Μια ομάδα ερευνητών στο Πολιτειακό Πανεπιστήμιο της Πενσυλβάνια και στην École Polytechnique Fédérale de Lausanne, Ελβετία έστρεψε το βλέμμα της τεχνητής νοημοσύνης προς τη γεωργία, χρησιμοποιώντας αλγόριθμους βαθιάς μάθησης για να βοηθήσει στην ανίχνευση ασθενειών των καλλιεργειών πριν εξαπλωθεί.
Προτεινόμενα βίντεο
«Αν μπορεί να κάνει πρόσωπα, μπορεί να κάνει ασθένειες των φυτών».
Οι περισσότερες καλλιέργειες στις ανεπτυγμένες περιοχές καλλιεργούνται μέσω επιχειρήσεων μεγάλης κλίμακας, όπου η επαρκής χρηματοδότηση και το ανθρώπινο δυναμικό βοηθούν στην έγκαιρη αντιμετώπιση των ασθενειών. Στις αναπτυσσόμενες περιοχές, έως και το 80 τοις εκατό της γεωργικής παραγωγής πραγματοποιείται από μικροκαλλιεργητές, σύμφωνα με
η μελέτη δημοσιεύτηκε στο Frontiers in Plant Science. Αυτές οι εργασίες μικρής κλίμακας είναι πιο επιρρεπείς στις καταστροφικές συνέπειες των ασθενειών των καλλιεργειών, οι οποίες μπορούν να εξαφανίσουν ολόκληρες καλλιέργειες και να οδηγήσουν σε τοπικό ή εκτεταμένο λιμό. Το ζήτημα επιδεινώνεται από το γεγονός ότι έως και το 50 τοις εκατό του πεινασμένου πληθυσμού του κόσμου ζει σε νοικοκυριά μικροκαλλιεργητών, με πολύ λίγους πόρους για την ταχεία αντιμετώπιση των ασθενειών των καλλιεργειών.Η μηχανική όραση έχει διαπρέψει στην εκπαίδευση των αυτοκινήτων να οδηγούν αυτόνομα, στη διάγνωση καρκίνου και στον εντοπισμό των φίλων σας στις φωτογραφίες, και αυτή η νέα εφαρμογή είναι έτοιμη (να το πω έτσι) για αξιολόγηση.
«Γνωρίζαμε ότι η μηχανική μάθηση θα ήταν η αλλαγή του παιχνιδιού που δείχνει τώρα ότι είναι, από καλύτερη μηχανή αναζήτησης αποτελέσματα στα αυτοοδηγούμενα αυτοκίνητα», δήλωσε στο Digital Trends ο συν-συγγραφέας της μελέτης και καθηγητής στο Penn State, David Hughes. «Και τα μαθήματα από τη βαθιά μάθηση Facebook ήταν ένα μεγάλο κίνητρο», είπε, αναφερόμενος στις εξελίξεις του γίγαντα των social media στην αναγνώριση εικόνων. «Λοιπόν, σκεφτήκαμε ότι αν μπορεί να κάνει τα πρόσωπα, μπορεί να κάνει και ασθένειες των φυτών».
Μαζί με τον επικεφαλής συγγραφέα Sharada Mohanty και τον συν-συγγραφέα Marcel Salathé του EPFL, ο Hughes ανέπτυξε ένα πρόγραμμα που είναι γρήγορο, αποτελεσματικό και αρκετά συμπαγές για να συσκευαστεί σε smartphone. Εκπαίδευσαν τον αλγόριθμο τροφοδοτώντας τον τεράστια σύνολα δεδομένων - πάνω από 50.000 εικόνες - που συγκεντρώθηκαν ως μέρος PlantVillage, ένα διαδικτυακό αρχείο ανοιχτής πρόσβασης με φωτογραφίες φυτών που περιλαμβάνει εικόνες φυτικών ασθενειών. Με αυτά τα δεδομένα, οι ερευνητές εκπαίδευσαν τον αλγόριθμο για τον εντοπισμό 26 διαφορετικών ασθενειών σε 14 διαφορετικά είδη φυτών.
Μετά τη φάση της εκπαίδευσης, το πρόγραμμα εκτελέστηκε με 99,35 τοις εκατό ακρίβεια, δίνοντας σε κάθε χρήστη smartphone τη δυνατότητα να εντοπίζει ασθένειες με το μάτι ενός καλά εκπαιδευμένου ειδικού.
«Βελτιωνόμαστε συνεχώς», είπε ο Hughes. «Αυτό γίνεται μέσω της χρήσης περισσότερων δεδομένων και πιο εκλεπτυσμένων αλγορίθμων. Ελπίζουμε να το έχουμε σε τηλέφωνο τους επόμενους μήνες. Είμαστε μια μικρή στολή, οπότε με περισσότερα καύσιμα θα μπορούσαμε να κάνουμε περισσότερα πράγματα για το κοινό καλό. Μετά από όλα, πρέπει. Ο κόσμος τρέχει προς εννέα δισεκατομμύρια ανθρώπους και η σίτιση τους είναι η μοναδική μας πρόκληση — πιστεύουμε ότι οι επιστήμονες υπολογιστών είναι ζωτικής σημασίας για αυτήν την προσπάθεια».
Συστάσεις των συντακτών
- Το Photoshop AI πιστεύει ότι η «ευτυχία» είναι ένα χαμόγελο με σάπια δόντια
- Πώς θα ξέρουμε πότε ένα AI γίνεται πραγματικά αισθητό;
- The BigSleep A.I. είναι σαν την Αναζήτηση εικόνων Google για φωτογραφίες που δεν υπάρχουν ακόμα
- Αυτή η εφαρμογή που υποστηρίζεται από A.I. μπορεί να εντοπίσει τον καρκίνο του δέρματος με 95 τοις εκατό ακρίβεια
- Ο εκτιμητής σπιτιών του μέλλοντος είναι πιθανότατα A.I. αλγόριθμος
Αναβαθμίστε τον τρόπο ζωής σαςΤο Digital Trends βοηθά τους αναγνώστες να παρακολουθούν τον γρήγορο κόσμο της τεχνολογίας με όλα τα τελευταία νέα, διασκεδαστικές κριτικές προϊόντων, διορατικά editorial και μοναδικές κρυφές ματιές.
