研究人员提出了将AI应用于农业和自然保护的方法
新时代，高科技越来越发达。朋友们读了很多关于科技的重要新闻。我们也应该在生活中使用很多这些高科技的东西。朋友应该注意什么？今天，我想和大家分享一条关于科技的知识。我希望你会喜欢它。
在本周于互联网上举行的2020国际学习大会(ICLR)主办的研讨会上，小组成员讨论了人工智能和机器学习如何(并且已经)应用于农业挑战。正如几位专家指出的，世界各国都面临着粮食短缺的问题。据估计，9%的人口(6.97亿)严重“粮食无保障”，这意味着他们无法可靠地获得负担得起的营养食品。
劳动力短缺、害虫和病原体传播以及气候变化等因素可能会加剧危机，但人工智能可以提供帮助。IBM科学家通过农业“数字双胞胎”或用于预测特定作物产量的作物数字模型来谈论他们在非洲的工作。阿卡迪亚大学的研究人员提出了一种算法，旨在比人类工人更准确地测量葡萄产量。加州大学戴维斯分校的一个团队详细介绍了利用卫星图像预测肯尼亚牲畜觅食条件的工作。
数字农场中“双胞胎”的培养建议
软件质量保证负责人阿克兰穆罕默德(Akram Mohammed)详细介绍了IBM去年对尼日利亚农场的数字“克隆”，这需要收集多光谱图像和元数据(如传感器读数、天气和土壤条件)的历史记录，以便在IBM的云平台上构建农场模拟。这项工作的一部分是IBM和Hello拖拉机之间合作关系的产物，Hello拖拉机是一种订阅服务，将小规模农民与设备和数据分析联系起来，以提高作物产量。
穆罕默德断言，数字作物增值不仅对农民本身有价值，而且对分销商、政府和银行也有价值，它们可以利用数字作物增值来跟踪市场趋势、规划和制定政策，并最大限度地降低投资风险。他指出，预计五年后世界人口将超过80亿，但到本世纪末，可耕地将减少20%。
他说：“应对粮食安全挑战将取决于使供应链更简单、更安全、更少浪费。”
穆罕默德和他的团队利用了IBM的PAIRS Geoscope服务，该服务旨在托管和管理PB级的地理时空数据，如地图和无人机图像，以存储每个农场的卫星、天气和地面传感器数据。IBM的另一项服务——Watson农业决策平台，将IBM旗下The Weather Company的算法与物联网数据采集工具相结合，使工程师能够获得多个水深读数、土壤养分含量和肥力，进而获得产量预测、农场运营和工作流程信息以及高清可视化卫星图像。
挑战之一是较小农场的数据相对稀缺。卫星图像只提供像素值信息，并不是所有农场都买得起监控设备。该团队的解决方案是在目标区域用40，000多个集群来模拟农场群。这使得工程师能够训练一个推荐系统来回答两个关键问题：(1)农民应该在什么时候进行具体的种植活动；(2)什么是小农作物产量最大化的最佳耕作日？
该系统包括一个集成学习模型，该模型将建议种植日期，并利用历史状态(来自数字“双胞胎”)和未来元数据进行预测，例如最近的天气历史(湿度、能见度、温度、降水和风速)、天气预报(四个不同深度的土壤湿度)、多光谱卫星图像和地面上的真实事件信息(位置和日期)。在实验中，丢失的元数据(如作物类型和土壤条件)阻碍了模型的预测。但是研究人员声称他们的解决方案在很大程度上优于基于启发式的系统。
本文就为大家讲解到这里了。