Strojno učenje, ki se uporablja za pomoč kmetom, izbere optimalne izdelke, primerne za njihovo delovanje

Political Figures, Lawyers, Politicians, Journalists, Social Activists (1950s Interviews) (Junij 2019).

Anonim

Kmetje že več let izbirajo izdelke za svoje delovanje z najboljšimi razpoložljivimi nasveti - vodniki za seme, lokalne agronome, prodajalce semen itd. Napredek na področju tehnologij umetne inteligence je prinesel priložnosti za raziskovanje drugačnega pristopa.

Univerza Washington v St. Louisu v sodelovanju s Climate Corporation, hčerinsko družbo Bayerja, si prizadeva raziskati edinstvene nove tehnologije za napredovanje znanosti za hibridno izbiro in umestitev.

Roman Garnett, docent za računalništvo in inženiring na Inštitutski šoli za strojništvo in uporabne znanosti, je od The Climate Corporation prejel 97.771 ameriških dolarjev za aktivno strojno učenje, da bi ugotovil, kateri hibridi imajo verjetnost doseganja maksimalnega potenciala donosa v vsakem okolju.

Razvoj komercialnih hibridnih izdelkov je dolgotrajen in drag proces; lahko traja 7-8 let, da bi ugotovili, kako dobro so rastla semena, njihovo odpornost proti škodljivcem in boleznim ter s tem povezane pridelke. "Z vključitvijo aktivnega strojnega učenja lahko ustvarimo model, ki bi omogočil potencialno zmanjšanje odtisa, ki je potrebno za karakterizacijo in komercializacijo izdelka, in tudi dragocene informacije o predvidenih ciljih uvajanja izdelkov, " je dejal Xiao Yang,.

"Ljudje govorijo o osebni medicini, in to je prilagojeno kmetijstvo", je dejal Garnett. "Zbrali bomo veliko podatkov in nato uporabili podatke, da bi se naučili vzorcev, da bi lahko vsakemu kmetu dali prilagojena priporočila."

Cilj projekta je določiti, ali lahko podnebni znanstveniki vsakoletno racionalizirajo razvoj in zasaditev novih proizvodov.

Aktivno učenje stroj identificira podatke, ki so najbolj uporabni glede na končni cilj. Namesto da bi uporabili obstoječe podatke, se aktivno strojno učenje "uči na poti", je dejal Garnett.

"Namesto, da bi zbrali vse te podatke, kaj, če bi jih zbrali samo 10 odstotkov, vendar bomo izbrali, katere 10 odstotkov", je dejal Garnett. "Potem bomo imeli algoritem, ki bi lahko uporabil majhen del podatkov, da bi lahko dobil podobno prilagodljivost za ta semenski portfelj. To delamo v simulaciji, vendar če deluje, bomo morda lahko vplivajo na način, kako bodo sprejemali prihodnje odločitve. "

Garnett je v raziskovalni skupini, ki uporablja velike podatke za pospešitev vzreje in komercialne sproščanje sirkovskih pridelkov, ki jih je mogoče uporabiti kot obnovljiv vir energije. Projekt štiriletnega projekta v višini 8 milijonov dolarjev, ki ga vodi Donald Danforth Plant Science Center, financira ARPA-E TERRA program Ministrstva za energijo ter vključuje skupino 10 univerzitetnih, vladnih in industrijskih sodelavcev. Garnett razvija algoritme, ki omogočajo čim bolj učinkovito uporabo statističnih ocen končne biomase pridelka iz podatkov senzorjev v najkrajšem času v rastni sezoni, da bi pospešili proces vzreje.

menu
menu