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.

ஏஜென்டிக் கடல்சார் AI: உருவாக்கும் AI உடன் சூழல்சார்ந்த அசாதாரண பகுப்பாய்வு

ஏஜென்டிக் AI உடன் கடல்சார் அசாதாரண பகுப்பாய்வில் புரட்சி

உலகளாவிய கடல்சார் செயல்பாடுகளின் பரந்த, சிக்கலான உலகம் பாதுகாப்பு, நுண்ணறிவு மற்றும் வணிக செயல்பாடுகளுக்கு தனித்துவமான சவால்களை முன்வைக்கிறது. அசாதாரண கப்பல் நடத்தையை – எதிர்பாராத அசைவுகள் முதல் அறியப்பட்ட வடிவங்களிலிருந்து விலகல்கள் வரை – கண்டறிந்து புரிந்துகொள்வது பெரும்பாலும் அதிக நேரம், ஆழ்ந்த கள நிபுணத்துவம் மற்றும் வேறுபட்ட தரவு மூலங்களின் தொடர்புபடுத்துதல் ஆகியவற்றை கோருகிறது. கடல்சார் AI™ இல் ஒரு தலைவரான Windward, கடல்சார் நடவடிக்கைகளுக்கு நீண்ட காலமாக முக்கியமான நுண்ணறிவை வழங்கி வருகிறது. இப்போது, AWS உடன் இணைந்து, Windward இந்த செயல்முறையை மாற்றியமைக்க ஏஜென்டிக் உருவாக்கும் AI ஐப் பயன்படுத்துகிறது, தனிமைப்படுத்தப்பட்ட எச்சரிக்கைகளிலிருந்து விரிவான, சூழல்சார்ந்த நுண்ணறிவுக்கு நகர்கிறது.

இந்த முன்னோடி கூட்டாண்மை கடல்சார் ஆய்வாளர்களுக்கு அதிகாரமளிப்பதை நோக்கமாகக் கொண்டுள்ளது, விசாரணையின் நேரத்தை வியத்தகு முறையில் குறைக்கிறது மற்றும் கடினமான தரவு சேகரிப்பை விட உயர் மதிப்பு முடிவெடுப்பதில் கவனம் செலுத்த அனுமதிக்கிறது. புவிசார் நுண்ணறிவை மேம்பட்ட உருவாக்கும் AI உடன் இணைப்பதன் மூலம், Windward இன் புதிய தீர்வு 360° பார்வையை வழங்குகிறது, அச்சுறுத்தல்களை எதிர்பார்த்து, முன்னோடியில்லாத வேகம் மற்றும் துல்லியத்துடன் கடலில் உள்ள முக்கியமான சொத்துக்களைப் பாதுகாக்கிறது.

சவால்: தரவு மிகைப்படுத்தலிலிருந்து செயல்படக்கூடிய நுண்ணறிவுகள் வரை

வரலாற்று ரீதியாக, கடல்சார் அசாதாரண விசாரணை ஒரு உயர் கைமுறை மற்றும் நேரத்தைச் செலவழிக்கும் முயற்சியாகும். ஆய்வாளர்கள் துண்டு துண்டான தகவல்களை மணிநேரம் சலித்து, ஒரு கப்பலின் அசாதாரண நடத்தையைப் புரிந்துகொள்ள பல்வேறு தரவு நீரோடைகளுக்கு இடையில் புள்ளிகளை இணைக்க முயலுவார்கள். இந்த செயல்முறை குறிப்பிடத்தக்க முயற்சி மட்டுமல்லாமல், கடல்சார் நடவடிக்கைகள், வானிலை முறைகள் மற்றும் புவிசார் அரசியல் நிகழ்வுகளின் நுணுக்கங்களை விளக்க ஆழ்ந்த கள நிபுணத்துவத்தையும் கோரியது.

Windward இன் இருக்கும் ஆரம்ப கண்டறிதல் அமைப்பு சந்தேகத்திற்கிடமான வடிவங்களை வெற்றிகரமாக கண்டறிகிறது, ஆனால் கண்டறிதலிலிருந்து முடிவெடுக்கும் வரை பாதையை விரைவுபடுத்துவதே குறிக்கோளாக இருந்தது. பகுப்பாய்வு பணிப்பாய்வை மேம்படுத்தவும் மற்றும் உண்மையாக "பணிக்குத் தயாரான" நுண்ணறிவுகளை வழங்கவும், Windward மூன்று முக்கிய மூலோபாய மேம்பாடுகளை அடையாளம் கண்டது:

ஒருங்கிணைந்த பணிப்பாய்வு: ஆய்வாளர்கள் வெளிப்புற தரவு மூலங்களை ஆலோசிக்க வேண்டிய தேவையை குறைத்து, தடையற்ற மற்றும் கவனம் செலுத்திய பகுப்பாய்வு சூழலை உருவாக்குதல்.
நிபுணத்துவ மேம்பாடு: சூழல்சார்ந்த தரவின் (வானிலை, செய்திகள், தொடர்புடைய எச்சரிக்கைகள்) சேகரிப்பு மற்றும் ஆரம்ப தொடர்பை தானியங்குபடுத்துதல், கள நிபுணர்கள் தங்கள் மதிப்புமிக்க நேரத்தை மூலோபாய விளக்கம் மற்றும் முடிவெடுப்பதில் செலவிட அனுமதித்தல்.
விரிவான கவரேஜ்: பல எச்சரிக்கைகளை ஒரே நேரத்தில் விரைவாகவும் ஆழமாகவும் விசாரிக்க தகவல் தொகுப்பை சீரமைத்தல்.

இந்த லட்சிய இலக்குகளை நிவர்த்தி செய்ய, Windward, AWS Generative AI Innovation Center உடன் இணைந்து MAI Expert™ ஐ உருவாக்கியது, இது சிக்கலான கடல்சார் அசாதாரணங்களை தானாக சூழல்சார்ந்ததாக மாற்றக்கூடிய முதல் உருவாக்கும் AI கடல்சார் முகவர் ஆகும்.

ஏஜென்டிக் கட்டிடக்கலை: AWS உடன் சூழல்சார்ந்த நுண்ணறிவை இயக்குதல்

Windward இன் மேம்படுத்தப்பட்ட தீர்வின் இதயம், AWS இல் பயன்படுத்தப்பட்டுள்ள அதன் பல-படிநிலை, AI-இயங்கும் கட்டிடக்கலையில் உள்ளது. இந்த அமைப்பு பல்வேறு உள் மற்றும் வெளி மூலங்களிலிருந்து பொருத்தமான தரவை தானாகவே பெற்று, இந்த தகவலைப் பயன்படுத்தி கடல்சார் அசாதாரண நிகழ்வுகளை முழுமையாக சூழல்சார்ந்ததாக விவரிக்கும் ஒரு உரை விளக்கத்தை உருவாக்குகிறது.

இந்த செயல்முறை ஒரு அசாதாரண நிகழ்வை Windward Early Detection அமைப்பு அடையாளம் காணும்போது தொடங்குகிறது. அசாதாரணத்தின் கால முத்திரை, பகுதி ஒருங்கிணைப்புகள், அசாதாரண வகை மற்றும் கப்பல் வகை போன்ற தொடர்புடைய மெட்டாடேட்டா Windward இன் உள் தரவுத்தளத்திலிருந்து பிரித்தெடுக்கப்படுகிறது.

இந்த மெட்டாடேட்டா பின்னர் ஏஜென்டிக் பகுப்பாய்வு அமைப்பிற்கு வழங்கப்படுகிறது, இது Amazon Bedrock இல் உள்ள பெரிய மொழி மாதிரிகள் (LLMs) மூலம் இயக்கப்படுகிறது. முழு பல-படிநிலை அசாதாரண பகுப்பாய்வு பைப்லைன் AWS Step Functions ஐப் பயன்படுத்தி ஒருங்கிணைக்கப்பட்டு, உறுதியான மற்றும் அளவிடக்கூடிய பணிப்பாய்வை உறுதி செய்கிறது.

இந்த ஒருங்கிணைக்கப்பட்ட செயல்முறையின் முதல் படி, தொடர்புடைய பின்னணி தகவல்களைச் சேகரிக்க பல, மாறுபட்ட வெளிப்புற தரவு மூலங்களை வினவுவதை உள்ளடக்கியது:

நிகழ்நேர செய்தி ஊட்டங்கள்: பொதுத் தரவிலிருந்து கண்டறியப்பட்ட எச்சரிக்கைகள் மற்றும் நிகழ்வு சிக்னல்கள் கடல்சார் அசாதாரணத்தின் நேரம் மற்றும் இருப்பிடத்தின் அடிப்படையில் பெறப்பட்டு வடிகட்டப்படுகின்றன.
அறிவார்ந்த வலைத் தேடல்: LLM கள் துல்லியமான தேடல் வினவல்களை உருவாக்குகின்றன, அசாதாரணத்திற்கான நிகழ்நேர சூழலை வழங்கும் புதுப்பித்த வலைத் தேடல் முடிவுகளை மீட்டெடுக்க உதவுகின்றன.
வானிலை தரவு: அசாதாரணத்தின் குறிப்பிட்ட இடம் மற்றும் நேரத்திற்கான வெப்பநிலை, காற்றின் வேகம் மற்றும் மழைப்பொழிவு உள்ளிட்ட முக்கியமான வானிலை தரவைப் பெற ஒரு வெளிப்புற API பயன்படுத்தப்படுகிறது.

ஒவ்வொரு தரவு மூலமும் ஒரு தனி AWS Lambda செயல்பாடு ஐப் பயன்படுத்தி வினவப்படுகிறது. இந்த மாடுலர் அணுகுமுறை செயல்திறன் மற்றும் அளவிடக்கூடிய தன்மையை உறுதிசெய்கிறது, தேவைப்படும்போது புதிய தரவு மூலங்களை எளிதாக ஒருங்கிணைக்க அனுமதிக்கிறது.

டைனமிக் சுய-பிரதிபலிப்பு மற்றும் தரவு ஒழுங்கமைத்தல்

இந்த ஏஜென்டிக் தீர்வின் ஒரு முக்கிய கண்டுபிடிப்பு அதன் சுய-பிரதிபலிப்பு திறன் ஆகும், இது கூடுதல் தரவு மீட்டெடுப்பின் தேவையை மாறும் வகையில் தீர்மானிக்கிறது. செய்திகள், வலைத் தேடல் மற்றும் வானிலை ஆகியவற்றிலிருந்து ஆரம்ப தரவு சேகரிப்புக்குப் பிறகு, பைப்லைன் இரண்டாவது படிக்கு நகர்கிறது. இங்கே, Anthropic இன் Claude மூலம் Amazon Bedrock இல் இயக்கப்படும் ஒரு தனி LLM—மீட்டெடுக்கப்பட்ட தரவு உருப்படிகளை ஆராய்கிறது.

இதுவரை சேகரிக்கப்பட்ட தரவு அசாதாரணத்தை விளக்க போதுமானதா அல்லது நிகழ்வு தொடர்பான சில அம்சங்கள் இன்னும் விடுபட்டுள்ளதா என்பதை தீர்மானிக்க இந்த LLM க்கு அறிவுறுத்தப்படுகிறது. பின்னர் அது கூடுதல் வலை முடிவுகளுக்கான புதிய, மிகவும் செம்மைப்படுத்தப்பட்ட தேடல் வினவலை உருவாக்கலாம் அல்லது பைப்லைனை தொடர சிக்னல் செய்யலாம். படம் 2 இல் சித்தரிக்கப்பட்டுள்ள இந்த அறிவார்ந்த பின்னூட்ட சுழற்சி, கணினி முன்கூட்டியே மிகவும் விரிவான சூழலைத் தேடவும், அதை முன்னர் சேகரிக்கப்பட்ட தகவலுடன் இணைக்கவும் அனுமதிக்கிறது.

Windward AWS வலைப்பதிவிற்கான கட்டிடக்கலை வரைபடம் படம் 1. AWS சேவைகள் மற்றும் உருவாக்கும் AI ஐ வெளிப்படுத்தும் தீர்வு கட்டிடக்கலை.

சுய-பிரதிபலிப்பு மூலம் ஓட்டத்தின் வரைபடம் படம் 2. ஏஜென்டிக் அசாதாரண பகுப்பாய்வு அமைப்பில் சுய-பிரதிபலிப்பு தர்க்கம்.

இந்த டைனமிக் தரவு மீட்டெடுப்பு மற்றும் சுய-பிரதிபலிப்பு கட்டத்தைத் தொடர்ந்து, அமைப்பு பொருத்தமற்ற செய்தி உருப்படிகளை அகற்றவும் மற்றும் மிக உயர்ந்த தரமான சூழலை உறுதிப்படுத்தவும் இரண்டு-நிலை வடிகட்டுதல் மற்றும் தரவரிசைப்படுத்தும் செயல்முறையைப் பயன்படுத்துகிறது:

Amazon Rerank உடன் மறு-தரவரிசைப்படுத்துதல்: Amazon Rerank என்ற ஒரு AI மாதிரி, அசாதாரணத்துடன் அவற்றின் பொருத்தத்தின்படி ஆரம்ப தரவு உருப்படிகளை வரிசைப்படுத்துகிறது. இந்த படி அதிக நினைவுகூரலை (recall) பராமரிக்கவும், அடுத்த கட்டத்திற்கான வேட்பாளர் தொகுப்பை திறமையாக குறைக்கவும் முக்கியமானது.
LLM அடிப்படையிலான துல்லிய மதிப்பெண்: பின்னர், உயர் தரவரிசைப்படுத்தப்பட்ட ஒவ்வொரு உருப்படியும் நேரம், இடம் மற்றும் பொருந்தும் கப்பல் வகை உள்ளிட்ட பல பரிமாணங்களில் ஒரு LLM ஆல் மேலும் மதிப்பெண் செய்யப்படுகிறது. இந்த அமைப்பு 0 மற்றும் 100 க்கு இடையில் பொருத்தமான மதிப்பெண்களை ஒதுக்குகிறது, முன்னரே தீர்மானிக்கப்பட்ட வரம்பை மீறும் தரவு உருப்படிகளை மட்டுமே தக்கவைக்கிறது. இது அதிக துல்லியத்தை உறுதிசெய்கிறது, இறுதி பகுப்பாய்வுக்கு மிகவும் பொருத்தமான தகவல்கள் மட்டுமே பங்களிக்கின்றன என்பதை உறுதிப்படுத்துகிறது.

செயல்படக்கூடிய நுண்ணறிவுகள்: சூழல்சார்ந்த அறிக்கை

இறுதியாக, கவனமாக வடிகட்டப்பட்ட மற்றும் தரவரிசைப்படுத்தப்பட்ட தரவு மற்றொரு LLM க்கு அனுப்பப்படுகிறது. இந்த LLM, அசாதாரணத்தைப் பற்றிய சுருக்கமான, சூழல்சார்ந்த அறிக்கையை உருவாக்க சேகரிக்கப்பட்ட அனைத்து நுண்ணறிவுகளையும் தொகுக்கிறது. இந்த அறிக்கை கண்டறியப்பட்ட கடல்சார் நிகழ்வின் சாத்தியமான காரணங்கள், அபாயங்கள் மற்றும் தாக்கங்களை சுருக்கமாகக் கூறுகிறது. முக்கியமாக, இது Windward இன் வாடிக்கையாளர்களுக்காக எழுதப்பட்டுள்ளது மற்றும் பயன்படுத்தப்பட்ட அனைத்து தரவு மூலங்களையும் நேரடியாக மேற்கோள் காட்டுகிறது, முழு வெளிப்படைத்தன்மையை வழங்குகிறது மற்றும் தகவலைச் சரிபார்க்கவும் வழங்கப்பட்ட இணைப்புகளைப் பின்பற்றி மேலும் ஆழமாக ஆராயவும் பயனர்களுக்கு உதவுகிறது.

கடல்சார் நுண்ணறிவு தயாரிப்பு படம் 3. Windward இன் MAI Expert™ இலிருந்து உருவாக்கப்பட்ட அசாதாரண அறிக்கையின் எடுத்துக்காட்டு.

இந்த வெளியீடு ஆய்வாளர்களின் அறிவாற்றல் சுமையை வியத்தகு முறையில் குறைக்கிறது, அசாதாரணத்தை அதன் பரந்த செயல்பாட்டு மற்றும் புவிசார் அரசியல் சூழலில் விளக்கும் ஒரு ஆயத்த விளக்கத்தை அவர்களுக்கு வழங்குகிறது.

மதிப்பீடு மற்றும் தாக்கம்

முழு அமைப்பும் வரலாற்று கடல்சார் அசாதாரணங்களின் விரிவான தொகுப்பிற்கு எதிராக கடுமையாக மதிப்பீடு செய்யப்படுகிறது. இந்த மதிப்பீடு பெரும்பாலும் LLM-ஐ-நீதிபதி அணுகுமுறையை உள்ளடக்கியது, உருவாக்கப்பட்ட சூழல்சார்ந்த அறிக்கைகளின் தரம், துல்லியம் மற்றும் முழுமையை மதிப்பிடுகிறது.

இந்த ஏஜென்டிக் உருவாக்கும் AI தீர்வின் தாக்கங்கள் ஆழமானவை. தரவு சேகரிப்பு மற்றும் தொடர்புபடுத்துதலின் கடினமான செயல்முறையை தானியங்குபடுத்துவதன் மூலம், Windward கடல்சார் ஆய்வாளர்களுக்கு பின்வருவனவற்றை வழங்குகிறது:

செயல்திறனை மேம்படுத்துதல்: விசாரணையில் செலவழித்த நேரத்தை கணிசமாக குறைத்து, மதிப்புமிக்க மனித வளங்களை விடுவிக்கிறது.
சூழ்நிலை விழிப்புணர்வை மேம்படுத்துதல்: அசாதாரணங்களைப் பற்றிய ஆழமான, அதிக சூழல்சார்ந்த புரிதலைப் பெறுதல், தனிமைப்படுத்தப்பட்ட எச்சரிக்கைகளுக்கு அப்பால் விரிவான நுண்ணறிவுக்கு நகர்தல்.
முடிவெடுப்பதை விரைவுபடுத்துதல்: டைனமிக் கடல்சார் சூழல்களில் அச்சுறுத்தல்களை எதிர்பார்த்து சொத்துக்களைப் பாதுகாப்பதற்கு முக்கியமான, விரைவான மற்றும் தகவலறிந்த முடிவுகளை எடுக்க உதவுகிறது.
நிபுணத்துவத்தை மேம்படுத்துதல்: கள நிபுணர்கள் மூலோபாய விளக்கம் மற்றும் உயர் மட்ட பகுப்பாய்வில் கவனம் செலுத்த அனுமதிக்கிறது, அவர்களின் தனிப்பட்ட திறன்களை மிகவும் முக்கியத்துவம் வாய்ந்த இடங்களில் பயன்படுத்துகிறது.

Windward மற்றும் AWS இடையேயான ஒத்துழைப்பு, அதிநவீன உருவாக்கும் AI மற்றும் கிளவுட் உள்கட்டமைப்பு எவ்வாறு சிக்கலான நிஜ உலகப் பிரச்சனைகளைத் தீர்க்கப் பயன்படுத்தப்படலாம் என்பதற்கு ஒரு எடுத்துக்காட்டு, கடல்சார் நுண்ணறிவு போன்ற முக்கியமான துறைகளை மாற்றியமைத்து, சூழல்சார்ந்த அசாதாரண பகுப்பாய்வுக்கு ஒரு புதிய தரநிலையை அமைக்கிறது.