В течение многих лет фермеры выбирают культуры с помощью лучших советов – из руководств по семенам, от местных агрономов и семенных дилеров. Достижения в области технологий искусственного интеллекта предоставили возможности для изучения другого подхода.
Вашингтонский университет в Сент-Луисе в партнерстве с The Climate Corporation, дочерней компанией Bayer, работают над изучением уникальных новых технологий для продвижения науки в сторону гибридного селекционирования и размещения.
Роман Гарнетт, доцент кафедры информатики и инженерии из Школы инженерии и прикладных наук, получил грант в размере $97 771 от The Climate Corporation на применение активного машинного обучения для определения гибридов, которые имеют вероятность достижения максимальной урожайности в каждой среде.
Разработка коммерческих гибридных продуктов – это долгий и дорогостоящий процесс; определение, насколько хорошо растут семена, их устойчивость к вредителям и болезням и связанные с этим урожаи, может занять 7-8 лет. «Благодаря внедрению активного машинного обучения мы можем создать модель, которая могла бы предложить потенциальное сокращение времени, необходимого для сбора характеристик продукта и его коммерциализации, а также предоставить ценную информацию о прогнозируемых целях развертывания продукта», - сказал Сяо Янь, ведущий специалист по размещению в The Climate Corporation ,
«Люди говорят о персонализированной медицине, а это персонализированное сельское хозяйство», - сказал Гарнетт. «Мы можем собрать много данных, а затем использовать их, чтобы попытаться изучить шаблоны, чтобы иметь возможность составлять индивидуальные рекомендации для каждого фермера».
Целью проекта является определение того, могут ли ученые-климатологи ускорить процесс разработки и размещения новых продуктов каждый год.
Активное машинное обучение идентифицирует данные, наиболее полезные для конечной цели. Гарнетт сказал, что вместо использования существующих данных, активное машинное обучение «учится на лету».
«Вместо того, чтобы собирать все эти данные, что было бы, если бы мы собрали только 10% из них, но при этом мы могли бы выбрать какие 10%», - сказал Гарнетт. «Тогда у нас будет алгоритм, который мог бы использовать небольшую часть данных, достаточную для того, чтобы получить хорошую производительность персонализации для этого семенного портфеля. Мы делаем это в симуляции, но если это сработает, мы сможем влиять на будущие решения фермеров».
Гарнетт находится в исследовательской группе, которая использует большие данные для ускорения размножения и коммерческого выпуска сорговых культур, которые могут использоваться в качестве возобновляемого источника энергии. Четырехлетний проект стоимостью 8 миллионов долларов, возглавляемый Научным центром завода имени Дональда Данфорта, финансируется программой Министерства энергетики США в области ARPA-E TERRA и включает в себя команду из 10 сотрудников университета, правительства и промышленности. Гарнетт разрабатывает алгоритмы, которые наиболее эффективно используют статистические оценки конечной биомассы культур на базе данных из датчиков, как можно раньше собранных в вегетационный период, для ускорения процесса размножения.