Τεχνητή Νοημοσύνη και Καλλιέργεια και Παραγωγή Ελαιόλαδου
Τεχνητή Νοημοσύνη και Καλλιέργεια και Παραγωγή Ελαιόλαδου
Τεχνητή νοημοσύνη: διεθνής ερευνητική ομάδα έφερε καινοτομία στην παραγωγή ελαιολάδου
Βραχυπρόθεσμα σενάρια στα οποία θα βασιστούν οι επενδύσεις, θα ληφθούν προληπτικά μέτρα και θα ληφθούν μέτρα με αγρονομικές πρακτικές θα είναι διαθέσιμα στους παραγωγούς ελαιολάδου με τη βοήθεια Τεχνητή Νοημοσύνη (AI), χάρη σε μια διεθνή ερευνητική ομάδα.
Η κοινή ερευνητική ομάδα από το Ιταλικό Εθνικό Συμβούλιο Έρευνας (CNR), η Οργανισμός Νέων Τεχνολογιών, Ενέργειας και Βιώσιμης Ανάπτυξης (ΕΝΕΑ) και το Πανεπιστήμιο της Καλιφόρνια, Μπέρκλεϋ, κατάφερε να αναπτύξει έναν αλγόριθμο που είναι πραγματικά διαθέσιμος σε κάθε ενδιαφερόμενο, που μπορεί να προβλέψει το μέγεθος της συγκομιδής ενός ελαιώνα με βάση τα κλιματικά δεδομένα στη συγκεκριμένη περιοχή.
Ο αλγόριθμος έμαθε να κάνει αυτές τις προβλέψεις με βάση τα δεδομένα των τελευταίων 15 ετών από την Ιταλία και στην ουσία βρήκε τον τρόπο με τον οποίο τα διαφορετικά κλιματικά φαινόμενα επηρεάζουν τις καλλιέργειες. Ο αλγόριθμος αναλύει τα καιρικά μοτίβα κατά την περίοδο του ελαιοκομικού κύκλου και έτσι οι ερευνητές μπόρεσαν να εντοπίσουν πιθανούς κλιματικούς κινδύνους και πώς επηρεάζουν την παραγωγή.
Συνολικά, αναλύθηκαν δεδομένα συγκομιδής από 66 ιταλικές επαρχίες κατά την περίοδο 2006-2020 και από την ανάλυση αυτή αποκαλύφθηκαν οι παράγοντες που προκάλεσαν τις χειρότερες σοδειές. Ωστόσο, η έρευνα δεν σταμάτησε στον εντοπισμό των παραγόντων κινδύνου, αλλά προχώρησε ένα βήμα παραπέρα και στη συνέχεια ομαδοποίησε αυτές τις διαφορετικές μεταβλητές κατά δύο μήνες, φτιάχνοντας μια λίστα με μεταβλητές και εξετάζοντας πώς αλληλεπιδρούσαν με την πάροδο του χρόνου. Έτσι κατάφεραν να παρέχουν μια βραχυπρόθεσμη πρόβλεψη, η οποία λένε ότι είναι τρεις φορές πιο ακριβής και καλύτερη από ό,τι αν είχαν κάνει μια ανάλυση μιας μεταβλητής.
Στη συνέχεια εξέτασαν ποιες εποχικές κλιματικές μεταβλητές παρήγαγαν είτε φτωχές είτε υπερβολικά καλές σοδειές και άφησαν εντελώς έξω αυτές που παρήγαγαν κοντά στη μέση συγκομιδή. Αυτό, με άλλα λόγια, κοιτάζοντας το ελάχιστο και το μέγιστο, τους επέτρεψε να επικεντρωθούν ουσιαστικά στις επιπτώσεις που έχουν οι κλιματικές μεταβλητές στην παραγωγή, ανεξάρτητα από το τι κάνει ο κάθε παραγωγός.
Επίσης χρήσιμο όσον αφορά Bactrocera Oleae (μύγα της ελιάς)
Οι ερευνητές υποστηρίζουν ότι εάν ο αλγόριθμος συνεχίσει να εκπαιδεύεται με περισσότερα γεωγραφικά δεδομένα, τόσο πιο «γενικές» θα γίνουν οι προβλέψεις που κάνει και επομένως θα μπορεί να χρησιμοποιηθεί σε κλίμακα κατάστασης ή ακόμη μεγαλύτερη.
Το θέμα ανέδειξε η εξειδικευμένη ιστοσελίδα Olive Oil Times, όπου η ερευνήτρια που συμμετείχε στην έρευνα, Ariana Di Paola, δήλωσε ότι: «Εργαζόμαστε για να κατανοήσουμε τους κλιματικούς δείκτες που μπορούν να προκαλέσουν κακές συνθήκες και τη σχετική πιθανότητα αρνητικών συνεπειών για την παραγωγή ελιά. Παραδείγματα τέτοιων δεικτών είναι οι συνθήκες που ευνοούν την ανάπτυξη της μύγας της ελιάς ή οι υψηλές θερμοκρασίες του χειμώνα που μπορεί να αλλάξουν τον κύκλο της ελιάς και να έχουν αντίκτυπο στην ανθοφορία και την επικονίαση. Η κατανόηση της εποχικότητας κάθε στιγμής μας δίνει τη δυνατότητα να προβλέψουμε τι θα πρέπει να περιμένουμε στο εγγύς μέλλον. Αυτά είναι βραχυπρόθεσμα σενάρια στα οποία θα βασιστούν οι επενδύσεις, θα ληφθούν προληπτικά μέτρα και θα ληφθούν μέτρα με αγρονομικές πρακτικές».
ΠΗΓΗ: Τεχνητή νοημοσύνη: διεθνής ερευνητική ομάδα έφερε καινοτομία στην παραγωγή ελαιολάδου – sofokleousin.gr
Ελαιοκομία: Αύξηση των αποδόσεων και μείωση του κόστους μέσω της Τεχνητής Νοημοσύνης
Σύμφωνα με τους Olive Oil Times, ερευνητές στην Ανδαλουσία αναπτύσσουν ένα νέο εργαλείο που θα επιτρέψει στους αγρότες να αξιοποιήσουν Τεχνητή Νοημοσύνη (AI) να ξέρουν πότε οι ελιές τους είναι έτοιμες για συγκομιδή.
Citoliva, μια μη κερδοσκοπική εταιρεία έρευνας και τεχνολογίας, διατηρεί την πεποίθηση ότι το μοντέλο πρόβλεψης που βασίζεται σε τεχνητή νοημοσύνη θα μπορούσε να βελτιώσει τις αποδόσεις και να μειώσει το κόστος παραγωγής. Τα στελέχη της εκτιμούν ότι ένα τέτοιο μοντέλο θα είναι έτοιμο για εμπορική χρήση σε δύο χρόνια.
Μαζί με το Υπουργείο Βιομηχανίας, Εμπορίου και Τουρισμού της Ισπανίας και τους τέσσερις εταίρους του ιδιωτικού τομέα της Citoliva που εργάζονται στο έργο, ο οργανισμός πιστεύει ότι η νέα τεχνολογία θα επιτρέψει στους αγρότες να προβλέψουν τη στιγμή της μέγιστης περιεκτικότητας σε ελαιόλαδο χωρίς επαναλαμβανόμενα ταξίδια στους ελαιώνες.
Οι ερευνητές πρόσθεσαν ότι αναμένεται να μειωθεί ο χρόνος που δαπανάται για αναλύσεις πληροφοριών και το κόστος συγκομιδής, επιτρέποντας παράλληλα πιο ακριβείς εκτιμήσεις παραγωγής.
«Το εργαλείο βρίσκεται αυτή τη στιγμή σε ερευνητική φάση. Η ιδέα είναι ότι λειτουργεί με έναν συνδυασμό δεδομένων που παρέχονται από δορυφορικές εικόνες και αισθητήρες εδάφους, και ο αγρότης θα μπορούσε να το χειριστεί από την κινητή συσκευή του», δήλωσε η Carmen Capiscol, επικεφαλής έρευνας, ανάπτυξης και καινοτομίας στη Citoliva, για να προσθέσει στο συνέχισε: «Οι πιθανοί χρήστες δεν έχουν ακόμη προσδιοριστεί, αλλά είναι πιθανό ότι η προσέγγιση θα αφορά τα μέλη του συνεταιρισμού και όχι τους μεμονωμένους παραγωγούς».
Ανεξάρτητα από το κόστος και την ευκολία χρήσης, η Capsicol πιστεύει ότι το εργαλείο θα βοηθήσει τους ελαιοκαλλιεργητές να μπορούν να συλλέγουν την πιο κατάλληλη στιγμή. Αυτό θεωρείται ακόμη πιο σημαντικό λόγω της αλλαγής των κλιματικών συνθηκών και προτύπων στην Ανδαλουσία και σε ολόκληρη τη λεκάνη της Μεσογείου μετατοπίζοντας ευρύτερα ορισμένες από τις βασικές στιγμές της ανάπτυξης της ελιάς.
Αξίζει, ωστόσο, να σημειωθεί ότι οι ερευνητές δεν έχουν ακόμη καθορίσει το κόστος εγκατάστασης των απαραίτητων αισθητήρων ή χρήσης της φορητής συσκευής για τους αγρότες.
ΠΗΓΗ: Ελαιοκομία – Αύξηση των αποδόσεων και μείωση του κόστους μέσω της Τεχνητής Νοημοσύνης (AI) – Ypaithros.gr
Η τεχνητή νοημοσύνη φέρνει επανάσταση στη μετεωρολογία
Η Google, η Huawei και άλλες εταιρείες λανσάρουν μοντέλα τεχνητής νοημοσύνης που βελτιώνουν την ακρίβεια των προβλέψεων στις μετεωρολογικές προβλέψεις
Μια νέα γενιά αλγορίθμων τεχνητής νοημοσύνης (AI), ορισμένοι από τους οποίους τρέχουν ακόμη και σε έναν απλό φορητό υπολογιστή, υπόσχεται καλύτερες προγνώσεις καιρού από τα σημερινά μοντέλα των μετεωρολόγων που απαιτούν υπερυπολογιστές. Η τελευταία εξέλιξη προέρχεται από DeepMind, μια εταιρεία τεχνητής νοημοσύνης που ανήκει πλέον στον όμιλο Google, η οποία παρουσίασε στο περιοδικό Science ένα μοντέλο τεχνητής νοημοσύνης που ήδη προσφέρει κορυφαίες επιδόσεις.
Το μοντέλο GraphCast παράγει πιο ακριβή δεκαήμερη πρόγνωση καιρού από το συμβατικό μοντέλο του Ευρωπαϊκό Κέντρο Προγνώσεων Καιρού Μεσαίου Εύρους (ECMWF), που θεωρείται η κορυφαία μετεωρολογική υπηρεσία στον κόσμο. Ο τελικός αλγόριθμος χρειάζεται λιγότερο από ένα λεπτό για να παρέχει δεκαήμερες προβλέψεις Και το νέο μοντέλο δίνει προβλέψεις σε λίγα λεπτά, που δεν απαιτεί τίποτα περισσότερο από έναν απλό υπολογιστή, σε αντίθεση με τους υπερυπολογιστές της ECMWF που χρειάζονται ώρες για κάθε πρόβλεψη.
Εκπαίδευση Τα μαθηματικά μοντέλα που χρησιμοποιούν σήμερα οι μετεωρολόγοι χωρίζουν τη Γη σε μεγάλα τετράγωνα και χρησιμοποιούν τους νόμους της φυσικής των ρευστών για να προσομοιώσουν τη συμπεριφορά της ατμόσφαιρας στο μέλλον, χρησιμοποιώντας τις διαθέσιμες μετρήσεις των τρεχουσών συνθηκών ως σημείο εκκίνησης. Αυτή η προσέγγιση είναι υπολογιστικά απαιτητική και λίγες μετεωρολογικές υπηρεσίες έχουν την οικονομική δυνατότητα να ενημερώνουν τις αναφορές τους περισσότερες από τέσσερις φορές την ημέρα. Τα μοντέλα AI, αντίθετα, δεν λύνουν εξισώσεις φυσικής. Διδάσκονται με παραδείγματα – μετεωρολογικές παρατηρήσεις από προηγούμενα χρόνια – να μάθουν να αναγνωρίζουν μοτίβα στη συμπεριφορά της ατμόσφαιρας και να προβλέπουν πώς αλληλεπιδρούν παράμετροι όπως η πίεση, η θερμοκρασία και η ταχύτητα του ανέμου.
Για να εκπαιδεύσουν το GraphCast, οι ερευνητές της DeepMind χρησιμοποίησαν δεδομένα ECMWF για 40 χρόνια. Χρειάστηκαν δεκάδες υπολογιστές και τέσσερις εβδομάδες για να ολοκληρωθεί η διαδικασία, αλλά ο τελικός, εκπαιδευμένος αλγόριθμος χρειάζεται λιγότερο από ένα λεπτό για την παραγωγή δεκαήμερων προβλέψεων, οι οποίες ξεπερνούν τις συμβατικές προβλέψεις του ECMWF σε δείκτες αναφοράς 90%.
Ο αλγόριθμος της DeepMind δεν είναι ο μόνος που επιτυγχάνει θεαματική απόδοση. Νωρίτερα φέτος, η κινεζική εταιρεία Huawei, γνωστή για τα κινητά της τηλέφωνα, παρουσίασε το δικό της παρόμοιο μοντέλο στο περιοδικό Nature, ενώ η Google κυκλοφόρησε το πειραματικό εργαλείο 24ωρης πρόβλεψης MetNet-3, το οποίο ξεπερνά τις περισσότερες αναφορές καιρού σε ακρίβεια. . Το ίδιο το ECMWF προσφέρει πειραματικά δεδομένα AI από τον Σεπτέμβριο. Η πρόοδος είναι εντυπωσιακή, αν και ορισμένοι μετεωρολόγοι και φυσικοί παραμένουν δύσπιστοι, εν μέρει επειδή η νέα τεχνολογία λειτουργεί ως «μαύρο κουτί» που παράγει αποτελέσματα, αλλά δεν εξηγεί πώς έφτασαν. Είναι πιθανό ότι η τεχνητή νοημοσύνη θα χρησιμοποιηθεί παράλληλα και επιπρόσθετα με μαθηματικά μοντέλα της ατμόσφαιρας.
Το σίγουρο πάντως είναι ότι η Τεχνητή Νοημοσύνη ήρθε για να μείνει στη μετεωρολογία.
του Βαγγέλη Πρατικάκη
ΠΗΓΗ: Η τεχνητή νοημοσύνη φέρνει επανάσταση στη μετεωρολογία – www.in.gr
Σχετικά Άρθρα:
Κονσόλα Αναζήτησης
Τεράστια πτώση στην παγκόσμια παραγωγή ελαιολάδου (2023) – αλλά μεγάλη αύξηση παραγωγής στην Ελλάδα
Η παγκόσμια παραγωγή ελαιολάδου βρίσκεται σε χαμηλό έξι ετών φέτος, αλλά μεγάλη αύξηση παραγωγής – στο 3
Olive Oil: Διεθνής παραγωγή & κατανάλωση ελαιόλαδου – Παραγωγή & κατανάλωση ελαιόλαδου στην Ελλάδα
Στατιστικά στοιχεία και πληροφορίες σχετικά με το ελαιόλαδο: Διεθνής παραγωγή & κατανάλωση ελαιόλαδου