Машинне навчання у сучасному сільському господарстві
Однією з найбільш перспективних галузей у сфері штучного інтелекту є машинне навчання.
Нагадаємо, що машинне навчання (англ. machine learning) — це підгалузь штучного інтелекту в галузі інформатики, яка використовує алгоритми для аналізу даних, навчання на ньому і визначення без втручання людини. Ця технологія використовується в сучасному сільському господарстві для створення рішень з більшою точністю у великих масштабах.
Селекціонери постійно в пошуку конкретної риси, щоб допомогти рослині більш ефективно використовувати воду, поживні речовини, адаптуватися до зміни клімату або чинити опір хворобам. Щоб рослина успадкувала корисну рису, дослідники повинні знайти правильну послідовність генів. Але це доволі складно зробити. Можуть знадобитися десятки років, щоб дослідити як культури розвиваються в різному кліматі та успадковують певні риси, а потім використати ці дані для розробки ймовірної моделі послідовності генів. Машинне навчання може передбачити, які гени, швидше за все, будуть корисні для рослини, надзвичайно швидко. З мільйонів комбінацій передове програмне забезпечення значно звужує пошук.
Більше тестувань
За допомогою машинного навчання селекція стає більш точною, ефективною і здатною оцінювати набагато ширший набір змінних. Вчені можуть використовувати комп'ютерне моделювання для проведення ранніх тестів для оцінки того, як сорт може проявлятися у різному кліматі, на різних типах ґрунтів, за різних погодних умов, тощо. Це цифрове тестування не замінює польові випробування, але дозволяє селекціонерам більш точно прогнозувати продуктивність сільськогосподарських культур.
Рання ідентифікація
При відстеженні будь-яких захворювань необхідна рання і точна ідентифікація. Традиційно, процес виявлення хвороб рослин проводиться візуальним оглядом. Цей процес страждає від неефективності, так як людина може допустити помилку. Для навченого комп'ютера діагностування хвороб рослин - це, по суті, розпізнавання образів. Після сортування по сотням тисяч фотографій хворих рослин алгоритм машинного навчання може визначити тип хвороби, тяжкість, і в майбутньому зможе навіть рекомендувати методи захисту, щоб обмежити втрати від хвороби.
Машинне навчання в сільському господарстві дозволяє більш точно діагностувати хвороби, що допомагає зменшити використання енергії і ресурсів. Фермери можуть завантажувати польові зображення, отримані супутниками, безпілотниками, наземними системами відеоспостереження, та навіть смартфонами, і використовувати це програмне забезпечення для діагностики і розробки плану роботи.
Адаптованість до алгоритму
Хвороби рослин є основною причиною голоду і відсутності продовольчої безпеки у всьому світі. Основним завданням сучасного сільського господарства є створення насіння і засобів захисту рослин, які полегшують ці глобальні проблеми. Однією з багатьох переваг машинного навчання є те, як ця технологія може надати більш точні рекомендації щодо поліпшення процесу. В селекції машинне навчання допомагає створювати більш продуктивне насіння для кращого використання цінних природних ресурсів.
Доступність машинного навчання
Те, що раніше було доступно для великих господарств, тепер можна зробити в невеликих компаніях. Маючи доступ до дешевших серверів і мікропроцесорів, невеликі стартапи, які використовують машинне навчання, починають перебудовувати індустрію сучасного сільського господарства. Суперкомп'ютер вартістю 5000 доларів і кілька амбітних інженерів теоретично могли б створити величезний прорив в селекції рослин. Всього десять років тому це було б фантазією.
Майбутнє машинного навчання
Як і у випадку з програмним забезпеченням, удосконалення машинного навчання здається нескінченним. Дослідники в сучасному сільському господарстві перевіряють свої теорії в більшому масштабі і роблять більш точні прогнози в реальному часі. Сучасне сільське господарство має потенціал відкрити ще більше можливостей для економії води, більш ефективного використання поживних речовин і енергії, адаптації до кліматичних змін.
Також читайте:
