大海，是这个世界最神秘的所在之一。我们用尽无数方法去探索蔚蓝之下的未知，可成果往往寥寥。
原因很简单，海洋面积过于广阔，深入海洋的勘探条件也非常苛刻，需要携带大量装备出海、潜水，很难实现长时间的持续观测。现在虽然有了水下机器人代替人类，但处理量级巨大的回传数据又成了一件麻烦事。在这一点上海洋研究和太空学上有些类似，机器带来的数据，往往需要巨大的数据量和计算相结合，才能发挥价值。例如去年NASA发现了“第二个太阳系”开普勒90系统，就是用谷歌的机器学习分析开普勒太空望远镜的数据，实现了更高的分析效率。
那么同样的逻辑，AI技术可以应用于海洋之中吗？
探索无尽之海，AI能做到什么
在这两年AI技术的迅速发展中，虽然应用性的提高有限，但大规模集群计算的能力和成本却在日益发展，让越来多的行业可以利用起强大的算力，去解决哪些以往无法解决的问题。
·深海勘探
海洋如此吸引我们，一个原因就是海底蕴藏着很多矿产资源。但想要开采这些资源的前提，是如何准确找到他们的位置，海洋不像陆地，我们不能带着几百人的勘探队走遍大海。面对这一问题，亥姆霍兹海洋研究中心开始尝试用机器学习图像分析介入来寻找藏在太平洋海域下的矿产锰结核。
亥姆霍兹海洋研究中心采用的方法是，利用机器学习分析此前水下机器人回传来的图像，分析出藏有锰结核的海床形态是什么样子，从而筛选掉大量模糊的运动照片，从清晰的照片中推算陌生海域藏有矿产的几率，甚至还可以规划水下探索线路，极大的提升了水下勘探的效率。
·海洋动物保护
除了勘探矿产，AI对于图像识别的力量也可以用于保护海洋动物上。海洋动物研究的难点在于，很多动物的行踪太难寻觅，就无法对群体的生活习惯进行深入的研究。
但去年谷歌在博客上登载了一篇文章，讲的是昆士兰大学的研究团队利用TensorFlow平台开发了模型，用于在海洋航拍图片中找到海牛的踪迹。目前这一模型的准确率已经达到了80%，而且这样利用航拍观测海洋生物的形式距离海洋生物本体更远，不会轻易干扰生态。
·渔业规划
要说眼下对海洋生态影响最大的，非法捕鱼肯定算一项。如果说偷捕滥捕还能通过休渔期来进行控制，但渔船是否捕捞了保护鱼类、是否过量捕捞都很难进行高效的监控。在美国，甚至会出现独立观察员陪同捕鱼的情况。
但现在一些海外自然保护协会和环境管理部门开始推广在渔船上强制安装高清电子监控摄像头，结合GPS定位实时监控渔船到底捕猎了哪些海洋生物。还计划结合机器学习算法，自动监控渔船是否捕捉了保护鱼类、是否过渡捕捞。
同时有了高清摄像头+算法+GPS的存在，每条渔船都变成了一个小小的探测器，对于进一步了解海洋生物生态有着很大的帮助。
总之，我们会发现海洋和太空一样，碍于人类足迹的限制，此前我们的对这些地方所知甚少。如今有了AI更胜人类的图像识别能力，结合多种图像数据收集途径，我们可以加速对海洋的认知范围。未来在结合上对海水水质、水温的监测，相信AI和海洋可以做到更多。
“硅海”的建成
但和其他AI与太空、地质、环境结合的不同之处在于，利用AI于对海洋深度认识和开发，最能直接作用于区域经济的增长。
在过去，海洋对于区域经济的作用基本在于渔业、航运和旅游几项之上。但现如今，AI对于海洋的开发利用，或许可以重新带动临海区域经济的增长。
首先，临海地区对于海洋AI有着天然的地理优势。AI研究海洋所需要的大规模运算，是可以“取之于海、用之于海”的——微软在今年就建立了一组“海底数据中心”，利用海水来为服务器散热。谷歌在芬兰哈米纳的数据中心也是利用海水进行散热。那些在海边的研究中心，自然也可以利用这一优势降低利用大规模计算的成本。而依靠海水冷却，吸引科技企业在海边建立服务器数据中心，也会吸引科技企业在临海区域聚集人才，并且进一步了解海洋。
（规划中的舟山海洋科学城）
同时因为很多AI创新都需要大量采集数据或进行实地测验，于是会有大量企业向便利的临海地区聚集。像浙江舟山近年来就一直在利用自身的地理优势，吸引AI创业企业，创造智慧海洋经济。舟山举办的舟山全球海洋经济创业，就吸引了不少像从事海洋生物种群识别、水下机器人等等类目的企业前来参与。对于舟山本地的经济发展来说，有着不小的推动作用。
最后最重要的，自然是AI对渔业可持续发展、海水污染等等方面的直接作用。改善海洋生态、优化海洋环境，可以给予沿海地区从事渔业、旅游业等等行业更好的条件。
如果有政府组织进行领导，或许AI真的会成为临海地区经济增长的重要武器，从“硅谷”变成“硅海”。
生机背后的隐患，
我们距离硅海还有多远
不过临海地区想要依靠AI技术得到经济上的发展，还要解决不少问题。
一般理论上来讲，由政府主导，邀请海洋AI相关项目来到当地设立办公点，提供各种补贴，再利用相关技术优化海洋环境、渔业情况，就可以利用海洋AI为临海地区带来经济上的正向循环。但在理想情况下，还存有两个隐患。
隐患一：政府补贴带来的骗补风险
海洋AI对于临海地区的经济大有益处，但是这大类技术本身有着极高的门槛。政府相关部门是否能够快速了解、甄别技术企业的真伪，是个很大问题。尤其现在关注海洋问题的往往都是创业企业，大企业并未入局，其中可能存在的骗补风险可是不小。
隐患二：从实验室到实地应用的距离
上述提到的不少案例，都来自于高校和研究院，带有科研目的、公益目的而非商业目的，这就意味着这些技术的应用成本往往很高。这样高成本的技术是否具有商业化应用的可能，是海洋AI能否带动临海经济的关键。否则临海地区也只能多几家研究院而已。
这样看来，想要真正让海洋AI从研究走向应用、走向带动区域经济，需要的不仅仅是政府组织和技术研发两方的努力。没有巨头的介入，整个行业就很难出现示范式的应用案例。同时创业企业能解决的问题有限，往往只是整体问题中的一小点，例如某一种污染物的治理、某一种鱼类的识别，这样一来就很难系统性的解决问题。要让政府组织和多方创业企业接洽，也是件费时费力的事。
相比之下，巨头解决综合性问题的能力更强，在此前智慧城市、城市大脑等等方面的建设中，也累积了足够的经验。
今天的海洋AI，还是一片真正的“蓝海”，或许未来当更多角色介入，这片无尽之海的价值，会被发掘的更快。
