Kan kunstig intelligens hjelpe fiskere å finne torsken?

Det er en kald høstdag i Tromsø og snøen har allerede lagt seg. Gadus Njord ligger til lossing og gjør seg klar til ferskfisktur på torsken.

På kaien står to ingeniører fra Catchwise, med skipssekken full av reisetabletter og Redbull. De skal være med ut på turen for å teste hvor godt kunstig intelligens kan støtte skipperen med å finne torsken.

Dette blir Catchwise sin tredje tur til sjøs, etter tidligere erfaringer med Nordsjøsilda og Makrellen. Denne gangen æren av å være med på hvitfisktråler, ledet av skipper Ove Brennskag – en erfaren og dyktig skipper med lang fartstid på havet.

Slik kan KI hjelpe med å finne torsken

Catchwise sine KI-modeller fungerer som en "værmelding" som viser hvor forholdene er best for en spesifikk art.

Målet til modellen er å forutsi hvilke områder som kan gi best fangst, målt i tonn per tauetime, basert på forholdene på området. Modellen baserer seg på store mengder data som er samlet fra hele Barentshavet siden 2011, og lærer å gjenkjenne hvilke forhold som ligger til rette når det er god fangst.

Modellen benytter flere miljøvariabler i kombinasjon, som bunntemperatur, havstrømmer, månefase og saltnivå.

Det er viktig å understreke at en KI-modell er laget for å støtte skipperens egne vurderinger, ikke erstatte dem.

Modellen hjelper til med snevre inn søkeområdet. På samme måte som at ekkoloddet kan gi en pekepinn på om du skal skyte av, så gir en modell en pekepinn på hvilke områder du burde lete på.

Hvordan gikk det?

Til tross for generelt dårlige fangstforhold, klarte modellen å gi gode anslag for forventet fangst per tauetime på feltet. Vi så en god sammenheng mellom de gangene vi dro til områder som modellen hadde vurdert som bra, både på ekkolodd og på fangsten.

Selv om modellen fortsatt er under "innkjøring", så klarer den å fange opp hvilke faktorer som påvirker fangsteffektiviteten på generell basis. På turen erfarte vi også at det ble gjort gode hal på områder modellen ikke hadde fanget opp. Dette er nyttig læring som vi tar med oss til neste versjon.

Vi fikk gode tilbakemeldinger på at prediksjonene var enkle å forstå og lette å bruke, og at de ga en god indikasjon på forventet fangst. Skipper og styrmann kom med gode forslag til forbedringer underveis og tolkninger av det modellen viste basert på egen erfaring.

På bildet under kan dere se et utklipp fra applikasjonen i det vi kjørte inn på et godt felt. En mørkere farge tilsvarer et område som modellen mener er bra sammenlignet med de lysere områdene rundt.

I det vi traff feltet kunne vi raskt se at det kom en del aktivitet på ekkoloddet og trålposen fylte seg raskere opp. Bildene fra ekkolodet er fra før og etter at vi kom inn på det gode feltet.

Veien videre

Vi har lært utrolig mye på turen og har sett at modellen klarer å fange opp hvor det er gode fangstområder. Det er en kjempegod start! Nå skal vi ta med oss all læring fra turen tilbake og forbedre modellen slik at den kan bli et enda bedre verktøy for fiskerne.

En stor takk til skipper Ove Brennskag, styrmann Kristian Krøvel og resten av mannskapet på Gadus Njord for en lærerik opplevelse, og til Ronny Vaagsholm for å gjøre dette samarbeidet mulig. Vi gleder oss til fortsettelsen!

Se bilder fra turen under: