med ett kontinuerligt kunskapsutbyte som driver utveckling framåt.

Miljödata som kritisk infrastruktur

AI blir aldrig bättre än den data den tränats på. I många marina och kustnära områden är miljödata bristfällig, fragmenterad och svår att dela. Mätdata av vattenflöden i floder och åar är ett bra exempel. Den är avgörande för att förstå översvämningsrisker, föroreningar och vattenkvalitet. Tyvärr saknas ofta denna typ av information, särskilt i mindre avrinningsområden där traditionella mätmetoder både är kostsamma och ger begränsad täckning.

Den goda nyheten är att ny teknik kan bli en räddare i nöden. Till exempel har Cognizant utvecklat en öppen källkodsmodell som kan förutsäga dagliga vattenflöden genom att kombinera historiska väderdata med terrängegenskaper  – utan behov av fysiska sensorer. Modellen är tränad på årtionden av öppen data från hundratals brittiska avrinningsområden och ger snabba insikter, även i områden som aldrig har analyserats tidigare. Det gör storskaliga miljöanalyser både mer tillgängliga och betydligt billigare för dem som arbetar med översvämningsförebyggande åtgärder, vattenkvalitet och ekosystem.

Samma principer kan även tillämpas på kust- och marina områden. Genom att betrakta väderdata som kritisk infrastruktur, med gemensamma standarder, öppna modeller och interoperabla plattformar, kan AI-användningen skalas upp avsevärt. FAIR-principerna (Findable, Accessible, Interoperable, Reusable) är en bra utgångspunkt, men vi behöver ett bredare samarbete för att få det att fungera i praktiken.

Från pilotprojekt till plattformar

Möjligheterna är många. AI används redan för att upptäcka algblomning, spåra arter med hjälp av miljö-DNA, förutsäga hur ny infrastruktur kommer att påverka ekosystem samt för att hitta föroreningskällor. Generativ AI hjälper till att utforma marina strukturer som främjar biologisk mångfald.

Ett konkret exempel är hur Europeiska rymdorganisationen (ESA) kombinerar Sentinel-satelliter med AI för att kartlägga cyanobakterier och marint skräp, genom att storskalig övervakning av kustvatten  – något som tidigare var praktiskt taget omöjligt.

Problemet är att sådana projekt ofta äger rum i en isolerad kontext. När insikter förblir interna inom en organisation eller ett projekt, förlorar vi möjligheten att utvinna de stora vinsterna. Samma modeller som övervakar kustvatten kan också förbättra hamndrift, infrastrukturplanering och naturvård, men detta kräver samarbete och datadelning.

Policyramverk måste möjliggöra handling

Policyramverk har stor inverkan på hur snabbt ett AI-initiativ genomförs. Många länder har ambitiösa mål för netto nollutsläpp, men stödet för det praktiska införandet av AI är ofta begränsat. Utan tydliga standarder, riktlinjer och incitament är många aktörer tveksamma att introducera lösningar som kan skalas upp.

Inom marinindustrin kan policyramverk spela en nyckelroll, till exempel genom att underlätta återanvändning av avvecklade olje- och gasplattformar. AI kan redan bedöma om sådana installationer kan omvandlas till baser för havsbaserad vindkraft, koldioxidavskiljning eller vattenbruk. Digitala tvillingar och prediktiva modeller kan förlänga livslängden på befintlig infrastruktur för gröna ändamål. Med tydliga ramverk och strategisk finansiering kan framgångsrika pilotprojekt utvecklas till varaktiga lösningar.

Vissa anser att vi bör vänta med att använda AI för miljösatsningar tills vi har mer data, bättre verktyg och större konsensus kring tekniken. Men lösningarna finns redan, och många av dem är både priseffektiva och skalbara. Att vänta innebär förlorade möjligheter, samtidigt som haven fortsätter att försämras.

AI utvecklas och förbättras ju mer den används. Ju tidigare vi sätter det i bruk, desto snabbare blir det mer exakt och användbart. Om vi ska uppnå netto nollutsläpp och bevara haven måste åtgärder vidtas nu. AI måste lyftas från ett experiment till en strategisk prioritet.