معرفی پلتفرم هوش مصنوعی IBM برای کمک به کشاورزی هوشمند

پنج‌شنبه ۵ مهر ۱۳۹۷ - ۱۶:۰۰
مطالعه 5 دقیقه
پلتفرم IBM برای کشاورزی با اتکا به هوش مصنوعی، در پیش‌بینی‌های پیرامون محصولات و مبارزه با آفات و ... به کشاورزان کمک می‌کند.
تبلیغات

امواج کهربایی از غلات استعاره‌ی درخوری برای محصولات و مزارع غله در بخش قاره‌ای امریکا است. به‌طور تقریبی، ۲ میلیون مزرعه‌ در بخش قاره‌ای ایالات متحده وجود دارد و هر تصمیمی که مالکان این مزارع پیرامون روند تولید و مدیریت کار خودشان اتخاذ کنند، روی تمام زنجیزه‌ی تامین غذا تاثیر خواهد گذاشت. برپایه‌ی یک بررسی، اگر تنها ۵ درصد از محصول کلم بروکلی کشت‌شده در امریکا، برداشت نشوند، بیش از ۴۵ میلیون کیلوگرم بروکلی از دسترس مصرف‌کنندگان خارج خواهد شد.

IBM برای پایدارتر ساختن بازاری که اغلب مملو از اتفاقات غیرقابل پیش‌بینی است، به‌تازگی یک پلتفرم جدید برای کشاورزی راه‌اندازی کرده است. پلتفرم تصمیم‌گیری واتسون برای کشاورزی، با ترکیب و کنارهم‌آوردن هوش مصنوعی، اینترنت اشیا و راهکارهای مبتنی بر فضای ابری توانسته سیستمی را برای تولید دیدگاه‌های مبتنی بر شواهد و مستندات ایجاد کند.

مزارع امریکا و پلتفرم کشاورزی هوشمند

این سیستم به‌صورت یک سرویس مدیریت‌شده برای کاربران در دسترس بوده و ارائه‌دهنده‌ی بخشی از مجموعه‌ی جدید ابزارهای بسته‌بندی‌شده‌ی از پیش آزمایش‌شده برای خدمات مشتریان، منابع انسانی، ساخت‌وتولید و موارد استفاده‌ی مربوط به بازاریابی است. شرکت Armonk در یک کنفرانس مطبوعاتی بیانیه‌ای منتشر کرده است که در بخشی از آن می‌خوانیم:

مزرعه‌داری همواره مسئولیت پیچیده‌ای بوده است. چنین کاری مستلزم این است که پرورش‌دهندگان محصولات، شبکه‌ی به‌هم‌پیوسته‌ای از تصمیم‌های مربوط به پیش‌فصل و تصمیم‌های مرتبط با طول فصل کشت را مطابق با خوشایند طبیعت و روند آن اتخاذ کنند. امروزه با انفجار داده‌های ابزارها، سنسورهای محیطی و ورودی‌های از راه دور، وابسته ماندن به شهود یا فناوری‌های سنتی برای درک تغییرات نتیجه‌بخش یا فراهم ساختن راهنمایی‌های مفید برای پرورش‌دهندگان محصولات، کاری غیرعملی است. ما چنین نقصانی را با به‌کار بردن هوش مصنوعی واتسون در تحلیل داده‌ها به‌منظور ارائه‌ی تصمیم‌هایی برای پرورش‌دهندگان جبران کرده‌ایم؛ روندی که به کشاورزان کمک می‌کند تا تصمیم‌های مطمئن و مبتنی بر شواهد و مستندات بگیرند.

پلتفرم تصمیم‌گیری واتسون برای کشاورزی، با بهبود توان پشت‌صحنه‌ی پیشگویانه‌ی IBM، هر نوع عامل کلیدی با احتمال تاثیر بر ثمره‌ی محصولات را به نمایش می‌گذارد؛ مواردی همچون دمای خاک، سطوح رطوبت، فشار محصول، آفت‌ها و بیماری‌ها. پرورش‌دهندگان محصولات می‌توانند از پهبادهایی برای ارسال تصاویر گرفته‌شده به سیستم ابری IBM به‌منظور دریافت تجزیه‌وتحلیل‌های مبتنی بر هوش مصنوعی (برای مثال، برای ردگیری نشانه‌هایی از بیماری محصول) یا دادن تصاویر نمای نزدیک از بالای گیاهان به الگوریتم‌های کامپیوتری بصری آشکارکننده‌ی بیماری‌ها استفاده کنند.

عملکردهای بزرگ کشاورزی می‌تواند به این پلتفرم در پیش‌بینی زمان برداشت محصولات و حجم محصولات ارائه‌شده به بازارهای جهانی کمک کند. از طرفی با تطبیق داده‌های به‌دست‌آمده با همدیگر، آنها نه‌تنها ‌می‌توانند بهترین رویکردها را برای آبیاری، کاشت گیاهان، بارورسازی و اصول ایمنی کارکنان شناسایی کنند؛ بلکه ایده‌آل‌ترین زمان سال برای فروش یک محصول مشخص را هم خواهند دانست.

البته پلتفرم واتسون نخستین پلتفرم IBM برای تجزیه‌وتحلیل‌های کشاورزی نیست. پلتفرم IBM Pairs Geoscope هم از یادگیری ماشین برای تجزیه‌وتحلیل تصاویر ماهواره‌ای، داده‌های آب‌وهوایی (که تا حدودی توسط Weather Company شرکت تابعه‌ی IBM پشتیبانی‌ می‌شود)، داده‌های سرشماری، بهره‌برداری از زمین و داده‌های مربوط به محل کسب‌وکار و پیش‌بینی‌های پیرامون محصول استفاده می‌کند. پژوهشگران IBM در برزیل نمونه‌ی اولیه‌ای با نام آگروپد ساخته‌اند که از هوش مصنوعی و یک برنامه‌ی کاربردی موبایل برای تجزیه‌وتحلیل نمونه‌های خاک و آب استفاده می‌کند. این شرکت در کنیا هم با Twiga Foods برای تست یک پلتفرم قرضه‌های کوچک مبتنی بر بلاک‌چین برای کشاورزان و خرده‌فروشان محصولات غذایی همکاری می‌کند.

داده های کشاورزی پلتفرم IBM هوش مصنوعی

از طرفی IBM هم نخستین شرکت استفاده‌کننده از هوش مصنوعی برای اهداف کشاورزی نیست. استارتاپی با نام Prospera از یک نرم‌افزار کامپیوتری، دوربین‌های مستقر در زمین و سنسورهای آب‌وهوایی به همراه یک پلتفرم پردازش ابری قدرتمند، به‌منظور تعیین میزان آب مورد نیاز برای تحویل به گیاهان در مکان‌های مشخص استفاده می‌کند.

به‌عنوان مثالی دیگر، Descartes Labs از مدل‌های یادگیری ماشین ایجادشده با داده‌های ماهواره‌ای برای برآورد محصولات نهایی ذرت ایالات متحده در سطوح ایالتی و کشوری بهره می‌برند. Abundant Technologies هم از کامپیوتر و ترکیب‌ سنسورها در دستگاه توت‌فرنگی‌چین خودکارشان با نام Harvest Croo استفاده می‌کنند.

این نوآوری‌ها هنوز کافی نیستند. سازمان ملل برآورد می‌کند که برای تامین غذای مورد نیاز جمعیت در حال انفجار جهان، تا میانه‌ی این قرن میلادی، تولید غذا باید به‌میزان ۵۰ درصد افزایش یابد. این احتمال کاملا وجود دارد که هوش مصنوعی بتواند چنین افزایش بازدهی را برای صنعت کشاورزی فراهم کرده و به حل مشکل غذا در دهه‌های آینده کمک کند.

از دیگر خدمات و راهکارهای پلتفرم واتسون می‌توانیم به سرویسی با نام Watson Discovery for Salesforce اشاره کنیم؛ این سیستم به‌دنبال دادن اطلاعات مرتبط به واسطه‌های خدمات مشتریان درمورد نیازهای مشتریان در زمان‌های مشخص است.

ابزاری هم درزمینه‌ی منابع انسانی تعبیه شده است که سابقه‌ی کارکنان با عملکرد بالا را مورد تجزیه‌وتحلیل قرار می‌دهد. دستیار واتسون برای بازاریابی، دیدگاه‌های IBM برای سازه‌های اینترنت اشیا و همینطور زنجیره‌ی تامین واتسون، از داده‌های آب‌وهوایی، گزارش‌های تعرفه‌ها و سایر گزارش‌های منظم برای ارائه‌ی تصویری کامل‌تر از مسائل تامین غذا در سطح جهان استفاده می‌کنند. IBM اعلام کرده که از هوش مصنوعی واتسون و روش‌های آن در هزاران مورد از کارهای مشتریان خود در ۲۰ صنعت مختلف در ۸۰ کشور بهره برده است. آنها از نام‌های بزرگی چون Deluxe Corporation BuzzFeed ،H&R Block ،Ingersoll Rand ،Subway در کنار هفت مورد از ۱۰ شرکت خودروسازی بزرگ دنیا و ۸ مورد از ۱۰ شرکت نفتی و گازی مطرح دنیا در لیست مشتریان خود برای سرویس هوش مصنوعی واتسون نام برده‌اند.

کشاورزی هوشمند IBM
مقاله رو دوست داشتی؟
نظرت چیه؟
داغ‌ترین مطالب روز
تبلیغات

نظرات