این شرکت تابعه آلفابت، «تشخیص ماهیانه» را به آبزی‌پروری می‌آورد

در اعماق یک آبدره ناهموار در نروژ، تیم ما دور یک پیست فلزی محصور جمع شده بود، پر از آب نمک، که 4 فوت از زمین روی پایه‌ها قرار داشت. ما این وسیله فلزی حجیم را «مسیر ماهی» خود می‌نامیدیم. در داخل، یک ماهی سالمون به دور حلقه ای به قطر 3 متر می‌چرخید، از غرایز خود پیروی می‌کرد و خستگی ناپذیر در خلاف جهت جریان شنا می‌کرد. یک کرنومتر بوق زد و کسی فریاد زد «ماهی بعدی!». ما شناگر را بیرون آوردیم تا وزن کنیم و داده‌های سلامتی آن را ثبت کنیم، قبل از اینکه آن را به گروهی از ماهی‌های سالمون در محوطه مجاور برگردانیم. خورشید در آسمان بالا بود که تیم ماهی بعدی را به داخل مسیر مسابقه بارگذاری کرد. ما تا پاسی از شب به کار خود ادامه دادیم و صدها ماهی را اندازه گیری کردیم.

این یک المپیک عجیب و غریب ماهی نبود. بلکه لحظه ای محوری در سفر شرکت ما، TidalX AI بود، که هوش مصنوعی و رباتیک پیشرفته را به آبزی پروری می‌آورد.

Tidal از X، کارخانه Moonshot در آلفابت (شرکت مادر گوگل)، که به دنبال ایجاد فناوری‌هایی است که برای میلیون‌ها نفر، اگر نگوییم میلیاردها نفر، تفاوت ایجاد می‌کند، بیرون آمد. این مأموریتی بود که تعدادی از مهندسان را در سال 2018 به یک مزرعه پرورش ماهی در نزدیکی دایره قطب شمال کشاند. تیم ما در حال یادگیری چگونگی ردیابی معیارهای قابل مشاهده و رفتاری ماهی‌ها برای ارائه بینش‌های جدید در مورد سلامت و رشد آن‌ها و اندازه‌گیری تأثیر زیست‌محیطی مزارع پرورش ماهی بود. و آبزی‌پروری فقط آغاز کار ماست: ما فکر می‌کنیم فناوری‌های مدولار که توسعه داده‌ایم، در سایر صنایع مبتنی بر اقیانوس نیز مفید خواهند بود.

برای شروع، ما با Mowi ASA، بزرگترین شرکت پرورش ماهی سالمون در جهان، برای توسعه سیستم‌های نرم‌افزاری و دوربین زیر آب برای مزارع پرورش ماهی شریک شدیم. به مدت دو هفته در سال 2018، تیم کوچک مهندسان سیلیکون ولی ما در آبزی‌پروری ماهی سالمون زندگی و تنفس می‌کرد، در یک Airbnb در یک جزیره کوچک نروژی کمپ می‌زد و با یک قایق موتوری کوچک به مزرعه پرورش ماهی رفت و آمد می‌کرد. ما می‌خواستیم تا جایی که می‌توانیم در مورد مشکلات و نیازهای کشاورزان یاد بگیریم. این تیم با لپ‌تاپ‌ها، سیم‌ها، ابزارها و یک نمونه اولیه دوربین که از قطعات آماده سرهم‌بندی شده بود، وارد شدند، که در نهایت به پنجره‌ای به دنیای زیر آب تبدیل شد.

با این حال، این سفر اولیه ما را با اولین 1000 نقطه داده ماهی و یک کتابخانه در حال رشد از تصاویر زیر آب مسلح کرد (از آن زمان، مجموعه‌های داده ما چندین میلیون برابر رشد کرده‌اند). این اولین جمع‌آوری داده به ما این امکان را داد که اولین مدل‌های هوش مصنوعی خود را به دقت آموزش دهیم تا الگوهایی را تشخیص دهند که برای چشم انسان نامرئی هستند. لحظه حقیقت دو ماه بعد فرا رسید، زمانی که نرم افزار نمایشی ما با موفقیت وزن ماهی را فقط از روی تصاویر تخمین زد. این یک پیشرفت، یک تاییدیه برای دیدگاه ما بود، و در عین حال تنها اولین گام در یک سفر چند ساله توسعه فناوری بود.

تخمین وزن اولین مجموعه از ویژگی‌هایی بود که ما برای افزایش کارایی مزارع پرورش ماهی و کمک به کشاورزان برای اقدام زودهنگام به نفع ماهی‌های سالمون، به توسعه آن ادامه خواهیم داد. کشاورزان با در اختیار داشتن داده‌های بهتر در مورد سرعت رشد ماهی‌ها، می‌توانند نرخ تغذیه را دقیق‌تر محاسبه کنند تا ضایعات غذا و ضایعات ماهی را به حداقل برسانند، که می‌تواند بر اقیانوس اطراف تأثیر بگذارد. با سیستم‌های نظارتی ما، کشاورزان می‌توانند شیوع آفات را قبل از گسترش گسترده و نیاز به درمان‌های گران‌قیمت و فشرده تشخیص دهند.

اقیانوس مدت‌هاست که مهندسان کارخانه Moonshot آلفابت را مجذوب خود کرده است، که وظیفه دارد هم فناوری‌های جدید و هم شرکت‌های سودآور ایجاد کند. X در طول دهه گذشته پروژه‌های مختلف مبتنی بر اقیانوس را بررسی کرده است، از جمله تلاشی برای تبدیل آب دریا به سوخت، پروژه‌ای که بررسی می‌کند آیا ربات‌های زیر آب می‌توانند جلبک دریایی را برای ترسیب کربن و غذا پرورش دهند یا خیر، و آزمایشی از پنل‌های خورشیدی شناور برای انرژی پاک.

از جهاتی، ساختن فناوری برای دریاها یک انتخاب بدیهی برای مهندسانی است که می‌خواهند تفاوت ایجاد کنند. حدود دو سوم سیاره ما با آب پوشیده شده است و بیش از 3 میلیارد نفر برای پروتئین خود به غذاهای دریایی متکی هستند. اقیانوس همچنین برای تنظیم آب و هوا، اکسیژن حیات بخش و حمایت از معیشت میلیاردها نفر حیاتی است. علی‌رغم این حقایق، هدف توسعه پایدار شماره 14 سازمان ملل متحد، که بر «زندگی زیر آب» تمرکز دارد », کمترین بودجه را در بین 17 مورد دریافت می‌کند. با وجود چالش‌هایی مانند آلودگی پلاستیکی، گرمایش و اسیدی شدن اقیانوس، و ماهیگیری بیش از حد، سرمایه‌گذاری محدودی به دنبال توسعه فناوری‌های مقیاس‌پذیر برای کمک به سلامت و پایداری اقیانوس بوده است.

در ابتدا، مدیران اجرایی X به این ایده علاقه مند بودند که اقیانوس می‌تواند مکان بهتری برای تولید غذا نسبت به خشکی باشد: مزارع عمودی به دقت کنترل شده در زمین را با محیط‌های زیر آب مقایسه کنید که می‌توانند با حداقل تلاش، تولید در مقیاس بزرگ را ارائه دهند. اما همانطور که تیم در مورد مزایای آبزی پروری تحقیق می‌کرد، به پیچیدگی‌های موجود در کشاورزی مسئولانه با ماهی پی برد. آنها همچنین متوجه شدند که صنعت تمایل دارد که با شیوه‌های سنتی با مشکلات مقابله کند.

به عنوان مثال، بسیاری از شرکت‌های آبزی پروری به طور منظم وزن ماهی خود را ارزیابی نمی‌کنند، بنابراین در هنگام تغذیه ماهی‌ها، اغلب از دانش مبتنی بر تجربه استفاده می‌کنند. در نتیجه، بسیاری از مزارع بیش از حد ماهی‌های خود را تغذیه می‌کنند، که منجر به تجمع غیرضروری مدفوع ماهی و غذای خورده نشده در کف دریا می‌شود. هنگامی که این مواد آلی تجزیه می‌شوند، می‌توانند اکسیژن را از آب اطراف خارج کرده و مناطق مرده ایجاد کنند. علاوه بر این، غذای بیش از حد به این معنی است که کشاورزان پول بیشتری را در غذا خرج می‌کنند و بازدهی کمتری از هر کیلوگرم غذا دریافت می‌کنند.

تیم ما استدلال کرد که با ردیابی دقیق ماهی‌ها، یادگیری در مورد عادات غذایی آنها، تخمین دقیق وزن، و سپس ارائه داده‌ها به کشاورزان، می‌توانیم پرورش ماهی را کارآمدتر و سازگارتر با محیط زیست کنیم.

پس از آن، با موفقیت وزن‌گیری، یک پلتفرم هوش مصنوعی است که هم ماهی‌ها و هم گلوله‌های غذا را ردیابی می‌کند و سپس می‌تواند به طور خودکار نرخ‌های تغذیه را تنظیم کند تا ضایعات را محدود کرده و هزینه‌ها را کاهش دهد. حسگرهای سیستم می‌توانند شپش‌های دریایی را روی ماهی سالمون تشخیص دهند، که کشاورزان را قادر می‌سازد تا به موقع مداخله کرده و روندها را ردیابی کنند. تخمین لحظه‌ای زیست توده به کشاورزان اطلاعاتی در مورد میانگین وزن و توزیع جمعیت می‌دهد و به آنها کمک می‌کند تا زمان برداشت را برنامه‌ریزی کنند. اخیراً، سیستم ما به طور منظم ارزیابی‌های ماهیانه ماهی‌ها را انجام می‌دهد و به کشاورزان اجازه می‌دهد تا تصمیمات خود را با اطلاعات به روز و دقیق هدایت کنند.

برای بدست آوردن تصاویر با کیفیت بالا، ما از سیستم‌های وینچ خودمختار استفاده می‌کنیم که دوربین‌ها را روی محورهای افقی و عمودی در داخل محوطه ماهی حرکت می‌دهند. این سیستم‌های رباتیک خودکار به عنوان یک «تشخیص ماهیانه» عمل می‌کنند، و به شرکت‌ها امکان می‌دهند تا به طور مداوم در مورد شرایط ماهی خود مطلع باشند.

به طور متوسط، آبزی پروری تقریباً نیمی از تمام غذاهای دریایی مورد استفاده انسان را تشکیل می‌دهد. انتظار می‌رود با افزایش جمعیت جهان و کاهش ماهی‌های وحشی، این سهم بیشتر شود. پرورش مسئولانه غذاهای دریایی می‌تواند فشار بر اقیانوس‌ها را کاهش دهد، به تامین امنیت غذایی جهانی کمک کند و به محافظت از گونه‌های دریایی آسیب‌پذیر کمک کند.

این رویکرد، ما را به همسویی نزدیک با یکی دیگر از مأموریت‌های گسترده X و آلفابت سوق می‌دهد. ما فقط به دنبال ایجاد فناوری‌های نوآورانه نیستیم، بلکه می‌خواهیم سیستم‌های تولید مواد غذایی را ایجاد کنیم که در برابر چالش‌های آب و هوایی آینده مقاوم باشند. با کمک به بهبود شیوه‌های آبزی پروری، می‌توانیم ردپای زیست محیطی را به حداقل برسانیم، در حالی که همچنان مواد غذایی مغذی را در مقیاس بزرگ فراهم می‌کنیم.

در ماه مارس 2023، Tidal شرکت مستقل خود را از X راه‌اندازی کرد. این نقطه عطف به ما این امکان را داد که منابع خود را به طور کامل به گسترش فناوری‌های خود اختصاص دهیم و با شرکای جدید در سراسر جهان همکاری کنیم.

در حال حاضر، تمرکز اصلی Tidal روی پرورش ماهی سالمون است. اما سیستم‌ها و نرم‌افزاری که ایجاد کرده‌ایم، قابل سازگاری با سایر محیط‌های مبتنی بر اقیانوس نیز هستند. در آینده، ما مشتاقانه منتظر این هستیم که فناوری خود را گسترش دهیم تا از پرورش دهندگان میگو، پرورش دهندگان جلبک دریایی و سایر دست اندرکاران در فضا حمایت کنیم.

صنعت آبزی پروری یک صنعت در حال تحول است، و ما هیجان زده هستیم که نقش خود را در توسعه آن ایفا می‌کنیم. ما باور داریم که با تداوم فشار بر نوآوری و همکاری نزدیک با کشاورزان، می‌توانیم اطمینان حاصل کنیم که غذاهای دریایی پرورش یافته با افزایش کارایی، کاهش ضایعات، و حفاظت از اکوسیستم‌های دریایی، به روشی پایدار تولید می‌شوند.