Durante años, los agricultores han estado seleccionando cultivos a través de los mejores consejos disponibles:guías de semillas, agrónomos y comerciantes de semillas locales. Los avances en las tecnologías de inteligencia artificial han presentado oportunidades para explorar un enfoque diferente. Crédito:Universidad de Washington en St. Louis
Durante años, los agricultores han estado seleccionando productos para su operación a través del mejor asesoramiento disponible:guías de semillas, agrónomos locales, distribuidores de semillas, etc. Los avances en las tecnologías de inteligencia artificial han presentado oportunidades para explorar un enfoque diferente.
Washington University en St. Louis en asociación con The Climate Corporation, una subsidiaria de Bayer, están trabajando para explorar nuevas tecnologías únicas para hacer avanzar la ciencia detrás de la selección y colocación de híbridos.
Roman Garnett, profesor asistente de Ciencias de la Computación e Ingeniería en la Facultad de Ingeniería y Ciencias Aplicadas, ha recibido $ 97, 771 subvención de The Climate Corporation para aplicar el aprendizaje automático activo para ayudar a determinar qué híbridos tienen la probabilidad de alcanzar el máximo potencial de rendimiento en cada entorno.
El desarrollo de productos híbridos comerciales es un proceso largo y costoso; puede llevar de 7 a 8 años determinar qué tan bien crecieron las semillas, su resistencia a plagas y enfermedades, y rendimientos de cultivos asociados. "Al incorporar el aprendizaje automático activo, Podemos crear un modelo que ofrecería una reducción potencial en la huella requerida para la caracterización y comercialización de productos y también proporcionar información valiosa sobre los objetivos de implementación de productos previstos. "dijo Xiao Yang, líder de asesoría de colocación en The Climate Corporation.
"La gente habla de medicina personalizada, y esta es la agricultura personalizada, ", Dijo Garnett." Podemos recopilar una gran cantidad de datos, luego use los datos para tratar de aprender patrones para poder hacer recomendaciones personalizadas para cada agricultor ".
El objetivo del proyecto es determinar si los científicos del clima pueden agilizar el desarrollo y la plantación de nuevos productos cada año.
El aprendizaje automático activo identifica los datos más útiles para el objetivo final. En lugar de utilizar datos existentes, el aprendizaje automático activo "aprende a lo largo del camino, "Dijo Garnett.
"En lugar de recopilar todos estos datos, ¿y si solo hubiéramos recolectado el 10 por ciento? pero podemos elegir qué 10 por ciento, ", Dijo Garnett." Entonces tendremos un algoritmo que podría haber utilizado una pequeña fracción de los datos para poder obtener un rendimiento de personalización tan bueno para esta cartera de semillas ". Lo estamos haciendo en simulación pero si funciona es posible que podamos influir en la forma en que toman decisiones en el futuro ".
Garnett forma parte de un equipo de investigación que utiliza macrodatos para acelerar el mejoramiento y la liberación comercial de cultivos de sorgo que pueden utilizarse como fuente de energía renovable. El de cuatro años, Proyecto de $ 8 millones, encabezado por el Centro de Ciencias Vegetales Donald Danforth, está financiado por el programa ARPA-E TERRA del Departamento de Energía de EE. UU. e incluye un equipo de 10 universidades, colaboradores del gobierno y de la industria. Garnett está desarrollando algoritmos que hacen el uso más efectivo de las estimaciones estadísticas de la biomasa final de los cultivos a partir de los datos de los sensores tan pronto como sea posible en la temporada de crecimiento para acelerar el proceso de reproducción.