現代計算正顯著改進造船與海洋工程的設計與建造流程，但相當數據集的捉襟見肘正在阻礙其進一步融合。

造船與海洋工程（NAME）這一學科名稱可能只有幾百年的歷史，但其起源卻可以追溯至幾千年之前的古代文明，當時人類就已經在建造船只來探索世界、開展商業活動。包括阿基米德、布格和查普曼在內的許多人，已經將浮力、穩定性和船舶設計概念提煉成科學的方法和理論。

造船與海洋工程屬于專業工程學科，涵蓋海洋船舶與結構的設計、建造、測試、測量、維護及運營。我（作者）畢業于美國海岸警衛隊學院，擁有海洋建造與海洋工程學士學位，并在加州大學伯克利分校獲得碩士學位。在過去22年以來，我一直在一家私營海洋咨詢企業 擔任船舶建造師，從事客輪、海洋研究船、駁船及其他船舶的設計工作。

從設計浮動碼頭、到復雜的1200英尺游輪甚至是如同海上小鎮般的航空母艦，造船工程是個包羅萬象的學科。相關專業人士還經常負責設計海上風力平臺、潛艇、集裝箱船、自主船舶以及幾乎一切運行在水下/水上的船舶。

雖然包括我自己在內，當代的造船工程師在大學的課程中一直使用鉛筆、繪線和小模型來學習專業知識，但實際設計過程已經在全面結合基于機器學習的高級計算機應用程序。

課堂上的繪線用于勾勒船體形狀，借此評估船舶的設計和建造流程。在使用鉛筆和繪線時，往往需要反復繪制和擦除，并用目測法來判斷曲線是否足夠平滑。但現在，不少軟件都能夠幫助我們快速繪制船體線圖，并利用算法用收集到的歷史數據對當前方案做出驗證。

現代計算能力的增強，使得工程師能夠在幾秒鐘之內測試變量并評估其有效性，這項工作在以往可能需要幾個小時、甚至是幾天時間。而之所以能夠實現這種效率提升，離不開過去幾百年間人們對于科學原理和計算公式的不懈探索。此外，軟件當中還包含必須滿足的最低安全標準與合規要求。

人們常說，海洋工業在接納新技術方面永遠行動緩慢。但如果大家走進現代造船廠或者工程設計公司，就會看到3D建模、計算流體動力學、有限元分析和機器人制造的常規使用，所以刻板印象往往并不準確。而現在，造船業也是時候考慮引入機器學習和AI等更多高級工具了。

如今，造船與海洋工程師們使用先進的軟件包，大大提高了設計開發的效率和準確性，而其中一些工具特別適合與機器學習和AI相結合。例如，計算流體動力學（CFD）就主要使用納維-斯托克斯方程來對船舶行駛的流體進行建模。

得益于現代計算能力的提升，我們可以通過計算來評估物理現象。但即使使用目前最強大的計算機，這類模擬也往往需要大量時間和可觀投入。因此，目前人們仍然廣泛使用拖曳水箱來評估和衡量船體形狀及性能。但借助計算流體動力學，我們現在也可以創建一段“虛擬”的拖曳水箱會話，與AI討論如何優化船體形狀，之后再通過實際場景做更進一步的測試和驗證。在理想情況下，甚至無需做實體拖曳水箱測試即可找到最優設計。機器學習能夠減少此類模擬的運行時長、為客戶節約資金，同時減少可能出現的錯誤。

但目前在基礎機器學習算法之外進一步應用AI的主要障礙，就在于可供AI使用的專有數據集太過有限。為了讓AI取得成功，AI系統往往需要大量數據來提取并構建有效的查詢響應。如果缺少強大的數據集，AI生成的結果將無法在造船與海洋工程領域發揮作用。我們公司也意識到，在多年周期之內收集并應用實際數據已經成為減少錯誤、改進設計的重要前提，因此開始采取措施在未來的設計中積極整理并使用這些數據。

造船和海洋工程學科的某些領域確實積累了大量數據集，而且正被用于改進工程設計，其中包括海浪與洋流測量、船舶操縱記錄以及海洋設備性能日志。可盡管此類活動對應大量可用數據，但它們通常由政府機構、運營商和設備制造商負責維護，目前并沒有可供所有利益相關方輕松訪問的全球數據集。

基于多種原因，船舶設計數據的實際應用還相當有限。其中包括私人或政府資助的設計（數據僅限所有者使用）、專業船舶設計（只針對某種特定類型的船舶，因此適用范圍非常有限），同時缺少對實際可用數據進行收集、驗證和交付的必要資金。

澳大利亞船舶設計廠商Austal透露了其DeepMorpher工具的一些細節。這款工具使用AI與機器學習技術來優化船體形狀，該公司在新聞稱中稱其中使用高性能計算以減少計算流體動力學的執行時間，同時配合其3D船體設計數據集。Austal擁有龐大的船體形狀庫，并在測試和驗證后發現DeepMorpher的性能比其他幾種現有模型高出好幾個數量級。

如果能夠全程保證數據匿名，且開放數據訪問確實能給所有者帶來可量化的好處，那么目前專有數據的嚴格限制未來應該能得到緩解。此外，某些特定設計決策（例如針對特定用例或客戶需求而設計的總體規劃）可以繼續保留專有屬性、不對外開放。

然而，不少其他設計決策是為了滿足適用于整體設計的數學確定性或監管要求。如果包括政府機構在內的業主能看到數據和AI系統給設計工作帶來的效率提升，那么他們也許愿意主動提供數據集。

但在各種特殊的船型方面，也沒有太好的辦法了。其中的應用空間也就是不同船舶之間可能在某些部分可以通用，因此可以嘗試挖掘相應數據。但即便如此，這種驗證數據并檢查其是否可以轉用的過程也需要大量時間和金錢，因此需要想辦法對數據做“清洗”以控制成本、提升其實際適用范圍。

造船與海洋工程是個有趣的工程領域，需要在船體形狀、內部結構、發電、配電、室內設計、生活和工作安排、人體工程學等層面做好設計，從而形成一個可維持生命運轉的海上浮動平臺，并協助船員在平臺之上完成工作。

所有空間和系統設計都需要相當長的時間，同時必須滿足多方需求，并及時發現和解決各種潛在的設計錯誤。AI可用于減少錯誤、確實遵守合規要求、滿足各種人體工程學需求，并提供一套“行之有效”的電氣系統和設備布局設計。

如今的現代船舶擁有廣泛的電氣與控制系統，整個船舶都在使用計算機進行控制，而新型全電動/混合動力渡輪更是需要搭配先進的控制與監控系統。AI能夠在設計階段幫助我們發現并解決這些系統之間的相互沖突，速度比人類專家更快，而且有望減少判斷失誤。

近90%的貿易貨物通過水上運輸，數百萬人乘坐渡輪及其他客船前往世界各地。海洋行業對人才的需求量很大——由于合格的船員有限，不少定期船只的航行被迫推遲或取消。美國只有少數幾所大學開設造船與海洋工程學位，因此難以找到合格人才來推動機器學習和AI技術在這一領域的探索和應用。

人力資源問題可以通過強大的AI技術來解決，但這就又陷入了先有雞、還是先有蛋的死循環。考慮到政府項目往往已經簽署了關于多艘船舶的合同，愿意保留一定的設計開放性（只要不影響到船舶安全）以及較為豐厚的研發資金儲備，造船行業似乎可以先與美國海岸警衛隊或美國海軍聯手，共同探尋AI技術的應用前景。

美國海軍就擁有大量船只艦隊，因此特別適合作為AI和機器學習的探索起點。2021年啟動的Hopper特遣部隊（Task Force Hopper）就希望加速整個海軍水面艦隊的AI能力，但主要側重于作戰層面。不過憑借大量可用數據及一系列船舶設計的加持，相信AI未來很可能被應用于實際船舶設計當中。