Περίληψη Άρθρου:

Μια μελέτη τονίζει τη δυνατότητα της τεχνητής νοημοσύνης αιχμής να εξελίξει τις γεωργικές πρακτικές σε παγκόσμιο επίπεδο. Αυτό το edge computing AI, που αναπτύσσεται σε τοπικές συσκευές, μπορεί να βελτιστοποιήσει τη διανομή των πόρων, να ενισχύσει την παραγωγικότητα και να αντιμετωπίσει τις προκλήσεις παραγωγής τροφίμων για έναν αυξανόμενο πληθυσμό. Τα οφέλη περιλαμβάνουν δεδομένα σε πραγματικό χρόνο, βελτιωμένη λήψη αποφάσεων και ενεργειακή απόδοση. Ωστόσο, οι προκλήσεις όπως η ποιότητα των δεδομένων και οι ενεργειακές απαιτήσεις χρειάζονται αντιμετώπιση. Η μελέτη τονίζει την ανάγκη για ισότιμη πρόσβαση σε αυτές τις τεχνολογίες και τη σημασία της συμμετοχής των γεωργών στη διαδικασία σχεδιασμού και εφαρμογής.

Κύρια σημεία του άρθρου:

• Η μελέτη επισημαίνει τη δυνατότητα της τεχνητής νοημοσύνης να αναπτύξει τις γεωργικές πρακτικές παγκοσμίως
• Edge computing Αi που αναπτύσσεται σε τοπικές συσκευές, μπορεί να βελτιστοποιήσει τη διανομή των πόρων, να ενισχύσει την παραγωγικότητα και να αντιμετωπίσει τις προκλήσεις παραγωγής τροφίμων για έναν αυξανόμενο πληθυσμό
• Τα οφέλη περιλαμβάνουν δεδομένα σε πραγματικό χρόνο, βελτιωμένη λήψη αποφάσεων και ενεργειακή απόδοση
• Προκλήσεις όπως η ποιότητα των δεδομένων και οι απαιτήσεις ενέργειας χρειάζονται αντιμετώπιση
• Έμφαση στην ίση πρόσβαση στην τεχνολογία και τη σημασία της συμμετοχής των αγροτών στη διαδικασία σχεδιασμού και εφαρμογής
• Οι εφαρμογές τεχνητής νοημοσύνης θα μπορούσαν επίσης να εκτελούνται σε αισθητήρες Internet-of-Things που είναι κατανεμημένοι σε όλες τις γεωργικές εγκαταστάσεις ή στον αγρό

Αναλυτικά το άρθρο:

Η μετασχηματιστική δύναμη της τεχνητής νοημοσύνης σε όλους τους κλάδους προσφέρει μεγάλες δυνατότητες σε έναν από τους παλαιότερους και πιο κρίσιμους τομείς του κόσμου: τη γεωργία.

Συγκεκριμένα, η " τεχνητή νοημοσύνη αιχμής " μπορεί να είναι σε θέση να μετασχηματίσει τις γεωργικές πρακτικές, να ενισχύσει τις αποδόσεις παραγωγικότητας και να επιτύχει τους στόχους βιωσιμότητας σε ολόκληρη την παγκόσμια αλυσίδα τροφίμων, σύμφωνα με μια νέα μελέτη.

Η τεχνητή νοημοσύνη "άκρων" είναι η περίπτωση όπου οι αλγόριθμοι τεχνητής νοημοσύνης προγραμματίζονται απευθείας σε τοπικές συσκευές "στην άκρη" ενός δικτύου αντί σε ένα κεντρικό κέντρο δεδομένων.

"Η αξιοποίηση της ενσωμάτωσης των αισθητήρων και της ακραίας τεχνητής νοημοσύνης (για παράδειγμα, σε έξυπνα αγροτικά οχήματα και μηχανήματα) θα διευκολύνει την ακριβή διανομή των βέλτιστων ποσοτήτων αρδευτικού νερού και αγροχημικών σε μεμονωμένα φυτά ή συγκεκριμένες περιοχές, προωθώντας έτσι τις στρατηγικές βιωσιμότητας στις γεωργικές μονάδες μέσω της μείωσης του νερού, των λιπασμάτων και των αγροχημικών", σημειώνεται στη μελέτη.

Οι εφαρμογές τεχνητής νοημοσύνης θα μπορούσαν επίσης να εκτελούνται σε αισθητήρες Internet-of-Things που είναι κατανεμημένοι σε όλες τις γεωργικές εγκαταστάσεις ή στον αγρό.

Τα οφέλη της τεχνητής νοημοσύνης στις "άκρες" μπορούν να περιλαμβάνουν την παροχή δεδομένων σε πραγματικό χρόνο, την ταχύτερη λήψη αποφάσεων, τη βελτίωση της αξιοπιστίας και του απορρήτου του δικτύου και την καλύτερη ενεργειακή απόδοση.

Η έρευνα, που δημοσιεύθηκε στο Nature Sustainability, ξεκινά με την παραδοχή ότι ο κόσμος αντιμετωπίζει μια σοβαρή πρόκληση στην παραγωγή τροφίμων, καθώς παλεύουμε με τη σίτιση ενός αυξανόμενου πληθυσμού που προβλέπεται να φθάσει τα 9 δισεκατομμύρια άτομα μέχρι το 2050. Η ομάδα των διεθνών ερευνητών -περιλαμβανομένων επιστημόνων από τις ΗΠΑ, το Ηνωμένο Βασίλειο, την Αυστραλία, το Βέλγιο, τη Γερμανία και την Αφρική- κατέληξε στο συμπέρασμα ότι η τεχνητή νοημοσύνη των άκρων είναι μια πολλά υποσχόμενη λύση για τη βελτίωση της αποδοτικότητας των πόρων τροφίμων με τρόπο φιλικό προς το περιβάλλον.

Η μελέτη υπογράμμισε επίσης τις δυνατότητες για βελτιώσεις στον έλεγχο των παρασίτων, τη διαχείριση των θρεπτικών στοιχείων και την αναπαραγωγή φυτών.

Ένα παράδειγμα που ανέφεραν οι ερευνητές ήταν μια κάμερα υπολογιστικής όρασης υψηλής απόδοσης που θα μπορούσε να κατηγοριοποιήσει γρήγορα τύπους φυτών για διασταύρωση, ώστε να επιταχυνθεί η ανάπτυξη ποικιλιών καλλιεργειών που αντέχουν στις καιρικές συνθήκες.

"Ο φαινότυπος των φυτών εντός του αγρού υψηλής απόδοσης, που βασίζεται κυρίως στην όραση υπολογιστή, θεωρείται μια πολλά υποσχόμενη τεχνολογία για τη βελτίωση της αποτελεσματικότητας και της ακρίβειας της αξιολόγησης της δυναμικής ανάπτυξης των καλλιεργούμενων φυτών", σημειώνεται στη μελέτη.

Παρά τις δυνατότητές της, η μελέτη αναγνώρισε ότι τα τρέχοντα συστήματα μπορεί να μην είναι σε θέση να υποστηρίξουν την ανάπτυξη της τεχνητής νοημοσύνης στις "άκρες", η οποία απαιτεί συλλογή δεδομένων υψηλής ποιότητας, ισχυρούς αλγορίθμους και ειδικά κατασκευασμένο υλικό που δεν υπάρχει επί του παρόντος. Οι ενεργειακές απαιτήσεις της τεχνητής νοημοσύνης είναι επίσης ένας περιοριστικός παράγοντας.

"Ο υπολογισμός ακραίων σημείων δεν χρειάζεται μόνο ευκρίνεια στα μοντέλα και τους αλγορίθμους AI, αλλά έχει επίσης τεράστια εξάρτηση από το υλικό και την υποστήριξη της υποδομής", έγραψε η ομάδα. "Μία από τις σημαντικότερες ανησυχίες που αντιμετωπίζουμε σήμερα είναι η έλλειψη ενεργειακά αποδοτικού υλικού υπολογιστών που θα μπορούσε να επιτρέψει την τεχνολογία edge computing λαμβάνοντας υπόψη τους περιορισμένους πόρους".

Η μελέτη σημείωσε επίσης τις κοινωνικές επιπτώσεις της χρήσης της ακραίας τεχνητής νοημοσύνης στη γεωργία. Ενώ η τεχνολογία έχει τη δυνατότητα να αυξήσει την παγκόσμια παραγωγή τροφίμων και να μειώσει τη σπατάλη πόρων, υπάρχουν επίσης ανησυχίες σχετικά με τη διεύρυνση του ψηφιακού χάσματος μεταξύ των ανεπτυγμένων και των αναπτυσσόμενων περιοχών του κόσμου.

Οι συγγραφείς προέτρεψαν για πολιτικές που θα εξασφαλίζουν ισότιμη πρόσβαση σε αυτές τις τεχνολογίες και τόνισαν τη σημασία της συμμετοχής των γεωργών στη διαδικασία σχεδιασμού και εφαρμογής.

Ο επικεφαλής ερευνητής δεν ανταποκρίθηκε σε αίτημα σχολιασμού του Decrypt.

Πηγή: Running AI in the Field Could Boost Farming: Study