世界正面临鱼类资源枯竭的问题，而鱼类养殖（即水产养殖）提供了解决方案，并有助于确保粮食安全。
但水产养殖也因对天然生物多样性构成挑战而受到批评。
人工智能、机器学习、卫星数据和地理空间数据集等技术的应用，可以使鱼类养殖实现可持续发展，同时提供证明这一点的证据。
我出生于伊尼什奥尔（发音为Inisheer），这是爱尔兰共和国西海岸外的一座岛屿，乘船需25分钟。岛上约有250名常住居民，四面环绕大西洋；因此，我的家乡拥有悠久的海洋捕鱼传统也就不足为奇了，而我如今也在研究渔业的未来。
直到二十世纪后期，岛上规模较小、往往由家族经营的渔业经营者仍然兴旺，向爱尔兰及更远地区销售鳕鱼、鲭鱼和其他鱼类，以满足迅速增长的市场需求。但伊尼什奥尔周边海域与全球各地的海洋一样，遭遇了鱼类资源枯竭的命运。
鱼类资源急剧减少的时期
据联合国粮食及农业组织（粮农组织）称，，处于生物学可持续水平范围内的鱼类资源比例，从1974年的90%下降至2017年的65.8%。 对于岛上的渔业家庭而言，捕鱼已不再有利可图，旅游业已取代其成为主要经济活动。
我离开伊尼什奥尔前往大学求学，并于2012年加入位于都柏林的IBM欧洲研究院。如今，我将岛上的传统与我在数值建模和海洋模拟方面的博士研究相结合，以研究水产养殖。水产养殖又称鱼类养殖，目前正经历惊人的增长。1990年至2018年间，全球产量增长了527%，这一发展水平是满足鱼类消费急剧增长（1990年至2018年增长122%）所必需的，而此时海洋鱼类资源正在急剧减少。
水产养殖：极具吸引力的解决方案，但也存在隐患
据粮农组织称，水产养殖扩大了鱼类供应范围，覆盖了原本无法获得或难以获得养殖品种的地区和国家，且价格往往更为低廉，从而改善了营养状况并保障了粮食安全。2018年，水产养殖提供了供人类食用的鱼类中的52%。随着未来增长潜力的释放，人们的关注焦点转向水产养殖的可持续性，这也是联合国可持续发展目标第14项“水下生命”的核心内容。
多年来，该行业因一些问题而受到批评，例如鱼类排泄物的积累会消耗水中的氧气，助长有害藻华；鱼类从网箱逃逸会扰乱天然生物多样性；以及养殖场地点选择不当导致的环境退化。此外，水产养殖还面临其他需要克服的挑战，例如鱼病、虱害暴发，以及需要高效管理资源以最大限度提高生产力。
科技助力经济与生态效益
IBM正日益与水产养殖行业合作，利用技术、数据和机器学习实现生态与经济效益的双重提升。例如，挪威海产创新集群与我们合作开发了AquaCloud平台，该平台收集三文鱼养殖场的数据，并运用先进的机器学习技术，帮助预测和防范海虱暴发。
IBM与挪威海产协会共同部署区块链溯源网络，以共享供应链数据，提高该国庞大海产业的透明度。
我的团队和我希望进一步推进这一工作，与众多行业和学术合作伙伴合作开展一个欧盟资助项目——欧洲绿色水产养殖集约化项目（GAIN），该项目正在九个国家的鱼类养殖场中部署传感器和机器学习技术。
可持续性的证据
我在IBM的工作经历，加上我在伊尼什奥尔的成长背景，使我确信：有志于在水产养殖领域真正取得成功的企业，必须以明显可见的可持续性作为基础。数据和人工智能是分享证据的最可信途径。
关于鱼类活动、氧含量、水质成分等诸多因素的数据，可通过多种来源获取，包括环境传感器、水下视频监测、水声技术和无人机影像。结合卫星数据及其他地理空间数据集，这些信息被传送至云平台，由机器学习生成有用的建议、关联分析以及潜在风险的早期预警。
更精准、更快速的全景图
我接触过的大多数鱼类养殖者仍然依赖直觉和经验。这些观点虽然宝贵，但存在局限：水产养殖是在复杂多变的环境中进行的，受海洋和天气的反复无常影响，因此将人工智能应用于数据，可以提供更全面、更精准、更快速的全景图。传感器与人工智能的结合，还能将数据转化为可付诸行动的洞察，用于鱼类福利和投喂等方面。
欧盟委员会的“地平线欧洲”研究计划将水产养殖与数字技术列为其两大目标领域，拟投入100亿欧元资金。因此，我们目睹该行业发生的变化也就不足为奇了。这些变化包括将鱼类养殖场迁往更深的水域——这些地点较难到达，需要借助技术进行管理。此外，随着水产养殖竞争日益激烈，关键不仅在于践行可持续发展，更在于能够证明这一点。
