La inteligencia artificial (IA) salió a la luz por primera vez en la década de 1950, cuando la capacidad de una máquina para llevar a cabo una operación y adaptarse a condiciones cambiantes sin intervención humana rozaba los límites de la ciencia ficción. El reconocimiento generalizado del que goza ahora el tema se debe en parte a que disponemos de suficiente potencia informática para que la IA trabaje para nosotros. Las máquinas y el software artificialmente inteligentes ya no son ciencia ficción, y las consecuencias están en todas partes, incluso en el procesamiento de datos geofísicos.
Los avances en el sector de la tecnología hidroacústica han hecho que la última milla en la cadena de valor de los estudios submarinos se acerque a una carrera de 100 metros. El posprocesamiento es mucho más rápido hoy en día, porque los datos geofísicos adquiridos por ecosondas multihaz, sonares batimétricos y perfiladores del subsuelo son más limpios que nunca. Las mejoras en los transductores, sensores de movimiento y tecnología de posicionamiento se combinan con un procesamiento a bordo mejorado para reducir significativamente el tiempo que tardan los clientes en ver los datos finales.
Optimización de la energía eólica marina
Los costes de los estudios siempre están bajo escrutinio, pero el crecimiento masivo del sector eólico marino añadirá más presión para optimizar toda la cadena de valor en aras de la velocidad y la eficiencia. Regularmente se incorporan nuevas capacidades eólicas, y el anuncio de enero de que Alemania ha aprobado nuevos parques eólicos por valor de 1,9 GW es solo el último de una larga lista de nuevos proyectos.
Sin embargo, la energía eólica marina debe seguir teniendo precios competitivos para aprovechar su potencial como reemplazo de los combustibles fósiles, y las compañías energéticas, sus contratistas principales y socios operativos seguirán buscando la oferta más competitiva siempre que el proveedor pueda proporcionar el estándar de datos requerido.
La IA y su contraparte de aprendizaje automático tienen el potencial de acelerar aún más todo el recorrido de los datos desde el fondo marino o debajo de él hasta los escritorios de los ingenieros que dependen de ellos. Reducir el tiempo desde la puesta en servicio hasta la entrega puede hacer que los servicios de investigación marina sean más asequibles, lo que ofrece a las empresas que invierten en soluciones innovadoras una ventaja más competitiva en sus respectivos mercados.
Imágenes que demuestran el impacto de la configuración de filtro optimizada en los datos registrados para una barcaza hundida frente a Plymouth, Reino Unido.
IA y datos geofísicos
En este contexto, la aplicación de la IA y el aprendizaje automático a los datos geofísicos no siempre será una opción, ya que las empresas de prospección con clientes en el sector eólico marino deben demostrar una propuesta de valor claramente clara para seguir siendo competitivas. Afortunadamente, se están desarrollando nuevas tecnologías de IA que agilizan el manejo y procesamiento de datos, lo que genera oportunidades tangibles de reducción de costos. Una de esas tecnologías se está desarrollando en una asociación entre la Universidad de East Anglia y el fabricante de instrumentos submarinos GeoAcoustics.
El equipo se centra en la creación de una actualización basada en inteligencia artificial para el filtrado automático existente en el software del sonar batimétrico GeoSwath 4. El proyecto se destaca porque su objetivo es aplicar el aprendizaje automático para que la inteligencia artificial pueda eliminar los datos sobrantes y no deseados de forma autónoma; durante la adquisición, el sistema está diseñado para registrar datos prácticamente limpios, sin ninguna intervención del usuario en el proceso de limpieza. Esto es posible porque la inteligencia artificial se desarrolló para analizar y aceptar o rechazar sondeos atípicos. El usuario solo necesita prestar atención a la calidad y la cobertura de los datos, y durante el procesamiento posterior al estudio, el enfoque puede centrarse exclusivamente en la georreferenciación de los datos batimétricos mediante cálculos deterministas. Los productos batimétricos finales, libres de ruido y de alta resolución, serán totalmente reproducibles con una mínima intervención humana, y el potencial de ahorro logrado se trasladará al cliente.
Aceleración de la interferometría
Para GeoAcoustics, el proyecto es un medio para que el sistema de sonar batimétrico GeoSwath, de menor costo, pueda competir directamente con las ecosondas multihaz más costosas. GeoSwath proporciona una batimetría de banda de resolución ultraalta con una cobertura del fondo marino de hasta 12 veces la profundidad del agua y un campo de visión de 240°. Solo con estas cifras, el sistema supera incluso a los sistemas multihaz para aguas poco profundas más costosos.
El rendimiento se debe al uso de interferometría, una metodología que adquiere significativamente más datos que los que podría obtener una ecosonda multihaz a lo largo de la misma línea de sondeo. También funciona como un sonar de barrido lateral, por ejemplo, permitiendo obtener imágenes muy detalladas de la base de los monopilotes y cables de las turbinas eólicas en el fondo marino junto con los datos batimétricos adquiridos.
En la actualidad, se utiliza un conjunto de filtros configurados manualmente para procesar los datos de GeoSwath. Para lograr los mejores resultados, se requiere que un usuario experimentado optimice la configuración de estos parámetros, en particular cuando se trabaja en tiempo real y en condiciones ambientales variables. En cambio, la IA proporciona un filtrado automatizado en tiempo real con solo hacer clic en un botón, sin necesidad de intervención humana adicional, lo que proporciona datos limpios e independientes del usuario.
El procesamiento de IA garantiza que los datos que dependen del sonar y que cumplen con las especificaciones de la OHI se puedan ver en tiempo real durante la adquisición, lo que permite una planificación dinámica de la línea para garantizar que los datos recopilados cumplan con las especificaciones de la OHI requeridas para el estudio. Tradicionalmente, esto se realiza en tierra después de la recopilación de datos y se encargarían estudios posteriores si se descubriera que los datos originales no cumplen con las especificaciones requeridas. El procesamiento de IA durante el estudio inicial puede mitigar este riesgo y, al hacerlo, ahorrar tiempo y reducir el consumo de combustible. Esto último, por supuesto, tiene la ventaja adicional de impulsar las credenciales ecológicas del proveedor del estudio.
