交流合作

您所在位置:首頁 > 交流合作 > 正文

100億人口會挨餓嗎人工智能迎擊全球糧食問題

文章作者:www.utbltn.icu發布時間:2019-08-31瀏覽次數:805

人類再次面臨危機。隨著人口的不斷擴大,到2050年,人口總數可能達到100億。然而,地球并沒有擴大規模,這意味著同一地區的土地資源必須被放棄。人口。隨著全球變暖和隨之而來的水資源短缺,人類將面臨嚴重的糧食問題。

也許這臺機器的到來是一次歷史性事故。真正的智能機器人和機器學習算法可能有助于推動新的“綠色革命”,以解決日益增長的口糧問題。想象一下,如果衛星可以自動檢測干旱模式,如果拖拉機可以“直觀地”消除病害作物,如果人工智能支持的智能APP可以讓農民知道如何處理農場中的農作物病害。

稻草人必須成為歷史,保護農業的未來取決于人工智能。

AI為工作“看病”

深度學習是一種計算方法。程序員不是告訴計算機確切地做什么,而是訓練計算機識別某些模式。您可以在計算機上輸入患病和健康作物葉片的圖片并進行標記。計算機可以了解患病和健康的葉子看起來如何不同,并可以獨立判斷新作物是否健康。

這是生物學家David Hughes和流行病學家Marcel Salathe的研究,他們試驗了14種感染26種疾病的作物。他們在計算機中輸入了超過50,000張圖片,計算機程序通過自學,最終判斷出研究人員輸入的新圖片的正確率為99.35%。

然而,這些是手和腳的圖片,其中光和背景是相同的,這使得計算機難以識別刀片的圖像。如果您從互聯網上下載病害作物的葉子照片并讓計算機判斷,軟件的準確度將降低到30%-40%。

不太好。然而,休斯和薩拉特希望使用這種人工智能技術來支持他們的應用程序“植物村”,它允許世界各地的農民拍攝他們生病的作物的照片,并將它們上傳到專家診斷作物的論壇上。疾病。為了提高這項技術的“智能”,他們將繼續向人工智能輸入更多患病作物的照片。“不同來源的圖片越多越好。頻道指的是照片的拍攝方式、季節、地點等。

這不僅僅是為了消除疾病在作物之間的傳播,還有許多其他影響作物的因素。”大多數的生長都會影響生理壓力,如缺鈣、缺鎂或鹽過高,卡路里過高。人們有時認為這是一種細菌性或真菌性疾病,“誤診導致農民浪費時間和金錢購買殺蟲劑或除草劑。未來,人工智能可以幫助農民更準確地定位問題。

之后,人類將重新獲得控制。由于應用程序能夠定位問題,它無法為農民提供最合適的解決方案,因為氣候緊張、突發性和季節性因素。聯合國糧食及農業組織(糧農組織)認為,這類技術是作物管理的“有用工具”,但仍由專家決定。因此,糧農組織的植物病理學家Fazil Dusuceli說,這種技術援助是非常受歡迎的,但“最終的疾病管理決定應該與現場專家一起制定”。

在“長眼睛”拖拉機上行走

可以說,現在沒有一個國家能夠在農業中安心。發展中國家迫切需要農業知識,而發達國家則淹沒在殺蟲劑和除草劑中。在美國,農民每年僅在玉米,大豆和棉花作物上使用多達3.1億磅的除草劑(編者注:相當于約1.4億公斤)。

一家名為Blue River Technology的公司可能已經找到了一種至少對卷心菜有新希望的解決方案。該公司的“LettuceBot”看起來像普通的拖拉機,但它包括機器學習的智能技術支持。

根據該公司的說法,“白菜機器人”可以在開車穿過田地時每分鐘拍攝5,000張幼苗照片,使用算法和機器視覺來識別每株植物是白菜還是雜草。 “這是基于機器學習計算和計算機視覺的力量,”深度學習組織Enlitic的創始人杰里米霍華德說。他補充說,圖形芯片只需0.02秒即可識別圖像。

精確到四分之一英寸(帶有一個音符:約0.63厘米),機器人可以隨時定位雜草,并在每種雜草上噴灑除草劑。如果機器人“在視覺上”發現卷心菜生長得太合理,它也會用除草劑噴灑(農民過度種植多達五倍的卷心菜,所以一次可以犧牲一個)。如果兩個幼苗生長得太近,機器人就會知道這不是一個特別大的蔬菜幼苗,而且兩個植物也被破壞了。

如果你認為機器人的方法太殘忍了,讓我們來看看另一種選擇:不管3721種,首先在正的農田噴灑除草劑。這類似于說,如果舊金山有傳染病,我們唯一能做的就是給所有男人、婦女和兒童每人注射抗生素,”布盧里弗科技公司的Ben Chostner說。人的病是可以治好的。”好吧,但這是浪費錢。而且,這種方法對抗生素沒有最好的效果。

喬斯納說,有了“卷心菜機器人”,農民可以減少90%的化學藥品使用。此外,機器人已經開始努力工作了。藍河管理農田提供了美國卷心菜年消費量的10%。

上帝視角的衛星

美國國家航空航天局的陸地衛星繞地球軌道運行400英里,為地球表面提供了神奇的測量數據。所有層次的信息量都太大,人類無法消化,但對于機器學習算法來說,這是小菜一碟。

這對農業監管,特別是在發展中國家,具有重要的價值。政府和銀行在決策過程中缺乏數據支持,很難決定哪些農民應該批準貸款或緊急支持。例如,在印度的一場旱災中,我們不僅在不同地區看到不同程度的災害,而且在該地區,一些農民比其他農民更容易獲得水資源。

因此,一家名為Harvesting的公司正在利用機器學習來大規模分析衛星數據,希望能夠幫助企業更有效地分配財務資源。 “我們對這項技術的愿景是將一些農民和村莊分開,讓銀行或政府將資金投入合適的人群,”Harvesting首席執行官Ruchit Garg說。他說人類分析師可以同時處理10個和10個變量,而機器學習算法可以處理2000多個變量。這不是同一水平。

隨著全球變暖使氣候變得越來越混亂,政府在適當分配有限資源方面面臨越來越大的壓力。傳統上,農業在印度是一個相對容易預測的行業,至少在人類控制環境的意義上。 “我從父親,祖父和其他幾代人那里學到的知識就是我用來培養田地的知識,這是我對季節環境的理解,”加格說。 “但由于氣候變化,我面臨的不再是我的祖先所面臨的環境。”

是的,這是一個完全不同的世界。農民可能在不斷變化的環境中受到打擊,或者他們可能進入一個更加智能化的農業時代。農民可以獲得更多的數據,更多的人工智能以及更多可以噴灑化學品的機器人。

蓝海赚钱