یک تعریف متداول از AI عبارت است از «توانایی یک سیستم یا یک ربات در انجام کارهایی که معمولاً انسان از پس آن بر نمیآید و این امر توسط رایانه کنترل میشود.» هدف از هوش مصنوعی حمایت و تسریع در تصمیم گیری انسان است و قرار نیست جایگزین آن باشد. هوش مصنوعی در درجه اول این کار را با کشف دادههای هوشمند به عنوان مثال، همبستگیها و تشخیص الگو، تجسم مانند نمودارها و داشبوردها، یادگیری ماشینی و کدگذاری سیستم و قابلیتهای پیشبینی پیشرفته انجام میدهد. از نمونههای هوش مصنوعی در زندگی روزمره میتوان به دستیارهای شخصی دیجیتال (مانند سیری)، خرید و تبلیغات آنلاین، امنیت سایبری، ترجمه زبان و تشخیص اخبار جعلی اشاره کرد.
کشاورزی برای کمک به تولید محصولات سالم تر، کنترل آفات، نظارت بر خاک و شرایط رشد، سازماندهی داده ها، کمک به حجم کار و بهبود طیف گستردهای از وظایف مرتبط با کشاورزی در کل زنجیره تامین مواد غذایی، به استفاده از هوش مصنوعی روی آورده است. هوش مصنوعی به کشاورزان در کشت محصولات سودآور و پایدار با ارائه راهنماییهای مناسب در مورد مدیریت آب، نوع محصولی که باید کشت شود، کاشت بهینه، کنترل حملات آفات و مدیریت تغذیه کمک میکند.
با استفاده از الگوریتمهای یادگیری ماشین و بررسی تصاویر گرفته شده توسط ماهوارهها و پهپادها، فناوریهای مجهز به هوش مصنوعی شرایط آب و هوایی را پیشبینی، پایداری محصول را تجزیه و تحلیل و مزارع را از نظر وجود بیماریها یا آفات و تغذیه ضعیف گیاهان در مزارع با استفاده از دادههایی مانند دما، بارندگی و باد ارزیابی میکنند. علاوه بر این، هوش مصنوعی به بهبود ژنتیک بذر و توسعه ماشین آلات کشاورزی کارآمدتر کمک میکند. با چنین راه حلهای مبتنی بر هوش مصنوعی، کشاورزان میتوانند نیازهای جهان را برای افزایش مواد غذایی پایدار بدون کاهش منابع طبیعی گرانبها برآورده کنند.
نوع و تغذیه خاک عامل مهمی در نوع و کیفیت محصولی است که کشت میشود. تعیین کیفیت خاک میتواند بسیار دشوار باشد. یک استارتاپ فناوری مستقر در آلمان به نام PEAT یک برنامه کاربردی مبتنی بر هوش مصنوعی به نام Plantix را توسعه داده است که میتواند کمبود مواد مغذی در خاک از جمله آفات و بیماریهای گیاهی را شناسایی کند. این برنامه از فناوری مبتنی بر تشخیص تصویر استفاده میکند.
با ثبت تصاویر گیاهان با استفاده از تلفنهای هوشمند، کشاورزان میتوانند ایده بگیرند که کدام کود بیشتر به بهبود کیفیت برداشت کمک میکند. شرکت Trace Genomics یکی دیگر از شرکتهای مبتنی بر یادگیری ماشینی است که به کشاورزان در تجزیه و تحلیل خاک کمک میکند. چنین برنامههایی به کشاورزان کمک میکند تا وضعیت سلامت خاک و محصول را زیر نظر داشته باشند و محصولات سالم با سطح بهره وری بالاتر تولید کنند.
دادههایی که توسط حسگرها و پهپادهای هوشمند ضبط میشوند، مجموعه جدیدی از اطلاعات را در اختیار کارشناسان کشاورزی قرار میدهند. اکنون میتوان دادههای حسگر درباره رطوبت، کود و سطوح مواد مغذی طبیعی را برای تجزیه و تحلیل الگوهای رشد هر محصول در طول زمان ترکیب کرد. یادگیری ماشینی یک فناوری عالی برای ترکیب مجموعه دادههای عظیم و ارائه توصیههایی برای بهینهسازی عملکرد محصول است.
آفات یکی از بدترین دشمنانی هستند که به کشاورزان آسیب میرسانند. سیستمهای هوش مصنوعی با استفاده از تصاویر ماهوارهای و الگوریتمها، دادههای تاریخی را مقایسه و میتوانند تشخیص دهند که آیا حشرهای در زمین وجود دارد یا خیر. هشدارها به گوشیهای هوشمند کشاورز ارسال میشود تا بتواند اقدامات احتیاطی لازم را انجام دهد و از ترکیبی بهینه از راه حلهای کنترل آفات استفاده کنند. سازمان ملل و آژانسهای بینالمللی با استفاده از دادههای پهپادهای بدون سرنشین و حسگرهای درون زمینی برای بهبود مدیریت آفات اقداماتی را انجام داده اند.
کشاورزان با استفاده از هوش مصنوعی، دادههای دوربین مادون قرمز و هواپیماهای بدون سرنشین همراه با حسگر میتوانند سطح سلامت نسبی گیاهان را پایش و هجوم آفات را قبل از وقوع آن پیشبینی و شناسایی کنند. در واقع، بسیاری از شرکتها با بهره گیری از هوش مصنوعی قصد دارند به کشاورزان کمک کنند تا استفاده از مواد شیمیایی را کاهش دهند که این عمل در نتیجه منجر به آب، هوا، خاک و زیستگاه حیاتوحش سالمتر میشود.
آب کمیابترین منبع در بسیاری از مناطق آمریکای شمالی است، به ویژه در جوامعی که بیشتر به کشاورزی به عنوان تجارت اصلی خود متکی هستند. کارآمد بودن در استفاده از آن میتواند به معنای تفاوت بین سوددهی یا عدم سوددهی مزرعه یا عملیات کشاورزی باشد. برنامه ریزی خطی اغلب برای محاسبه مقدار بهینه آب مورد نیاز یک مزرعه یا محصول معین برای رسیدن به سطح عملکرد قابل قبول استفاده میشود. الگوریتمهای یادگیری ماشینی برای حصول اطمینان از دریافت آب کافی در مزارع و محصولات کشاورزی برای بهینهسازی عملکردشان ایدهآل هستند.
ژنتیک بذر بهره وری را بهبود بخشیده، نیاز به کنترل بیماریها و آفات و آبیاری را کاهش میدهد، بنابراین بسیاری از مردم بر این باورند که هوش مصنوعی منجر به بهبود ژنتیک بذر خواهد شد. تحقیقات UChicago نشان میدهد که با افزودن ژن کد کننده پروتئینی به نام FTO و پیشرفت جدید RNA، عملکرد گیاهانی، چون برنج و سیب زمینی ۵۰ درصد افزایش مییابد و تجزیه و تحلیلها نشان داد که گیاهان سرعت فتوسنتز خود را بیشتر کرده اند.
لینک مطلب: | http://javaneparsi.ir/News/item/29638 |