NAVAL GROUP, GICAN, DELFOX & ÆGIR bij AI for Industry door Artefact - AI voor operationele superioriteit

Alice Memang legde uit hoe zij zich richten op het ontwikkelen van AI voor autonome systemen, met behulp van deep reinforcement learning. Delfox creëert realistische simulaties waarin AI leert om complexe missies uit te voeren. Het doel is om militaire operators te voorzien van door AI gegenereerde strategieën voor drones en andere systemen, terwijl de uiteindelijke beslissingen door mensen worden goedgekeurd. De AI van Delfox is erop gericht om de kloof tussen simulatie en echte omstandigheden te overbruggen, waardoor militaire troepen een strategische voorsprong krijgen.

Sébastien Rousset benadrukte hoe AI het ontwerp en onderhoud van oorlogsschepen optimaliseert. Tijdens de ontwerpfase helpt AI bij de routebepaling van leidingen en kabels om ze beter en efficiënter te kunnen upgraden. Naval Group gebruikt AI ook om eerdere projecten te analyseren en geleerde lessen te integreren in toekomstige ontwerpen. Bij onderhoud maakt AI voorspellende acties mogelijk, waardoor ongeplande stilstandtijd wordt verminderd en de levensduur van apparatuur wordt verlengd. AI is essentieel bij het beheren van complexe scheepswerven, waar een groot aantal vakmensen tegelijkertijd werkt, om de veiligheid en soepele werking te garanderen.

AI is van cruciaal belang in gevechtssituaties waarin de schepen van Naval Group duizenden data-punten verzamelen. AI verwerkt deze enorme informatie in realtime en helpt operators bij het nemen van snelle, weloverwogen beslissingen. Naarmate onbemande systemen meer geïntegreerd worden in marineoperaties, zal AI de sleutel zijn tot het beheren van de overweldigende hoeveelheid data op het slagveld en het garanderen van operationele superioriteit.

Mikael Volut van Aegir besprak hoe AI civiele maritieme operaties verbetert. Hun oplossingen zijn gericht op het verminderen van de CO2-uitstoot, het optimaliseren van de routeplanning en het verbeteren van de veiligheid voor grote schepen. AI analyseert data van meerdere sensoren en helpt operators betere beslissingen te nemen. Aegir ontwikkelt ook autonome maritieme systemen en zorgt ervoor dat AI meerdere robots en systemen in complexe missies kan coördineren, waardoor menselijke fouten worden verminderd en de efficiëntie wordt verbeterd.

Een terugkerend thema was de behoefte aan verklaarbaarheid in AI. Alice Memang benadrukte dat operators AI-beslissingen moeten vertrouwen, vooral in kritieke militaire contexten. Delfox probeert hun AI verklaarbaar te maken, zodat operators kunnen begrijpen hoe beslissingen worden genomen. Sébastien Rousset merkte ook op dat het belangrijk is om AI-oplossingen te ontwerpen met de behoeften van gebruikers in gedachten, waarbij multidisciplinaire teams worden ingezet om ervoor te zorgen dat AI zowel effectief is als vertrouwd wordt door eindgebruikers.

Mikael Volut merkte op dat de civiele maritieme sector langzamer is met het invoeren van AI dan de militaire sector. Er is echter een groeiend momentum. Aegir introduceert eerst verklaarbare AI-modellen en gaat geleidelijk over op krachtigere black-box modellen naarmate gebruikers meer vertrouwen krijgen. In eerste instantie ligt de focus op beslissingsondersteuning, met als langetermijndoel volledige autonomie bij operaties.

De sessie werd afgesloten met een discussie over het belang van samenwerking binnen de hele sector bij de invoering van AI. Timothée Moulinier benadrukte de noodzaak van een gecoördineerde inspanning om AI te integreren in de gehele levenscyclus van schepen, van bouw tot ingebruikname. Nu de concurrentie wereldwijd toeneemt, met name vanuit Azië, moeten Franse bedrijven AI invoeren om een voorsprong te behouden op het gebied van maritieme activiteiten.