What is Windward's MAI Expert™ and how does it utilize generative AI?

Windward's MAI Expert™ is the company's pioneering generative AI maritime agent designed to contextualize maritime anomalies. It leverages generative AI, particularly large language models (LLMs) on Amazon Bedrock, to automate the collection, correlation, and synthesis of diverse data sources. This allows it to generate comprehensive risk assessments and summaries for suspicious vessel activities, enabling analysts to make informed decisions faster and with greater accuracy, shifting their focus from data gathering to strategic interpretation.

How does the agentic maritime anomaly analysis solution work?

The solution, developed in collaboration with AWS, is a multi-step AI-powered pipeline. It starts by extracting metadata from an anomaly event. This metadata then triggers an agentic analysis system using LLMs on Amazon Bedrock, orchestrated by AWS Step Functions. The system queries various external data sources (news, web search, weather) via AWS Lambda functions. A crucial self-reflection step, powered by an LLM like Anthropic's Claude, determines if additional data is needed. Finally, filtered and ranked data is used by another LLM to generate a contextualized report, citing all sources.

What AWS services are central to Windward's generative AI solution?

Several key AWS services underpin Windward's agentic maritime anomaly analysis solution. Amazon Bedrock hosts the large language models (LLMs), including Anthropic's Claude, which are responsible for query generation, self-reflection, scoring, and report generation. AWS Step Functions orchestrates the entire multi-step analysis pipeline, ensuring a smooth workflow. AWS Lambda functions are used to fetch data from various external sources. Additionally, Amazon Rerank assists in filtering and ranking relevant news items to maintain high data quality and relevance.

What are the primary challenges Windward aimed to solve with this generative AI approach?

Before this solution, maritime analysts spent significant time manually gathering and correlating complex data to understand vessel behavior anomalies. Windward sought to address three key strategic improvements: creating a Unified Workflow to minimize external data consultations, optimizing Expertise by automating data collection (weather, news, alerts) so domain experts could focus on strategic interpretation, and providing Comprehensive Coverage by streamlining information synthesis for rapid, in-depth investigation of multiple alerts simultaneously.

How does the system ensure the relevance of retrieved information for a specific anomaly?

The solution employs a robust two-step filtering and ranking process to ensure data relevance. First, an AI model like Amazon Rerank initially sorts retrieved news items based on their relevance to the anomaly, aiming to maintain high recall while removing highly irrelevant data. Second, a dedicated LLM scores each of the top-ranked items across multiple dimensions such as time, location, and vessel type. Only data items with a relevance score above a predetermined threshold are retained, ensuring high precision and that only the most pertinent information is used in the final report.

Agentne mere-AI: Kontekstuaalne anomaaliate analüüs generatiivse tehisintellektiga

Merendusanomaaliate analüüsi revolutsiooniline muutmine agentse tehisintellekti abil

Globaalse merendustegevuse tohutu ja keeruline maailm esitab ainulaadseid väljakutseid julgeolekule, luurele ja kaubandusoperatsioonidele. Ebatavalise laevakäitumise tuvastamine ja mõistmine – alates ootamatutest liikumistest kuni tuntud mustrite kõrvalekalleteni – nõuab sageli tohutult aega, sügavat valdkondlikku ekspertiisi ja erinevate andmeallikate korreleerimist. Windward, mere-AI™ valdkonna liider, on pikalt pakkunud kriitilist intelligentsust mereoperatsioonideks. Nüüd, koostöös AWS-iga, kasutab Windward agent-generatiivset tehisintellekti, et seda protsessi muuta, liikudes isoleeritud hoiatustest tervikliku, kontekstuaalse intelligentsuse poole.

See murranguline partnerlus eesmärgiga anda mereanalüütikutele suurem võimekus, vähendades drastiliselt uurimisaegu ja võimaldades neil keskenduda väärtuslikule otsuste tegemisele, mitte vaevarikkale andmete kogumisele. Ühendades geopärase luureandmed täiustatud generatiivse tehisintellektiga, pakub Windwardi uus lahendus 360° vaadet, ennetades ohte ja kaitstes kriitilisi varasid merel enneolematu kiiruse ja täpsusega.

Väljakutse: Andmete üleküllusest tegutsemist toetava teabeni

Ajalooliselt oli mereanomaaliate uurimine väga manuaalne ja ajamahukas ettevõtmine. Analüütikud veetsid tunde killustatud teabe läbi sorteerides, püüdes ühendada punkte erinevate andmevoogude vahel, et mõista laeva anomaalset käitumist. See protsess nõudis lisaks märkimisväärsele pingutusele ka sügavat valdkondlikku ekspertiisi merealaste tegevuste, ilmastikumustrite ja geopoliitiliste sündmuste nüansside tõlgendamiseks.

Windwardi olemasolev varajase hoiatuse süsteem tuvastab edukalt kahtlaseid mustreid, kuid eesmärgiks oli kiirendada teed tuvastamisest otsuste tegemiseni. Analüütilise töövoo optimeerimiseks ja tõeliselt "missioonivalmis" teabe pakkumiseks tuvastas Windward kolm peamist strateegilist parendust:

Ühtne töövoog: Minimeerida analüütikute vajadust konsulteerida väliste andmeallikatega, luues sujuva ja keskendunud analüütilise keskkonna.
Ekspertiisi optimeerimine: Automatiseerida kontekstuaalsete andmete (ilm, uudised, seotud hoiatused) kogumine ja esialgne korreleerimine, võimaldades valdkonna ekspertidel pühendada oma väärtuslik aeg strateegilisele tõlgendamisele ja otsuste tegemisele.
Igakülgne katvus: Sujuvamaks muuta teabe sünteesi, et võimaldada mitme hoiatuse kiiremat ja põhjalikumat samaaegset uurimist.

Nende ambitsioonikate eesmärkide lahendamiseks tegi Windward koostööd AWS-i Generatiivse AI Innovatsioonikeskusega, et arendada MAI Expert™ – esimest generatiivset mere-AI agenti, mis suudab automaatselt keerulisi mereanomaaliaid kontekstualiseerida.

Agentne arhitektuur: Kontekstuaalse intelligentsuse toetamine AWS-iga

Windwardi täiustatud lahenduse tuumaks on selle mitmeastmeline, AI-põhine arhitektuur, mis on juurutatud AWS-is. See süsteem toob automaatselt relevantseid andmeid erinevatest sisemistest ja välistest allikatest ning kasutab seda teavet tekstikirjelduse genereerimiseks, mis kontekstualiseerib põhjalikult mereanomaaliate sündmused.

Protsess algab siis, kui Windwardi varajase tuvastamise süsteem tuvastab anomaalia. Asjakohased metaandmed – nagu anomaalia ajatempel, piirkonna koordinaadid, anomaalia tüüp ja laeva klass – eraldatakse Windwardi sisemisest andmebaasist.

Need metaandmed suunatakse seejärel agentse analüüsisüsteemi, mis põhineb Amazon Bedrocki suurkeelelistel mudelitel (LLM-idel). Kogu mitmeastmelise anomaaliate analüüsi töövoogu orkestreeritakse AWS Step Functions abil, tagades tugeva ja skaleeritava töövoo.

Selle orkestreeritud protsessi esimene samm hõlmab mitme, erineva välise andmeallika päringute tegemist, et koguda asjakohast taustateavet:

Reaalajas uudisvoog: Avalikest andmetest leitud hoiatused ja sündmuste signaalid tuuakse ja filtreeritakse mereanomaalia aja ja asukoha põhjal.
Intelligentne veebiotsing: LLM-id genereerivad täpseid otsingupäringuid, võimaldades tuua ajakohaseid veebiotsingu tulemusi, mis pakuvad anomaaliale reaalajas konteksti.
Ilmaandmed: Välist API-t kasutatakse kriitiliste ilmaandmete, sealhulgas temperatuuri, tuulekiiruse ja sademete toomiseks anomaalia konkreetse asukoha ja aja kohta.

Iga andmeallika päring tehakse eraldi AWS Lambda funktsiooni abil. See modulaarne lähenemine tagab tõhususe ja skaleeritavuse, võimaldades uute andmeallikate lihtsat integreerimist vastavalt vajadusele.

Dünaamiline enesereflektsioon ja andmete kureerimine

Selle agentse lahenduse põhiinnovatsiooniks on selle enesereflektsioonivõime, mis dünaamiliselt määrab lisaandmete toomise vajaduse. Pärast esialgset andmete kogumist uudistest, veebiotsingust ja ilmastikust liigub töövoog teise sammu juurde. Siin uurib eraldi LLM – mida toetab Anthropicu Claude läbi Amazon Bedrocki – toodud andmeelemente.

Sellele LLM-ile on antud juhised otsustada, kas seni kogutud andmed on piisavad anomaalia selgitamiseks või on sündmusega seotud teatud aspektid veel puudu. Seejärel saab see kas genereerida uue, täpsema otsingupäringu täiendavate veebitulemuste saamiseks või anda töövoole märku edasiliikumiseks. See intelligentne tagasiside silmus, mis on kujutatud joonisel 2, võimaldab süsteemil proaktiivselt otsida põhjalikumat konteksti, lisades selle varem kogutud teabele.

Arhitektuuridiagramm windward aws blogi jaoks Joonis 1. Lahenduse arhitektuur, mis demonstreerib AWS-i teenuseid ja generatiivset tehisintellekti.

Enesereflektsiooni voo diagramm Joonis 2. Enesereflektsiooni loogika agent-anomaaliate analüüsisüsteemis.

Pärast seda dünaamilist andmete toomise ja enesereflektsiooni faasi kasutab süsteem kaheetapilist filtreerimis- ja järjestamisprotsessi ebaoluliste uudisartiklite eemaldamiseks ja kõrgeima kvaliteediga konteksti tagamiseks:

Uuesti järjestamine Amazon Rerankiga: AI-mudel, Amazon Rerank, sorteerib andmeüksuste algse komplekti vastavalt nende asjakohasusele anomaaliaga. See samm on ülioluline kõrge meeldejätmise taseme säilitamiseks, vähendades tõhusalt kandidaatide hulka järgmise etapi jaoks.
LLM-põhine täpsuse hindamine: Seejärel hindab LLM iga kõrgeimalt järjestatud objekti mitme dimensiooni lõikes, sealhulgas aja, asukoha ja vastava laeva tüübi osas. Süsteem määrab asjakohasuse hinded vahemikus 0 kuni 100, säilitades ainult need andmeüksused, mis ületavad eelnevalt määratud läve. See tagab kõrge täpsuse, garanteerides, et lõppanalüüsi panustab ainult kõige asjakohasem teave.

Tegutsemist toetav teave: Kontekstualiseeritud aruanne

Lõpuks edastatakse hoolikalt filtreeritud ja järjestatud andmed teisele LLM-ile. See LLM sünteesib kogu kogutud intelligentsuse, et genereerida anomaalia kohta lühike, kontekstualiseeritud aruanne. Aruanne summeerib tuvastatud merealase sündmuse võimalikud põhjused, riskid ja tagajärjed. Eelkõige on see kirjutatud Windwardi klientidele ja viitab otse kõikidele kasutatud andmeallikatele, pakkudes täielikku läbipaistvust ja võimaldades kasutajatel teavet kontrollida ning antud linke jälgides sügavamalt uurida.

Mere luuretoode Joonis 3. Näide genereeritud anomaaliaaruandest Windwardi MAI Expert™-ist.

Hindamine ja mõju

Lõpp-lõpuni süsteemi hinnatakse rangelt tervikliku ajalooliste mereanomaaliate komplekti põhjal. See hindamine hõlmab sageli LLM-i kohtunikuna lähenemist, hinnates genereeritud kontekstuaalsete aruannete kvaliteeti, täpsust ja täielikkust.

Selle agentse generatiivse AI lahenduse tagajärjed on ulatuslikud. Automatiseerides andmete kogumise ja korreleerimise vaevarikka protsessi, annab Windward mereanalüütikutele võimaluse:

Tõhustada efektiivsust: Vähendada oluliselt uurimisele kuluvat aega, vabastades väärtuslikke inimressursse.
Parandada olukorrateadlikkust: Saada anomaaliatest sügavama, kontekstuaalsema arusaamise, liikudes isoleeritud hoiatustest tervikliku intelligentsuse poole.
Kiirendada otsuste tegemist: Võimaldada kiiremaid ja teadlikumaid otsuseid, mis on kriitilise tähtsusega ohtude ennetamisel ja varade kaitsmisel dünaamilistes merekeskkondades.
Optimeerida ekspertiisi: Võimaldada valdkonna ekspertidel keskenduda strateegilisele tõlgendamisele ja kõrgetasemelisele analüüsile, rakendades oma unikaalseid oskusi seal, kus need on kõige olulisemad.

Windwardi ja AWS-i koostöö näitab, kuidas tipptasemel generatiivset tehisintellekti ja pilvetaristut saab rakendada keeruliste reaalmaailma probleemide lahendamiseks, muutes kriitilisi sektoreid nagu mere luureandmete haldamine ja luues uue standardi kontekstuaalse anomaaliate analüüsi jaoks.