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.

AI Tác Nhân Hàng Hải: Phân tích Dị thường theo Ngữ cảnh với AI Tạo sinh

Cách mạng hóa Phân tích Dị thường Hàng hải với AI Tác nhân

Thế giới hoạt động hàng hải toàn cầu rộng lớn và phức tạp đặt ra những thách thức độc đáo cho an ninh, tình báo và hoạt động thương mại. Việc xác định và hiểu các hành vi bất thường của tàu thuyền – từ những di chuyển không mong muốn đến những sai lệch so với các mẫu đã biết – thường đòi hỏi rất nhiều thời gian, chuyên môn sâu về lĩnh vực và sự tương quan giữa các nguồn dữ liệu khác nhau. Windward, một công ty hàng đầu về AI Hàng hải™, từ lâu đã cung cấp thông tin tình báo quan trọng cho các hoạt động hàng hải. Giờ đây, hợp tác với AWS, Windward đang tận dụng AI tạo sinh tác nhân để biến đổi quy trình này, chuyển từ các cảnh báo riêng lẻ sang thông tin tình báo toàn diện, theo ngữ cảnh.

Mối quan hệ đối tác đột phá này nhằm mục đích trao quyền cho các nhà phân tích hàng hải, giảm đáng kể thời gian điều tra và cho phép họ tập trung vào việc ra quyết định có giá trị cao thay vì thu thập dữ liệu khó nhọc. Bằng cách kết hợp thông tin tình báo địa không gian với AI tạo sinh tiên tiến, giải pháp mới của Windward cung cấp cái nhìn 360°, dự đoán các mối đe dọa và bảo vệ tài sản quan trọng trên biển với tốc độ và độ chính xác chưa từng có.

Thách thức: Từ quá tải dữ liệu đến thông tin chi tiết có thể hành động

Trong lịch sử, việc điều tra dị thường hàng hải là một nỗ lực rất thủ công và tốn nhiều thời gian. Các nhà phân tích sẽ dành hàng giờ để sàng lọc thông tin rời rạc, cố gắng kết nối các điểm giữa các luồng dữ liệu khác nhau để hiểu hành vi bất thường của một tàu. Quá trình này không chỉ đòi hỏi nỗ lực đáng kể mà còn cả chuyên môn sâu rộng để diễn giải những sắc thái của các hoạt động hàng hải, kiểu thời tiết và các sự kiện địa chính trị.

Hệ thống Phát hiện Sớm hiện có của Windward đã thành công trong việc xác định các mẫu đáng ngờ, nhưng mục tiêu là tăng tốc đường dẫn từ phát hiện đến ra quyết định. Để tối ưu hóa quy trình phân tích và cung cấp thông tin chi tiết thực sự "sẵn sàng cho nhiệm vụ", Windward đã xác định ba cải tiến chiến lược chính cần thiết:

Quy trình làm việc thống nhất: Giảm thiểu nhu cầu các nhà phân tích tham vấn các nguồn dữ liệu bên ngoài, tạo ra một môi trường phân tích liền mạch và tập trung.
Tối ưu hóa Chuyên môn: Tự động hóa việc thu thập và tương quan ban đầu dữ liệu ngữ cảnh (thời tiết, tin tức, cảnh báo liên quan), cho phép các chuyên gia miền dành thời gian quý báu của họ cho việc diễn giải chiến lược và ra quyết định.
Phạm vi bao quát toàn diện: Hợp lý hóa việc tổng hợp thông tin để cho phép điều tra nhanh hơn và chuyên sâu hơn nhiều cảnh báo cùng lúc.

Để giải quyết các mục tiêu đầy tham vọng này, Windward đã hợp tác với Trung tâm Đổi mới AI Tạo sinh AWS để phát triển MAI Expert™, tác nhân AI hàng hải tạo sinh đầu tiên có khả năng tự động đưa các dị thường hàng hải phức tạp vào ngữ cảnh.

Kiến trúc Tác nhân: Thúc đẩy Trí tuệ theo Ngữ cảnh với AWS

Trọng tâm của giải pháp cải tiến của Windward nằm ở kiến trúc nhiều bước, được hỗ trợ bởi AI, triển khai trên AWS. Hệ thống này tự động lấy dữ liệu liên quan từ nhiều nguồn nội bộ và bên ngoài khác nhau và sử dụng thông tin này để tạo ra một mô tả văn bản đưa các sự kiện dị thường hàng hải vào ngữ cảnh một cách kỹ lưỡng.

Quá trình bắt đầu khi một dị thường được hệ thống Phát hiện Sớm của Windward xác định. Siêu dữ liệu liên quan—như dấu thời gian dị thường, tọa độ khu vực, loại dị thường và lớp tàu—được trích xuất từ cơ sở dữ liệu nội bộ của Windward.

Siêu dữ liệu này sau đó được đưa vào một hệ thống phân tích tác nhân được hỗ trợ bởi các mô hình ngôn ngữ lớn (LLM) trên Amazon Bedrock. Toàn bộ quy trình phân tích dị thường nhiều bước được điều phối bằng AWS Step Functions, đảm bảo một quy trình làm việc mạnh mẽ và có thể mở rộng.

Bước đầu tiên trong quy trình được điều phối này liên quan đến việc truy vấn nhiều nguồn dữ liệu bên ngoài đa dạng để thu thập thông tin nền liên quan:

Nguồn cấp tin tức thời gian thực: Các cảnh báo và tín hiệu sự kiện được phát hiện từ dữ liệu công khai được lấy và lọc dựa trên thời gian và vị trí của dị thường hàng hải.
Tìm kiếm web thông minh: LLM tạo ra các truy vấn tìm kiếm chính xác, cho phép truy xuất các kết quả tìm kiếm web cập nhật cung cấp ngữ cảnh thời gian thực cho dị thường.
Dữ liệu thời tiết: Một API bên ngoài được sử dụng để truy xuất dữ liệu thời tiết quan trọng, bao gồm nhiệt độ, tốc độ gió và lượng mưa, cho vị trí và thời gian cụ thể của dị thường.

Mỗi nguồn dữ liệu được truy vấn bằng một hàm AWS Lambda riêng biệt. Cách tiếp cận mô-đun này đảm bảo hiệu quả và khả năng mở rộng, cho phép dễ dàng tích hợp các nguồn dữ liệu mới khi cần.

Tự phản ánh động và Quản lý dữ liệu

Một đổi mới cốt lõi trong giải pháp tác nhân này là khả năng tự phản ánh, giúp xác định động nhu cầu truy xuất dữ liệu bổ sung. Sau khi thu thập dữ liệu ban đầu từ tin tức, tìm kiếm web và thời tiết, quy trình chuyển sang bước thứ hai. Tại đây, một LLM riêng biệt—được hỗ trợ bởi Claude của Anthropic thông qua Amazon Bedrock—sẽ kiểm tra các mục dữ liệu đã truy xuất.

LLM này được hướng dẫn để quyết định liệu dữ liệu đã thu thập cho đến nay có đủ để giải thích dị thường hay liệu một số khía cạnh liên quan đến sự kiện vẫn còn thiếu. Sau đó, nó có thể tạo ra một truy vấn tìm kiếm mới, tinh chỉnh hơn để có thêm kết quả web hoặc báo hiệu cho quy trình tiếp tục. Vòng lặp phản hồi thông minh này, được minh họa trong Hình 2, cho phép hệ thống chủ động tìm kiếm ngữ cảnh toàn diện hơn, bổ sung vào thông tin đã thu thập trước đó.

Architecture diagram for windward aws blog Hình 1. Sơ đồ kiến trúc minh họa các dịch vụ AWS và AI tạo sinh.

Diagram of flow through self-reflection Hình 2. Logic tự phản ánh trong hệ thống phân tích dị thường tác nhân.

Sau giai đoạn truy xuất dữ liệu động và tự phản ánh này, hệ thống sử dụng quy trình lọc và xếp hạng hai giai đoạn để loại bỏ các mục tin tức không liên quan và đảm bảo ngữ cảnh chất lượng cao nhất:

Xếp hạng lại với Amazon Rerank: Một mô hình AI, Amazon Rerank, sắp xếp tập hợp các mục dữ liệu ban đầu theo mức độ liên quan của chúng với dị thường. Bước này rất quan trọng để duy trì độ bao phủ cao, giảm thiểu hiệu quả nhóm ứng viên cho giai đoạn tiếp theo.
Chấm điểm độ chính xác dựa trên LLM: Mỗi mục hàng đầu sau đó được một LLM chấm điểm thêm theo nhiều khía cạnh, bao gồm thời gian, vị trí và loại tàu phù hợp. Hệ thống gán điểm liên quan từ 0 đến 100, chỉ giữ lại những mục dữ liệu vượt quá ngưỡng định trước. Điều này đảm bảo độ chính xác cao, đảm bảo rằng chỉ những thông tin phù hợp nhất mới đóng góp vào phân tích cuối cùng.

Thông tin chi tiết có thể hành động: Báo cáo theo ngữ cảnh

Cuối cùng, dữ liệu đã được lọc và xếp hạng tỉ mỉ được chuyển đến một LLM khác. LLM này tổng hợp tất cả thông tin tình báo đã thu thập để tạo ra một báo cáo ngắn gọn, theo ngữ cảnh về dị thường. Báo cáo tóm tắt các nguyên nhân tiềm ẩn, rủi ro và ý nghĩa của sự kiện hàng hải được phát hiện. Quan trọng là, nó được viết cho khách hàng của Windward và trích dẫn trực tiếp tất cả các nguồn dữ liệu được sử dụng, cung cấp sự minh bạch hoàn toàn và cho phép người dùng xác minh thông tin cũng như tìm hiểu sâu hơn bằng cách theo các liên kết được cung cấp.

Maritime intelligence product Hình 3. Ví dụ về báo cáo dị thường được tạo bởi MAI Expert™ của Windward.

Kết quả đầu ra này giảm đáng kể gánh nặng nhận thức cho các nhà phân tích, trình bày cho họ một câu chuyện sẵn có giải thích dị thường trong ngữ cảnh hoạt động và địa chính trị rộng lớn hơn của nó.

Đánh giá và Tác động

Hệ thống từ đầu đến cuối được đánh giá nghiêm ngặt dựa trên một tập hợp toàn diện các dị thường hàng hải lịch sử. Đánh giá này thường liên quan đến cách tiếp cận LLM đóng vai trò như một thẩm phán, đánh giá chất lượng, độ chính xác và tính đầy đủ của các báo cáo theo ngữ cảnh được tạo ra.

Ý nghĩa của giải pháp AI tạo sinh tác nhân này là rất sâu sắc. Bằng cách tự động hóa quá trình thu thập và tương quan dữ liệu tốn công, Windward trao quyền cho các nhà phân tích hàng hải để:

Nâng cao Hiệu quả: Giảm đáng kể thời gian dành cho điều tra, giải phóng nguồn nhân lực quý giá.
Cải thiện Nhận thức Tình huống: Có được hiểu biết sâu sắc hơn, theo ngữ cảnh hơn về các dị thường, vượt ra ngoài các cảnh báo riêng lẻ để có được thông tin tình báo toàn diện.
Đẩy nhanh Quá trình Ra quyết định: Cho phép đưa ra các quyết định nhanh hơn và sáng suốt hơn, điều này rất quan trọng để dự đoán các mối đe dọa và bảo vệ tài sản trong môi trường hàng hải năng động.
Tối ưu hóa Chuyên môn: Cho phép các chuyên gia miền tập trung vào diễn giải chiến lược và phân tích cấp cao, tận dụng các kỹ năng độc đáo của họ vào những nơi quan trọng nhất.

Sự hợp tác giữa Windward và AWS là một ví dụ điển hình về cách AI tạo sinh tiên tiến và cơ sở hạ tầng đám mây có thể được khai thác để giải quyết các vấn đề phức tạp trong thế giới thực, biến đổi các lĩnh vực quan trọng như tình báo hàng hải và thiết lập một tiêu chuẩn mới cho phân tích dị thường theo ngữ cảnh.