Tokių pervežimų padaugėjo po to, kai Rusijos įsiveržimas į Ukrainą paskatino Europos Sąjungą draudimus rusiškos naftos importui. Nors G7 šalys ir sąjungininkės leidžia šalių narių laivų operatoriams ir draudimo tarnyboms gabenti dalį rusiškos naftos, jos apribojo maksimalią kainą – kad sumažintų Rusijos pelną.
„Normaliomis prieškarinėmis aplinkybėmis perkrovimo iš laivo į laivą būdavo labai nedaug“, – sako Ollie Ballingeris iš Londono universitetinio koledžo. Tačiau dėl sankcijų ir kainų apribojimų atsirado daugiau motyvacijos naftos kontrabandininkams, ir O. Ballingeris tai įrodė pasitelkęs dirbtinį intelektą.
Jo atlikta dirbtiniu intelektu paremta palydovinių vaizdų paieška atskleidė daugiau nei 400 „tamsiųjų“ perkrovimų iš laivo į laivą, įvykusių Kerčės sąsiauryje netoli Ukrainos ir Rusijos, nuo 2022 m. iki 2023 m. rugsėjo.
„Žmonėms labai sunku ieškoti mažų daiktų didelėse teritorijose – tai tarsi adata šieno kupetoje, – pasakoja O. Ballingeris. – Tačiau akivaizdu, kad giluminis mokymasis [dirbtinis intelektas] labai gerai tinka būtent tokiems dalykams.“
O. Ballingeris pradėjo nuo teisėtų laivų perkrovimų, kurie vykdavo Kerčės sąsiauryje. Tam jis naudojo viešus automatinės identifikavimo sistemos (AIS) duomenis, kuriuos laivai, vykdantys teisėtą veiklą, turėtų nuolat transliuoti. AIS duomenys apima laivo identifikavimo duomenis, GPS koordinates ir papildomą informaciją apie laivo matmenis ir tipą. O. Ballingeris įdiegė algoritmą, kuris naudojo šią informaciją, kad rastų bet kuriuos du identifikuojamus laivus, kurie praleido daugiau nei 2 valandas 500 metrų atstumu vienas nuo kito, aktyviai nejudėdami – ir pažymėtų juos kaip perkrovimo iš vieno į kito laivo pavyzdžius.
Antra, jis kasdien rinko Kerčės sąsiaurio vaizdus, kuriuos užfiksavo bendrovės „Planet“ palydovai, galintys daryti 3 metrų raiškos viename pikselyje nuotraukas. Derindamas žinomas laivų perkrovimo vietas ir laiką su atitinkamais palydoviniais vaizdais, mokslininkas sukūrė duomenų rinkinį, pagal kurį, remdamasis viešai skelbiamu YOLO objektų aptikimo modeliu, apmokė dirbtinio intelekto programą.
Pilnai apmokytas dirbtinis intelektas gali aptikti perkrovimą iš laivo į laivą vien iš palydovo vaizdų, net jei vienas ar abu „partneriai“ yra „tamsieji“ laivai, kurie netransliuoja AIS duomenų. Jis gali atpažinti keturių skirtingų tipų laivus, įskaitant mažesnius bendrųjų arba biriųjų krovinių laivus ir didelius arba labai didelius naftos tanklaivius – ir perkrovimus, susijusius su sausais kroviniais arba skysčiais, pavyzdžiui, kai kuriais degalais.
Be to, DI gali per sekundę atlikti paiešką 115 kvadratinių kilometrų plote – ir 97 proc. atvejų rasti svarbiausius rezultatus. Kaip pavyzdį O. Ballingeris naudojo šį metodą siekdamas nustatyti galimus perkrovimus tarp žinomo Rusijos tanklaivio „Vladimir Monomach“ ir įvairių „tamsiųjų“ laivų.
Šis dirbtinio intelekto metodas galėtų padėti susekti besislapstančių savininkų, slepiančių atskirus šešėlinio laivyno, kurį daugiausia sudaro senesni laivai, plaukiojantys be standartinio Vakarų šalių draudimo, laivus, sako Vašingtone įsikūrusio analitinio centro „Atlantic Council“ atstovė Elisabeth Braw.
JK įsikūrusios analitinės bendrovės „Windward“ duomenimis, daugiau nei 1400 tokių „tamsiųjų“ laivų reguliariai gabena krovinius į šalis, kurioms taikomos sankcijos – pavyzdžiui, Rusiją, Iraną, Venesuelą ir Šiaurės Korėją – ir iš šių šalių.
„Turite nuolat bandyti patikrinti, kas yra tie laivai, kurie, kaip įtariama, yra „šešėliniai“ laivai, todėl tenka atlikti daug rankinio darbo, – sako E. Braw. – Jei dirbtinis intelektas gali padėti mums juos aptikti ir nustatyti jų judėjimą, tuo geriau“.
Tyrimas paskelbtas išankstinių publikacijų duomenų bazėje „ArXiv“.
Parengta pagal „New Scientist“.
