سوالات در مورد هوش مصنوعی در هر رشته ای مبرم تر می شود. به گفته جیان مینگ یو، یکی از دانشمندان برتر جهان در زمینه ژنتیک کمی و اصلاح نباتات، برای بهبود محصول، هوش مصنوعی لنز جدیدی برای پل زدن علم و عمل فراهم می کند.
یو، رئیس پیشگام در پرورش ذرت و مدیر Raymond میگوید: «مردم سؤالات زیادی در مورد نحوه شروع فعالانه استفاده از هوش مصنوعی در بهبود محصولات دارند. مرکز اف. بیکر برای اصلاح نباتات در گروه زراعت دانشگاه ایالتی آیووا. نمونههای خاص بسیاری از استفاده سازنده از این ابزارها وجود دارد، اما در مقیاس بزرگ، واقعاً هنوز این اتفاق نیفتاده است.»
کمک به همسالان خود، دانشآموزان و مردم برای آگاهی بیشتر در مورد زمینه به سرعت در حال تکامل هوش مصنوعی برای یو تبدیل به یک ماموریت شده است. به همین منظور، او و سایر نویسندگان، از جمله کارلین نگوس، دانشجوی دکترای ژنتیک که با او کار میکند، مروری بر نقش هوش مصنوعی در بهبود محصول در مجموعهای علمی به نام Advances in Agronomy منتشر کردهاند.
یو گفت: “بسیاری از دانشمندان، حتی آنهایی که پیشینه مرتبط دارند، همیشه نمی دانند از کجا شروع کنند.” “ما بازخورد دریافت کرده ایم که مقاله جدید بسیار به موقع و مفید است.”
اخیراً، کالج کشاورزی و علوم زیستی در ایالت آیووا از یو و نگوس خواست تا نکات مهم انتشار جدید خود را بررسی کنند و در مورد کاربردها و پیامدهای ابزارهای هوش مصنوعی در حوزه خود فکر کنند.
یو: “یک کاری که ما در این مقاله انجام می دهیم این است که به طور خلاصه زمینه تاریخی هوش مصنوعی را ترسیم کنیم. از دهه 1940 در حال توسعه است و آنچه که سومین تابستان هوش مصنوعی در نظر گرفته می شود در حال انجام است. سیستم های یادگیری عمیق سال های اولیه این دوره را تعریف کرده اند.
برای بهبود محصول، هوش مصنوعی تا حد زیادی برای کمک به پردازش و درک مجموعه دادههای بسیار بزرگ و با توان عملیاتی بالا به کار گرفته شده است. دادههای مقیاس بزرگ به چالشی جدید در تحقیقات کشاورزی و بسیاری از حوزههای دیگر علم تبدیل شدهاند و ابزارهای هوش مصنوعی در حال حاضر راهحلهای متنوعی را ارائه میدهند.
Negus: “زمینه هوش مصنوعی در سالهای اخیر به سرعت در حال تغییر بوده است. دانستن اینکه چه روشهایی برای کاربردهای خاص مرتبط هستند میتواند دشوار باشد. برای سادهسازی این فرآیند یادگیری برای مناطق مرتبط با بهبود محصول، ما بیش از 15 نوع و زیرگروه را توصیف میکنیم. هوش مصنوعی و بینش در مورد نحوه استفاده از آنها در این زمینه ها ارائه می دهد.
در حالی که هوش مصنوعی امروزی اغلب شبکههای عصبی بسیار پیچیده است، نمونههای دیگر هوش مصنوعی از اتوماسیون فرآیند رباتیک نسبتاً ساده که از یک “عامل” هوش مصنوعی استفاده میکند که قادر به انجام فرآیندهای تکراری است که دارای تنوع کافی برای جلوگیری از استفاده از اتوماسیون فرآیند استاندارد است، میباشد. به سیستمهای نسبتاً پیچیده متخصص و فازی که تلاش میکنند قابلیتهای حل مسئله متخصصان انسانی را به انواع دیگر یادگیری ماشینی بسیار پیشرفته تکرار کنند.
یادگیری ماشینی (ML) نوعی هوش مصنوعی است که از مجموعه داده های بزرگ برای بهبود از طریق تجربه یا یادگیری استفاده می کند و سپس از نتایج برای حل مشکلات یا پیش بینی استفاده می کند. ML به طور گسترده در زمینه بهبود محصول به کار گرفته می شود. روشهای ML با استفاده از روشهای ژنومی، محیطی، فنومیک و سایر رویکردهای چندگانه به محققان کمک میکنند تا تغییرات محیطی و ژنتیکی را برای درک بهتر تأثیرات آنها بر اصلاح و مدیریت محصولات، بهدست آورند.
یو: “این برنامه ها با هم به سرعت انقلابی در شیوه های کشاورزی در آزمایشگاه، گلخانه و مزرعه ایجاد می کنند.
برای محققان بهبود محصولات زراعی که روشهای هوش مصنوعی را اتخاذ کنند، مطلوب است که مزایای بالقوه روشهای هوش مصنوعی را نسبت به روشهای سنتی بدانند. برای پرورش دهندگان، ظرفیت بهبود یافته برای نظارت و پیش بینی رشد و سلامت محصول تحت ترکیبات مختلف ژنتیکی، محیطی و مدیریتی، این پتانسیل را دارد که تصمیم گیری در مورد انتخاب محصول را تا حد زیادی تسهیل کند. برای تولیدکنندگان، استفاده از هوش مصنوعی برای بهبود پایداری و انعطافپذیری از طریق بهبود مدیریت تولید در مزرعه مطلوب خواهد بود.
ادامه دادن چالشی است که دست اندرکاران بهبود محصول با آن آشنا هستند. برای قرن گذشته، این چالش حول محور همسویی با تقاضای جمعیت رو به رشد جهان شکل گرفته است و این همچنان نگرانی اصلی است. اکنون، تغییر آب و هوا کار را پیچیده تر می کند. هوش مصنوعی پتانسیل زیادی برای کمک به این چالش ها دارد، اما ما کارهای زیادی برای انجام دادن داریم تا به طور کامل از این پتانسیل سرمایه گذاری کنیم و باید به سرعت آموزش ها و مهارت ها را در این زمینه ها افزایش دهیم.
با این حال، اگر موفقیت قبلی بهدستآمده از استفاده از فناوریهای نوآورانه برای بهبود محصول نشانهای باشد، آینده بهبود محصولات به کمک هوش مصنوعی روشن خواهد بود.»
منبع: cals.iastate.edu