Akvakultura je danes ena najhitreje rastočih panog pridelave hrane, a hkrati tudi ena najbolj občutljivih. Zaradi pritiska na naravne vire, okolje in vedno večjih zahtev po sledljivosti, varnosti in dobrobiti živali, pridelovalci iščejo inovativne načine, kako gojenje rib in drugih vodnih organizmov narediti učinkovitejše, preglednejše in stabilnejše. V zadnjih letih so se kot obetavno orodje začeli uveljavljati sistemi, ki temeljijo na umetni inteligenci. Ti omogočajo boljše razumevanje dogajanja v ribogojnicah in omogočajo sprejemanje odločitev na podlagi podatkov, ki jih s človeškim opazovanjem pogosto ne opazimo.
Uporaba umetne inteligence ne pomeni radikalne preobrazbe panoge, temveč postopno dopolnitev obstoječih praks. Njena prednost je v tem, da lahko v celostno sliko združuje različne vire informacij; slike, videoposnetke, meritve senzorjev in pretekle podatke. Sistem ne nadomešča izkušenj ribogojca, temveč mu omogoča, da lažje zazna vzorce, ki bi jih sicer spregledal s tem pa sprejema odločitve na podlagi podatkov, ne le občutka.
Eden najbolj razvitih pristopov je uporaba podvodnih kamer, ki stalno spremljajo vedenje rib v kletkah ali bazenih. Posnetki omogočajo opazovanje porazdelitve jate, hitrosti plavanja in odziva na krmljenje. Tako postane posebno zanimivo področje uporabe optimizacija krmljenja. S pomočjo računalniškega vida lahko programska oprema samodejno prepozna, kdaj ribe prenehajo pobirati krmo, kar omogoča natančnejše upravljanje s hranilniki. Sistem na podlagi preteklih podatkov in trenutnih meritev predlaga količino, čas in pogostost hranjenja, ki najbolje ustreza danim pogojem. S tem se poveča izkoristek hrane. Za ribogojce je enako pomembno tudi to, da s pravilnim krmljenjem zmanjšujemo razlike v prirastu posameznih rib, s tem pa znižujemo potrebo po prepogostem sortiranju. Poleg tega pa so prevelike količine krme v akvakulturi pogost vir izgub, saj neizkoriščeni peleti obremenjujejo okolje in sistem, ter povečujejo stroške. Če sistem samodejno zazna, da se jata preneha hraniti, lahko krmljenje ustavi in s tem zmanjša izgube, ter nepotrebne organske obremenitve sistema. V tujini se sistemi, ki so jih razvili Skretting, AKVA Group in Innovasea, Manolin in Aquabyte že pilotno uporabljajo v ribogojnicah na Norveškem in drugod.
Kamere so vedno pogosteje povezane s senzorji, ki spremljajo osnovne parametre, kot so temperatura vode, koncentracija kisika, motnost ali pretok. Ti podatki pomagajo razumeti, zakaj se vedenje jate spreminja. Na primer, počasnejše gibanje rib je lahko posledica pomanjkanja kisika, ne pa bolezni. Ko se takšni podatki analizirajo hkrati, lahko umetna inteligenca prepozna povezave med okoljem in odzivom živali ter ribogojcu sporoči, kdaj je treba ukrepati. Tako je umetna inteligenca koristna pri spremljanju zdravja živali. Vzorce gibanja ali spremembe v vedenju je mogoče zaznati že v zgodnji fazi bolezni, ko še ni vidnih simptomov. Z zgodnjim opozorilom se poveča možnost pravočasnega ukrepanja in zmanjša potreba po zdravljenju. Takšna orodja so zlasti dragocena v večjih sistemih, kjer stalno ročno opazovanje ni izvedljivo.
Samo zbiranje podatkov in njihova analiza omogočata predvsem boljše načrtovanje delovanja celotne ribogojnice. Podatki o rasti, temperaturi, kakovosti vode in porabi hrane se lahko uporabijo za napovedovanje prihodnjih potreb oz. simulacije. Naprednejša uporaba UI omogoča tako imenovane digitalne dvojčke, to so računalniški modeli, s katerimi simuliramo dogajanje, ki bi ga v ribogojnici opazili, če bi spremenili različne pogoje, na primer vpliv povečevanja gostote ali spremembe tipa krme, kar nam pomaga pri smiselnosti odločitev.
Zbiranje podatkov o kakovosti vode v katerih so ribe priraščale, pa omogoča tudi večjo sledljivost pridelave. Vse več kupcev, trgovskih verig in certifikacijskih shem zahteva natančne podatke o izvoru in načinu reje. Če so podatki o hranjenju, kakovosti vode in rasti zbrani in arhivirani v digitalni obliki, postane celoten proces bolj pregleden in primerljiv. To je posebej pomembno za ribogojce, ki ciljajo na zahtevnejše trge ali trajnostne certifikate.
Z uporabo umetne inteligence se postopno vzpostavlja pristop, ki bi ga lahko imenovali podatkovno podprta akvakultura. Gre za obliko upravljanja, pri kateri se vsak ukrep, hranjenje, zračenje, pretok vode ali izbor velikosti krme, preverja glede na učinke v preteklosti in sprotne meritve. Čeprav je pot do popolne avtomatizacije še dolga, se je pokazalo, da že osnovni sistemi nadzora in vizualne analitike pomembno zmanjšajo izgube in povečajo stabilnost proizvodnje.
Umetna inteligenca se torej v akvakulturi ne uveljavlja kot modna novost, temveč kot logičen korak v smeri bolj natančnega in odgovornega ravnanja z vodnimi viri. Njena vrednost je v tem, da omogoča stalno spremljanje, hitrejše odkrivanje težav in boljše razumevanje razmer, v katerih živijo gojene vrste. Kjer je prej odločal občutek, zdaj pomagajo podatki. Pomembno je, da se umetna inteligenca ne razume kot tehnološka zamenjava za človeški nadzor, temveč kot pomoč pri boljšem razumevanju kompleksnega okolja. Ribogojnice so živi sistemi, kjer se biološki, fizikalni in tehnični procesi prepletajo. Ljudje poznajo lokalne posebnosti, kot so pretok, vremenski vzorci, obnašanje rib, algoritmi pa omogočajo, da se te izkušnje dopolnijo z objektivnimi podatki in dolgoročnimi trendi.
Medtem ko se nekatere ribogojnice hitro digitalizirajo, druge še vedno delujejo po ustaljenih metodah. Razlika ni v volji, temveč v možnosti: tehnični, finančni in organizacijski. Uvajanje umetne inteligence ni enkratno dejanje, ampak proces. Potrebna je infrastruktura, dostop do podatkov, usposobljeni kadri in jasno razumevanje, čemu tehnologija sploh služi. Pogosto se pokaže, da ni glavni izziv v programski opremi, temveč v kakovosti in doslednosti podatkov. Če so senzorji slabo kalibrirani ali če se podatki ne zbirajo poenoteno, so tudi rezultati analize nezanesljivi. Umetna inteligenca je namreč odvisna od kakovostnih vhodov, v nasprotnem primeru ponavlja napake in to precej hitreje. Pomemben korak je zato vzpostavitev osnovnega sistema merjenja in arhiviranja podatkov. Ribogojnice, ki dosledno spremljajo temperaturo, kisik, pretok in porabo hrane, so korak bližje učinkovitemu odločanju. Šele ko so ti podatki na voljo v primerljivi obliki, jih je smiselno vključiti v algoritme za napovedovanje in optimizacijo. V nasprotnem primeru tehnologija ne poveča nadzora, ampak ga oteži. Poleg tehničnih vprašanj obstajajo tudi človeški dejavniki. Vsaka ribogojnica ima svoj ritem, navade in postopke, ki so se oblikovali z izkušnjami. Umetna inteligenca mora tem procesom slediti, ne pa jih rušiti. Dobro delujoč sistem je tisti, ki ribogojcu ne odvzame nadzora, ampak mu olajša delo. Na primer s samodejnimi opozorili ob nenadnih spremembah ali z vizualizacijami, ki pokažejo trende, ki jih je težko zaznati pri vsakodnevnem delu.
Z vidika gospodarjenja umetna inteligenca prinaša predvsem možnost stabilnejšega poslovanja. Večja predvidljivost rasti rib pomeni boljše načrtovanje prodaje, zmanjšanje izgub pa neposredno vpliva na ekonomiko ribogojnice. Dolgoročno je mogoče z manjšimi popravki, kot je boljši razpored hranjenja, prilagoditev prezračevanja ali zgodnejše ukrepanjem ob pomanjkanju kisika, doseči bistveno izboljšanje rezultatov. Pri tem ni nujno, da je sistem popolnoma avtomatiziran; že preprosta analiza podatkov lahko pokaže, kje so glavni vzroki izgub.
Ob teh prednostih pa obstajajo tudi vprašanja, ki se jim industrija ne more izogniti. Tehnologija je pogosto draga, zlasti za manjše obrate. Poleg začetnih stroškov so tu še stroški vzdrževanja in posodabljanja. Potrebna je zanesljiva internetna povezava, zaščita podatkov in ustrezno usposobljeno osebje. Kjer teh pogojev ni, lahko digitalizacija povzroči več težav kot koristi. Zato je pristop »korak za korakom« praviloma najboljši.
Najprej se običajno uvede osnovni nabor senzorjev in preprosto shranjevanje podatkov. Sledi kamera, ki omogoča spremljanje vedenja rib. Šele nato pridejo sistemi za napovedovanje in optimizacijo. Ta postopnost omogoča, da se tehnologija prilagodi realnim razmeram ribogojnice in seznanitev osebja z novimi orodji. Prehitro uvajanje kompleksnih sistemov se je že večkrat izkazalo za neučinkovito, saj brez pravega razumevanja podatki izgubijo pomen. V prihodnjih letih bo razvoj verjetno usmerjen v še tesnejšo povezanost senzorjev, kamer in avtomatskih sistemov. Tehnologija postaja vse bolj dostopna, kamere so cenejše, programska oprema bolj intuitivna, sistemi za obdelavo podatkov pa delujejo neposredno na napravah, brez potrebe po stalni internetni povezavi. To odpira priložnosti tudi za manjše ribogojnice, ki so doslej težko dostopale do takšnih rešitev.
Znanstveni in razvojni projekti na tem področju se v zadnjih letih hitro množijo. Povezujejo raziskovalne ustanove, tehnološka podjetja in ribogojce, ki v praksi preizkušajo nove rešitve. Ena od pogostih ugotovitev je, da so najuspešnejši tisti primeri, kjer so rejci od začetka vključeni v razvoj sistema. Njihovo poznavanje živali in okolja je namreč ključno za pravilno interpretacijo podatkov. Algoritem lahko ugotovi, da se jata obnaša nenavadno, a le človek lahko oceni, ali gre za naravno sezonsko spremembo ali dejansko težavo.
V Sloveniji je večina ribogojskih obratov majhnih, z omejenim številom bazenov ali kletk, kar pomeni, da je tveganje pri uvajanju novih sistemov razmeroma nizko, kar pa predstavlja priložnost za uvajanje novih tehnologij. Prvi koraki bi lahko bili pilotni projekti, v katerih bi sodelovali ribogojci, raziskovalne ustanove in tehnološki partnerji. Takšni projekti bi omogočili zbiranje kakovostnih podatkov in hkrati preverili, kako se posamezne rešitve obnesejo v naših razmerah.
Pomembno je, da se digitalizacija ne razume zgolj kot tehnološka posodobitev, temveč kot orodje za bolj trajnostno in pregledno pridelavo. Slovenija ima čiste vodne vire in dolgo tradicijo gojenja postrvi, kar so prednosti, ki jih je mogoče s pomočjo tehnologije še okrepiti. Umetna inteligenca lahko pripomore k boljšemu nadzoru nad kakovostjo vode, zmanjšanju porabe krme in večji sledljivosti pridelave, s čimer se okrepi ugled domače akvakulture. Pri tem pa je treba ohraniti jasno predstavo o tem, kaj je cilj. Umetna inteligenca ne bo rešila vseh težav industrije in ne bo nadomestila znanja ribogojcev. Lahko pa pomaga, da se odločitve sprejemajo hitreje in na podlagi zanesljivejših informacij. Največji premik, ki ga prinaša, ni tehničen, temveč miselni: razumevanje, da so podatki del vsakodnevne prakse, ne le občasni dodatek. Ko so tehnologije pravilno uporabljene, postane delo bolj predvidljivo, tveganja so manjša, dobrobit živali pa boljša. V idealnem primeru se sistem in človek dopolnjujeta, umetna inteligenca opozarja, človek presoja. Tak odnos med tehnologijo in prakso je verjetno tudi najtrdnejša podlaga za prihodnost evropske in slovenske akvakulture.
Digitalizacija se torej ne meri po številu kamer ali algoritmov, temveč po tem, kako dobro razumemo okolje, v katerem delamo. V tem smislu umetna inteligenca v akvakulturi ni revolucija, ampak naravna posledica dolgoletnega razvoja – način, da znanje, ki so ga rejci pridobivali desetletja, povežemo s podatki, ki jih lahko zbiramo danes. Rezultat ni spektakularen, a je bistven: stabilnejša proizvodnja, manj izgub in večja skrb za živali, ki so v središču tega procesa.
Avtorji članka so zaposleni na Oddelku za zootehniko, Biotehniška fakulteta Univerze v Ljubljani, ki je izvajalec operacije “Izmenjava znanja – e-novice: vzpostavitev in vzdrževanje sistema za pošiljanje e-novic z zagotavljanjem relevantnih vsebin in uredniškega dela” na aktivnosti Akvakultura, ki temelji na znanju, in raziskave, Programa Evropskega sklada za pomorstvo, ribištvo in akvakulturo 2021-2027
Živijo, moje ime je EMA, kako ti lahko pomagam?
