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.

Ajansımsı Denizcilik Yapay Zekası: Üretken Yapay Zeka ile Bağlamsal Anomali Analizi

Denizcilik Anomali Analizini Ajansımsı Yapay Zeka ile Devrimleştirme

Küresel denizcilik faaliyetlerinin engin, karmaşık dünyası; güvenlik, istihbarat ve ticari operasyonlar için benzersiz zorluklar sunmaktadır. Olağandışı gemi davranışlarını – beklenmedik hareketlerden bilinen rotalardan sapmalara kadar – tanımlamak ve anlamak genellikle büyük zaman, derin alan uzmanlığı ve farklı veri kaynaklarının ilişkilendirilmesini gerektirir. Denizcilik Yapay Zekası™ alanında lider olan Windward, uzun süredir deniz operasyonları için kritik istihbarat sağlamaktadır. Şimdi, AWS ile işbirliği içinde, Windward bu süreci dönüştürmek için ajansımsı üretken yapay zekayı kullanmakta, izole uyarıları kapsamlı, bağlamsal zekaya dönüştürmektedir.

Bu çığır açan ortaklık, denizcilik analistlerini güçlendirmeyi, soruşturma sürelerini önemli ölçüde azaltmayı ve zahmetli veri toplama yerine yüksek değerli karar verme süreçlerine odaklanmalarını sağlamayı hedeflemektedir. Jeo-uzamsal zekayı gelişmiş üretken yapay zeka ile birleştirerek, Windward'ın yeni çözümü, tehditleri öngörerek ve denizdeki kritik varlıkları eşi benzeri görülmemiş bir hız ve hassasiyetle koruyarak 360 derecelik bir görünüm sunar.

Zorluk: Veri Yükünden Eyleme Geçirilebilir İçgörülere

Tarihsel olarak, denizcilik anomali soruşturması son derece manuel ve zaman alıcı bir girişimdi. Analistler, bir geminin anormal davranışını anlamak için parçalanmış bilgileri saatlerce elemek, çeşitli veri akışları arasındaki noktaları birleştirmeye çalışmak zorundaydı. Bu süreç, sadece önemli çaba değil, aynı zamanda denizcilik faaliyetlerinin, hava durumu modellerinin ve jeopolitik olayların inceliklerini yorumlamak için derin alan uzmanlığı da gerektiriyordu.

Windward'ın mevcut Erken Tespit sistemi şüpheli kalıpları başarıyla belirlese de, amaç tespitten karar alma sürecine giden yolu hızlandırmaktı. Analitik iş akışını optimize etmek ve gerçekten "göreve hazır" içgörüler sağlamak için Windward, üç temel stratejik iyileştirmeye ihtiyaç olduğunu belirledi:

Birleşik İş Akışı: Analistlerin harici veri kaynaklarına başvurma ihtiyacını en aza indirerek kesintisiz ve odaklanmış bir analitik ortam yaratmak.
Uzmanlık Optimizasyonu: Bağlamsal verilerin (hava durumu, haberler, ilgili uyarılar) toplanmasını ve ilk korelasyonunu otomatikleştirerek, alan uzmanlarının değerli zamanlarını stratejik yorumlamaya ve karar vermeye ayırmalarını sağlamak.
Kapsamlı Kapsam: Birden fazla uyarının aynı anda daha hızlı ve derinlemesine araştırılmasına olanak tanımak için bilgi sentezini kolaylaştırmak.

Bu iddialı hedeflere ulaşmak için Windward, karmaşık denizcilik anomalilerini otomatik olarak bağlamsallaştırabilen ilk üretken yapay zeka denizcilik ajanı olan MAI Expert™'i geliştirmek üzere AWS Üretken Yapay Zeka İnovasyon Merkezi ile ortaklık kurdu.

Ajansımsı Mimari: AWS ile Bağlamsal Zekayı Güçlendirme

Windward'ın geliştirilmiş çözümünün kalbi, AWS üzerinde dağıtılan çok adımlı, yapay zeka destekli mimarisinde yatmaktadır. Bu sistem, çeşitli dahili ve harici kaynaklardan ilgili verileri otomatik olarak çeker ve bu bilgiyi denizcilik anomali olaylarını kapsamlı bir şekilde bağlamsallaştıran metinsel bir açıklama oluşturmak için kullanır.

Süreç, Windward Erken Tespit sistemi tarafından bir anomali tespit edildiğinde başlar. Anomali zaman damgası, bölge koordinatları, anomali türü ve gemi sınıfı gibi ilgili meta veriler Windward'ın dahili veritabanından çıkarılır.

Bu meta veriler daha sonra Amazon Bedrock üzerindeki büyük dil modelleri (LLM'ler) tarafından desteklenen bir ajansımsı analiz sistemine beslenir. Tüm çok adımlı anomali analiz iş akışı, sağlam ve ölçeklenebilir bir iş akışı sağlayarak AWS Step Functions kullanılarak düzenlenir.

Bu düzenlenmiş sürecin ilk adımı, ilgili arka plan bilgilerini toplamak için birden fazla, farklı harici veri kaynağını sorgulamayı içerir:

Gerçek Zamanlı Haber Akışı: Genel verilerden keşfedilen uyarılar ve olay sinyalleri, denizcilik anomalisinin zamanı ve konumuna göre çekilir ve filtrelenir.
Akıllı Web Araması: LLM'ler hassas arama sorguları oluşturarak, anomaliye gerçek zamanlı bağlam sağlayan güncel web arama sonuçlarının alınmasını sağlar.
Hava Durumu Verileri: Anomaliye özgü konum ve zaman için sıcaklık, rüzgar hızı ve yağış dahil olmak üzere kritik hava durumu verilerini almak için harici bir API kullanılır.

Her veri kaynağı ayrı bir AWS Lambda fonksiyonu kullanılarak sorgulanır. Bu modüler yaklaşım, verimlilik ve ölçeklenebilirlik sağlayarak, gerektiğinde yeni veri kaynaklarının kolayca entegre edilmesine olanak tanır.

Dinamik Öz-Yansıtma ve Veri Kürasyonu

Bu ajansımsı çözümdeki temel bir yenilik, ek veri alımına olan ihtiyacı dinamik olarak belirleyen öz-yansıtma yeteneğidir. Haberler, web araması ve hava durumundan ilk veri toplandıktan sonra, iş akışı ikinci bir adıma geçer. Burada, Anthropic'in Claude'u tarafından Amazon Bedrock aracılığıyla desteklenen ayrı bir LLM, alınan veri öğelerini inceler.

Bu LLM'e, şimdiye kadar toplanan verilerin anomalinin açıklanması için yeterli olup olmadığına veya olayla ilgili belirli yönlerin hala eksik olup olmadığına karar vermesi talimatı verilir. Daha sonra ek web sonuçları için yeni, daha rafine bir arama sorgusu oluşturabilir veya iş akışına devam etmesi için sinyal verebilir. Şekil 2'de gösterilen bu akıllı geri bildirim döngüsü, sistemin daha kapsamlı bağlamı proaktif olarak aramasını ve daha önce toplanan bilgilere eklemesini sağlar.

Architecture diagram for windward aws blog Şekil 1. AWS hizmetlerini ve üretken yapay zekayı gösteren çözüm mimarisi.

Diagram of flow through self-reflection Şekil 2. Ajansımsı anomali analiz sistemindeki öz-yansıtma mantığı.

Bu dinamik veri alımı ve öz-yansıtma aşamasını takiben, sistem alakasız haber öğelerini kaldırmak ve en yüksek kalitede bağlamı sağlamak için iki aşamalı bir filtreleme ve sıralama süreci kullanır:

Amazon Rerank ile Yeniden Sıralama: Bir yapay zeka modeli olan Amazon Rerank, başlangıçtaki veri öğeleri kümesini anomaliye olan alaka düzeylerine göre sıralar. Bu adım, yüksek geri çağırma oranını korumak ve bir sonraki aşama için aday havuzunu verimli bir şekilde azaltmak açısından kritik öneme sahiptir.
LLM Tabanlı Hassasiyet Puanlaması: En üst sıradaki öğelerin her biri daha sonra bir LLM tarafından zaman, konum ve eşleşen gemi tipi dahil olmak üzere birden fazla boyutta daha fazla puanlanır. Sistem 0 ile 100 arasında alaka puanları atar ve yalnızca önceden tanımlanmış bir eşiği aşan veri öğelerini korur. Bu, yüksek hassasiyet sağlayarak nihai analize yalnızca en ilgili bilgilerin katkıda bulunmasını garanti eder.

Eyleme Geçirilebilir İçgörüler: Bağlamsallaştırılmış Rapor

Son olarak, titizlikle filtrelenmiş ve sıralanmış veriler başka bir LLM'e iletilir. Bu LLM, toplanan tüm bilgileri sentezleyerek anomali hakkında kısa, bağlamsallaştırılmış bir rapor oluşturur. Rapor, tespit edilen denizcilik olayının potansiyel nedenlerini, risklerini ve sonuçlarını özetler. En önemlisi, Windward'ın müşterileri için yazılmıştır ve kullanılan tüm veri kaynaklarını doğrudan belirtir, tam şeffaflık sağlar ve kullanıcıların bilgileri doğrulamasına ve sağlanan bağlantıları takip ederek daha derine inmesine olanak tanır.

Maritime intelligence product Şekil 3. Windward'ın MAI Expert™'inden oluşturulan bir anomali raporu örneği.

Bu çıktı, analistlerin bilişsel yükünü önemli ölçüde azaltarak, anomaliyi daha geniş operasyonel ve jeopolitik bağlamında açıklayan hazır bir anlatı sunar.

Değerlendirme ve Etki

Uçtan uca sistem, kapsamlı bir geçmiş denizcilik anomalileri kümesine karşı titizlikle değerlendirilir. Bu değerlendirme genellikle, oluşturulan bağlamsal raporların kalitesini, doğruluğunu ve eksiksizliğini değerlendiren bir "hakem olarak LLM" yaklaşımını içerir.

Bu ajansımsı üretken yapay zeka çözümünün etkileri derindir. Windward, zahmetli veri toplama ve korelasyon sürecini otomatikleştirerek denizcilik analistlerini şunları yapmaya yetkilendirir:

Verimliliği Artırın: Soruşturmaya harcanan zamanı önemli ölçüde azaltarak değerli insan kaynaklarını serbest bırakın.
Durumsal Farkındalığı İyileştirin: Anomaliler hakkında daha derin, daha bağlamsal bir anlayış kazanarak, izole uyarıların ötesine geçip kapsamlı istihbarata ulaşın.
Karar Vermeyi Hızlandırın: Dinamik denizcilik ortamlarında tehditleri öngörmek ve varlıkları korumak için kritik olan daha hızlı ve bilinçli kararlar alınmasını sağlayın.
Uzmanlığı Optimize Edin: Alan uzmanlarının stratejik yorumlama ve üst düzey analize odaklanmasını sağlayarak, benzersiz becerilerini en çok ihtiyaç duyulan yerlerde kullanmalarına olanak tanıyın.

Windward ve AWS arasındaki işbirliği, en son üretken yapay zeka ve bulut altyapısının karmaşık gerçek dünya problemlerini çözmek, denizcilik istihbaratı gibi kritik sektörleri dönüştürmek ve bağlamsal anomali analizi için yeni bir standart belirlemek amacıyla nasıl kullanılabileceğini gözler önüne sermektedir.