Uczenie maszynowe pomagające rolnikom wybrać optymalne produkty odpowiednie do ich działania

Milton Friedman - Wolny Wybór - Wszyscy Są Równi Vol.5/5 PL napisy (Lipiec 2019).

Anonim

Od lat rolnicy wybierają produkty do swojej działalności za pośrednictwem najlepszej dostępnej porady - przewodników nasion, lokalnych agronomów, dystrybutorów nasion itp. Postępy w technologiach sztucznej inteligencji dały możliwość poznania innego podejścia.

Washington University w St. Louis we współpracy z The Climate Corporation, spółką zależną firmy Bayer, pracuje nad odkrywaniem unikatowych nowych technologii w celu rozwoju wiedzy na temat hybrydowej selekcji i umieszczania.

Roman Garnett, adiunkt z Computer Science & Engineering w School of Engineering & Applied Science, otrzymał dotację w wysokości 97.771 USD od The Climate Corporation, aby zastosować aktywne uczenie maszynowe w celu ustalenia, które hybrydy mają szansę na osiągnięcie maksymalnego potencjału produkcyjnego w każdym środowisku.

Opracowywanie komercyjnych produktów hybrydowych jest długim i kosztownym procesem; może to zająć 7-8 lat, aby ustalić, jak dobrze rosły nasiona, ich odporność na szkodniki i choroby oraz powiązane plony. "Włączając aktywne uczenie maszynowe, możemy stworzyć model, który umożliwi potencjalną redukcję śladu potrzebnego do charakteryzacji produktu i jego komercjalizacji, a także zapewni cenny wgląd w przewidywane cele wdrażania produktu" - powiedział Xiao Yang, szef doradztwa w firmie Climate Corporation.

"Ludzie mówią o spersonalizowanej medycynie, a to jest spersonalizowane rolnictwo" - powiedział Garnett. "Możemy zebrać wiele danych, a następnie użyć danych, aby spróbować poznać wzorce, aby móc tworzyć spersonalizowane rekomendacje dla każdego rolnika".

Celem projektu jest ustalenie, czy naukowcy zajmujący się klimatem mogą corocznie usprawniać opracowywanie i sadzenie nowych produktów.

Aktywne uczenie maszynowe identyfikuje dane najbardziej przydatne w kierunku celu końcowego. Zamiast korzystać z istniejących danych, aktywne uczenie maszynowe "uczy się po drodze" - powiedział Garnett.

"Zamiast zbierać wszystkie te dane, co by było, gdybyśmy zebrano tylko 10 procent, ale możemy wybrać, które 10 procent" - powiedział Garnett. "Będziemy mieli algorytm, który mógłby wykorzystać niewielki ułamek danych, aby uzyskać tak dobrą wydajność personalizacji dla tego portfela nasion. Robimy to w symulacji, ale jeśli to działa, możemy być w stanie wpływać na sposób podejmowania przyszłych decyzji. "

Garnett pracuje w zespole badawczym, który wykorzystuje duże ilości danych, aby przyspieszyć hodowlę i komercyjną produkcję roślin sorgo, które można wykorzystać jako odnawialne źródło energii. Czteroletni projekt warty 8 milionów dolarów, kierowany przez Donald Danforth Plant Science Center, jest finansowany przez program ARPA-E TERRA Departamentu Energii USA i obejmuje zespół 10 uniwersytetów, rządu i współpracowników przemysłu. Garnett opracowuje algorytmy, które najskuteczniej wykorzystują statystyczne dane szacunkowe końcowej biomasy roślin z danych pochodzących z czujników jak najwcześniej w okresie wegetacyjnym, aby przyspieszyć proces hodowlany.

menu
menu