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.

에이전틱 해양 AI: 생성형 AI를 활용한 맥락 기반 이상 징후 분석

에이전틱 AI로 해양 이상 징후 분석 혁신

광대하고 복잡한 글로벌 해양 활동의 세계는 보안, 정보 및 상업 운영에 독특한 과제를 제시합니다. 예상치 못한 움직임부터 알려진 패턴과의 편차에 이르기까지 비정상적인 선박 행동을 식별하고 이해하는 것은 종종 엄청난 시간, 깊은 도메인 전문 지식, 그리고 이질적인 데이터 소스의 상관관계 분석을 요구합니다. Maritime AI™ 분야의 선두 주자인 Windward는 오랫동안 해양 운영을 위한 중요한 정보를 제공해 왔습니다. 이제 AWS와의 협력을 통해 Windward는 에이전틱 생성형 AI를 활용하여 이 프로세스를 변화시키고, 개별 알림에서 포괄적이고 맥락 기반의 인텔리전스로 나아가고 있습니다.

이 획기적인 파트너십은 해양 분석가들에게 권한을 부여하고, 조사 시간을 획기적으로 단축하며, 힘든 데이터 수집 대신 고부가가치 의사 결정에 집중할 수 있도록 하는 것을 목표로 합니다. 지리공간 인텔리전스와 고급 생성형 AI를 융합함으로써 Windward의 새로운 솔루션은 360° 시야를 제공하여, 전례 없는 속도와 정확성으로 해상의 위협을 예측하고 중요 자산을 보호합니다.

도전 과제: 데이터 과부하에서 실행 가능한 통찰력으로

역사적으로 해양 이상 징후 조사는 매우 수동적이고 시간 소모적인 작업이었습니다. 분석가들은 단편적인 정보를 몇 시간 동안 샅샅이 뒤져가며 다양한 데이터 스트림 간의 연관성을 파악하여 선박의 비정상적인 행동을 이해하려고 했습니다. 이 과정은 상당한 노력뿐만 아니라 해양 활동, 기상 패턴 및 지정학적 사건의 미묘한 차이를 해석하기 위한 깊은 도메인 전문 지식을 요구했습니다.

Windward의 기존 조기 탐지 시스템은 의심스러운 패턴을 성공적으로 식별하지만, 목표는 탐지에서 의사 결정까지의 경로를 가속화하는 것이었습니다. 분석 워크플로우를 최적화하고 진정으로 '임무 준비가 된' 통찰력을 제공하기 위해 Windward는 세 가지 핵심 전략적 개선 사항을 확인했습니다.

통합 워크플로우: 분석가가 외부 데이터 소스를 참조할 필요성을 최소화하여 원활하고 집중적인 분석 환경을 조성합니다.
전문 지식 최적화: 맥락 데이터(날씨, 뉴스, 관련 알림)의 수집 및 초기 상관관계를 자동화하여 도메인 전문가들이 귀중한 시간을 전략적 해석 및 의사 결정에 집중할 수 있도록 합니다.
포괄적인 커버리지: 정보 합성을 간소화하여 여러 알림을 동시에 더 빠르고 심층적으로 조사할 수 있도록 합니다.

이러한 야심찬 목표를 달성하기 위해 Windward는 AWS 생성형 AI 혁신 센터와 협력하여 복잡한 해양 이상 징후를 자동으로 맥락화할 수 있는 최초의 생성형 AI 해양 에이전트인 MAI Expert™를 개발했습니다.

에이전틱 아키텍처: AWS로 맥락 기반 인텔리전스 구현

Windward 향상된 솔루션의 핵심은 AWS에 배포된 다단계 AI 기반 아키텍처에 있습니다. 이 시스템은 다양한 내부 및 외부 소스에서 관련 데이터를 자동으로 가져와 이 정보를 사용하여 해양 이상 징후 이벤트를 철저히 맥락화하는 텍스트 설명을 생성합니다.

이 과정은 Windward 조기 탐지 시스템에 의해 이상 징후가 식별될 때 시작됩니다. 이상 징후 타임스탬프, 지역 좌표, 이상 징후 유형 및 선박 등급과 같은 관련 메타데이터는 Windward의 내부 데이터베이스에서 추출됩니다.

이 메타데이터는 Amazon Bedrock의 대규모 언어 모델(LLM)로 구동되는 에이전틱 분석 시스템으로 공급됩니다. 전체 다단계 이상 징후 분석 파이프라인은 AWS Step Functions를 사용하여 오케스트레이션되어, 견고하고 확장 가능한 워크플로우를 보장합니다.

이 오케스트레이션된 프로세스의 첫 번째 단계는 관련 배경 정보를 수집하기 위해 여러 다양한 외부 데이터 소스를 쿼리하는 것입니다.

실시간 뉴스 피드: 공개 데이터에서 발견된 알림 및 이벤트 신호는 해양 이상 징후의 시간과 위치를 기반으로 가져와 필터링됩니다.
지능형 웹 검색: LLM은 정확한 검색 쿼리를 생성하여 이상 징후에 대한 실시간 맥락을 제공하는 최신 웹 검색 결과를 검색할 수 있도록 합니다.
기상 데이터: 외부 API를 활용하여 이상 징후의 특정 위치 및 시간에 대한 온도, 풍속, 강수량 등 중요한 기상 데이터를 검색합니다.

각 데이터 소스는 별도의 AWS Lambda 함수를 사용하여 쿼리됩니다. 이러한 모듈식 접근 방식은 효율성과 확장성을 보장하며, 필요에 따라 새로운 데이터 소스를 쉽게 통합할 수 있도록 합니다.

동적 자기 성찰 및 데이터 큐레이션

이 에이전틱 솔루션의 핵심 혁신은 추가 데이터 검색의 필요성을 동적으로 결정하는 자기 성찰 기능입니다. 뉴스, 웹 검색 및 날씨로부터 초기 데이터 수집 후, 파이프라인은 두 번째 단계로 이동합니다. 여기에서 Anthropic의 Claude를 통해 Amazon Bedrock으로 구동되는 별도의 LLM이 검색된 데이터 항목을 검토합니다.

이 LLM은 지금까지 수집된 데이터가 이상 징후를 설명하기에 충분한지, 아니면 이벤트와 관련된 특정 측면이 여전히 누락되었는지 결정하도록 지시받습니다. 그런 다음 추가 웹 결과를 위한 새롭고 더 정교한 검색 쿼리를 생성하거나 파이프라인에 진행을 알릴 수 있습니다. 그림 2에 묘사된 이 지능적인 피드백 루프는 시스템이 더 포괄적인 맥락을 사전에 찾아내어 이전에 수집된 정보에 추가할 수 있도록 합니다.

Architecture diagram for windward aws blog 그림 1. AWS 서비스와 생성형 AI를 보여주는 솔루션 아키텍처.

Diagram of flow through self-reflection 그림 2. 에이전틱 이상 징후 분석 시스템의 자기 성찰 논리.

이 동적 데이터 검색 및 자기 성찰 단계에 이어, 시스템은 관련 없는 뉴스 항목을 제거하고 최고 품질의 맥락을 보장하기 위해 2단계 필터링 및 순위 지정 프로세스를 사용합니다.

Amazon Rerank를 이용한 재순위 지정: AI 모델인 Amazon Rerank는 이상 징후와의 관련성에 따라 초기 데이터 항목 세트를 정렬합니다. 이 단계는 높은 재현율을 유지하고 다음 단계의 후보 풀을 효율적으로 줄이는 데 중요합니다.
LLM 기반 정밀도 점수 매기기: 상위 순위 항목 각각은 시간, 위치, 일치하는 선박 유형을 포함한 여러 차원에서 LLM에 의해 추가로 점수 매겨집니다. 시스템은 0에서 100 사이의 관련성 점수를 할당하며, 미리 정의된 임계값을 초과하는 데이터 항목만 유지합니다. 이는 높은 정밀도를 보장하여 가장 적절한 정보만 최종 분석에 기여하도록 합니다.

실행 가능한 통찰력: 맥락화된 보고서

마지막으로, 세심하게 필터링되고 순위가 매겨진 데이터는 다른 LLM으로 전달됩니다. 이 LLM은 수집된 모든 인텔리전스를 종합하여 이상 징후에 대한 간결하고 맥락화된 보고서를 생성합니다. 이 보고서는 탐지된 해양 이벤트의 잠재적 원인, 위험 및 영향을 요약합니다. 중요한 점은 이 보고서가 Windward 고객을 위해 작성되었으며 사용된 모든 데이터 소스를 직접 인용하여 완전한 투명성을 제공하고 사용자가 제공된 링크를 따라 정보를 확인하고 더 깊이 탐구할 수 있도록 한다는 것입니다.

Maritime intelligence product 그림 3. Windward의 MAI Expert™에서 생성된 이상 징후 보고서 예시.

이 결과물은 분석가들의 인지 부하를 획기적으로 줄여주며, 더 넓은 운영 및 지정학적 맥락에서 이상 징후를 설명하는 기성 내러티브를 제공합니다.

평가 및 영향

종단 간 시스템은 포괄적인 과거 해양 이상 징후 세트를 대상으로 엄격하게 평가됩니다. 이 평가는 종종 LLM을 심사관으로 사용하는 접근 방식을 포함하며, 생성된 맥락 보고서의 품질, 정확성 및 완전성을 평가합니다.

이 에이전틱 생성형 AI 솔루션의 함의는 심오합니다. Windward는 데이터 수집 및 상관관계 분석이라는 힘든 과정을 자동화함으로써 해양 분석가들이 다음을 수행할 수 있도록 지원합니다.

효율성 향상: 조사에 소요되는 시간을 크게 줄여 귀중한 인적 자원을 확보합니다.
상황 인식 개선: 개별 알림을 넘어 포괄적인 인텔리전스로 나아가, 이상 징후에 대한 더 깊고 맥락적인 이해를 얻습니다.
의사 결정 가속화: 역동적인 해양 환경에서 위협을 예측하고 자산을 보호하는 데 중요한 더 빠르고 정보에 입각한 결정을 가능하게 합니다.
전문 지식 최적화: 도메인 전문가가 전략적 해석 및 고급 분석에 집중할 수 있도록 하여, 그들의 고유한 기술이 가장 중요한 곳에 활용되도록 합니다.

Windward와 AWS 간의 협력은 최첨단 생성형 AI와 클라우드 인프라가 복잡한 실제 문제를 해결하고, 해양 인텔리전스와 같은 중요한 부문을 변화시키며, 맥락 기반 이상 징후 분석을 위한 새로운 표준을 제시하는 방법을 보여줍니다.