Piractwo morskie stanowi istotne zagrożenie dla bezpieczeństwa żeglugi międzynarodowej i gospodarki globalnej. W związku z rosnącą liczbą incydentów pirackich, istotne staje się opracowanie metod, które umożliwią skuteczną predykcję oraz prewencję tego typu działań. Celem wystąpienia jest przedstawienie nowoczesnego podejścia do prognozowania ryzyka piractwa morskiego, opartego na technikach sztucznej inteligencji (SI) oraz analizie danych.
W prezentowanej pracy zastosowano zaawansowane metody analizy danych, takie jak uczenie maszynowe, do identyfikacji wzorców związanych z występowaniem ataków pirackich. Wykorzystano szeroki zbiór danych, obejmujący informacje o lokalizacjach, czasie, charakterystyce statków, a także analizę kontekstów geopolitycznych i ekonomicznych. Modele predykcyjne pozwalają na określenie prawdopodobieństwa wystąpienia piractwa w różnych obszarach morskich, co może stanowić cenne narzędzie dla służb odpowiedzialnych za bezpieczeństwo na morzach.
Zastosowanie sztucznej inteligencji w analizie ryzyka piractwa morskiego umożliwia nie tylko identyfikację aktualnych zagrożeń, ale także przewidywanie potencjalnych obszarów wysokiego ryzyka, co pozwala na podejmowanie proaktywnych działań. Wyniki uzyskane w ramach pracy wskazują na wysoką skuteczność podejścia opartego na SI w porównaniu do tradycyjnych metod oceny ryzyka.
Prezentowane podejście może przyczynić się do zwiększenia bezpieczeństwa żeglugi międzynarodowej, wspierając władze morskie w podejmowaniu decyzji operacyjnych oraz planowaniu działań zapobiegawczych w rejonach narażonych na piractwo.
