人工智慧與橄欖油種植和生產
人工智慧與橄欖油種植和生產
人工智慧：國際研究團隊為橄欖油生產帶來創新
在以下機構的幫助下，橄欖油生產商將獲得投資基礎、採取預防措施和採取農藝措施的短期方案。 人工智慧（AI），感謝國際研究團隊。
來自義大利國家研究委員會（CNR）的聯合研究小組 新技術、能源和永續發展局 (ENEA) 和 加州大學柏克萊分校，成功地開發了一種演算法，任何有興趣的人都可以使用， 誰可以根據特定地區的氣候資料預測橄欖園的收成規模。
該演算法學會了根據義大利過去 15 年的數據做出這些預測，本質上找到了不同氣候現象影響農作物的方式。 該演算法分析了橄欖生長週期期間的天氣模式，因此研究人員能夠識別潛在的氣候風險及其對生產的影響。
總共分析了 2006 年至 2020 年期間義大利 66 個省份的收成數據，並透過分析揭示了導致收成最差的因素。 但研究並沒有停留在識別風險因素上，而是更進一步，然後將這些不同的變數按兩個月分組，列出變數清單並檢查它們隨著時間的推移如何相互作用。 因此，他們設法提供短期預測，他們說，這比單變量分析的準確度和效果高出三倍。
然後，他們研究了哪些季節性氣候變數導致收成不佳或收成過高，並完全排除了那些收成接近平均值的變數。 換句話說，透過觀察最小值和最大值，他們能夠從本質上關注氣候變數對生產的影響，而不管每個生產者在做什麼。
以下方面也有幫助 Bactrocera Oleae（橄欖果蠅）
研究人員認為，如果演算法繼續使用更多地理資料進行訓練，它所做的預測就會變得更加“普遍”，因此它將能夠在州範圍甚至更大範圍內使用。
專業網站突出顯示了該主題 橄欖油時代參與研究的研究人員 Ariana Di Paola 表示：「我們正在努力了解可能引發惡劣條件的氣候指標以及對生產造成負面影響的相關可能性 橄欖。 此類指標的例子包括有利於橄欖蠅發育的條件或可能改變橄欖週期並影響開花和授粉的冬季高溫。 了解每個時刻的季節性使我們能夠預測在不久的將來會發生什麼。 這些都是短期情景，可在此基礎上進行投資、採取預防措施並採取農藝措施。”
來源： 人工智慧：國際研究團隊為橄欖油生產帶來創新 – sofokleousin.gr
橄欖種植：透過人工智慧提高產量並降低成本
根據 Olive Oil Times 據 Olive Oil Times 報道，安達盧西亞的研究人員正在開發一種新工具，使農民能夠利用 人工智慧（AI） 了解他們的橄欖何時可以收穫。
西托利瓦是一家非營利研究和技術公司，堅信其基於人工智慧的預測模型可以提高產量並降低生產成本。 其高階主管預計，這種模式將在兩年內投入商業使用。
該組織與西班牙工業、貿易和旅遊部以及 Citoliva 的四個私營部門合作夥伴一起致力於該項目，相信這項新技術將使農民能夠預測橄欖油含量最高的時刻，而無需反覆前往果園。
研究人員補充說，預計將減少資訊分析所花費的時間和收穫成本，同時允許更準確的產量估計。
「該工具目前正處於研究階段。 我們的想法是，它結合了衛星影像和地面感測器提供的數據，農民可以透過行動裝置進行操作。」Citoliva 研究、開發和創新主管 Carmen Capiscol 說。 繼續說道：“潛在用戶尚未確定，但這種方法很可能是針對合作社成員而不是個體生產者。”
無論成本和易用性如何，Capsicol 相信該工具將幫助橄欖種植者能夠在最合適的時間收穫。 由於安達盧西亞和整個地中海盆地的氣候條件和模式的變化，橄欖生長的一些關鍵時刻發生了更廣泛的變化，因此這一點被認為更加重要。
但值得注意的是，研究人員尚未確定為農民安裝必要的感測器或使用穿戴式裝置的成本。
來源： 橄欖種植—透過人工智慧 (AI) 提高產量並降低成本 – Ypaithros.gr
人工智慧正在徹底改變氣象學
谷歌、華為等公司正在推出人工智慧模型，以提高天氣預報的預測準確性
新一代人工智慧 (AI) 演算法預計將在簡單的筆記型電腦上運行，其中一些演算法甚至可以在簡單的筆記型電腦上運行 比當今氣象學家的模型更好的天氣預報 需要超級電腦。 最新進展來自 深度思維是一家人工智慧公司，現隸屬於谷歌集團，該公司在《科學》雜誌上展示了一種已經提供頂級性能的人工智慧模型。
GraphCast 模型產生更準確的結果 十天天氣預報 比傳統模型 歐洲中期天氣預報中心 (ECMWF)，被認為是世界領先的氣象服務。 最終演算法只需不到一分鐘即可提供十天的預測 新模型可以在幾分鐘內做出預測，只需要一台簡單的個人電腦，而不是像 ECMWF 的超級電腦每次預測需要幾個小時。
教育 氣象學家今天使用的數學模型將地球劃分為大方塊，並使用流體物理定律來模擬未來大氣的行為，以當前條件的可用測量為起點。 這種方法對計算的要求很高，很少有氣象服務機構能夠承擔每天更新報告超過四次的費用。 相較之下，人工智慧模型無法求解物理方程式。 他們透過實例（前幾年的氣象觀測）學習識別大氣行為模式並預測壓力、溫度和風速等參數如何相互作用。
為了訓練 GraphCast，DeepMind 研究人員使用了 40 年的 ECMWF 資料。 這個過程花費了數十台電腦和四週的時間來完成，但最終經過訓練的演算法只需不到一分鐘即可產生十天的預測，其性能優於ECMWF 在90% 基準測試中的傳統預測。
DeepMind 的演算法並不是唯一取得驚人效能的演算法。 今年早些時候，以手機聞名的中國公司華為在《自然》雜誌上展示了自己的類似模型，而谷歌則推出了其實驗性24 小時預報工具MetNet-3，其準確性優於大多數氣象服務報告。 . ECMWF 本身自 9 月以來一直在提供 AI 實驗數據。 儘管一些氣象學家和物理學家仍然持懷疑態度，但這一進展令人印象深刻，部分原因是新技術充當“黑盒子”，產生結果但無法解釋這些結果是如何得出的。 人工智慧很可能會與大氣數學模型一起使用。
然而可以肯定的是，人工智慧將繼續留在氣象學領域。
作者：范吉利斯‧普拉蒂卡基斯
來源： 人工智慧正在徹底改變氣象學 – www.in.gr
