Vedi traduzione automatica
Questa è una traduzione automatica. Per vedere il testo originale in inglese cliccare qui
#Ricerca e Sviluppo
{{{sourceTextContent.title}}}
Come sviluppare intelligenza artificiale che è più astuta di un agricoltore
{{{sourceTextContent.subTitle}}}
La prima intelligenza artificiale (AI) ha permesso al sistema di gestione delle colture aumentato della realtà può venire ad un'azienda agricola dell'interno vicino voi molto presto. Huxley combina l'apprendimento automatico, il dispositivo ottico del computer e un'interfaccia aumentata della realtà essenzialmente per permettere che chiunque sia un agricoltore matrice.
{{{sourceTextContent.description}}}
Con l'aiuto di una tecnologia portabile come Google Glass, l'utente è presentato con informazioni sulle piante in tutta l'azienda agricola dell'interno. Il AI di Huxley mira ad individuare e diagnosticare le anomalie visive e poi a suggerire un'azione per attenuare l'edizione mentre la correla con i dati ambientali per determinare la causa. E poiché il AI continua ottenere più astuto con ogni raccolto, il fondatore Ryan Hooks dice che non sarà lungo finché il più grande esperto del mondo sulla crescita idroponica non sia più un essere umano.
I ganci ha avuto un funzionamento vario di carriera nello spazio di media per le grandi società di tecnologia come Google e Vevo come pure lavorando alle edizioni dell'alimento con alimento inc e la sommità di G8. Nel 2014, ha fondato Isabel, un astuto coltiva il sistema per la crescita ed il trasporto di prodotti all'interno ed ha debuttato piattaforma della visione della pianta di Huxley nel 2016.
Siamo entrato nelle erbacce con i ganci circa come Huxley lavorerà, quanto costerà e quanto potrebbe ottenere rapidamente più astuto di odierni agricoltori matrici.
Che cosa è lo stato del prodotto ora?
Sto sviluppando questo per i due anni ultimi. Abbiamo 22 piloti pronti dalla cannabis alle grandi serre ed alle aziende agricole verticali. La gente già vuole il sistema, dobbiamo collegare appena il capitale per ottenere il nostro gruppo sul posto, in modo da possiamo conquistare questi piloti.
Molte queste a soluzioni basate a dati per AG hanno bisogno di una certa quantità di scala di essere efficace. Che genere di scala fa il vostro prodotto richiede?
Installiamo l'infrarosso e le macchine fotografiche di RGB in una funzione. Quello può controllare 1.000 piedi quadrati delle verdure o delle piante di una cannabis delle coppie, o potrebbe controllare un'orchidea $15.000. Se volete, pensi come assicurazione della pianta di intelligenza artificiale (AI). Al livello della pianta, l'economia di da parte, se state coltivando una pianta, ci lasciano dire questa orchidea e voi hanno questa assicurazione della pianta di AI da Huxley e stiamo richiedendo ad una foto ogni minuto ed esplorandola per le malattie o tutte le anomalie e poi stiamo tirando nei dati ambientali dai sensori. Può essere letteralmente una pianta. Così se ho piante di una coppia o cento o mille o diecimila, ogni volta che quel raccolto si sviluppa e trovate il migliore sapore ed il migliore rendimento, potete visivamente ed in condizioni ambientali conoscere che cosa le circostanze erano quello ha fatto quello.
Che cosa la struttura dei prezzi sarà?
Secondo il quale raccolto e la specificazione della serra, stiamo andando fare pagare per piede quadrato per il AI e poi per la realtà aumentata ci sarà una tassa di servizio mensile che legherà dentro con il nostro sistema principale. Appena il AI stesso sta andando all'auto ottimizzare col passare del tempo così le più serre e tipi di raccolti che stiamo sviluppando, più dati potremo dividere.
Dove siete sourcing le ricette iniziali che daranno al AI una base di conoscenza della pianta per costruire su?
Stiamo utilizzando gli insiemi di dati dalle istituzioni accademiche che preparano il nostro AI per conoscere che cosa cercare. Una delle cose interessanti con Huxley è che stiamo sviluppando un'estremità posteriore per che cosa è chiamato “l'apprendimento sorvegliato.” I coltivatori ed i academics così matrici nel mondo possono preparare il AI in cui lo scenario ottimale assomiglia; che malattie assomigliano ed anomalie ad anche, per noi preparano il sistema, otterrà più astuto.
Ciò interamente è fatta con l'apprendimento visivo corretto?
Che cosa stiamo facendo siamo visivi, ma la nostra base di dati sta seguendo dal seme alla spedizione e mostra l'aria, la luce e gli stati dell'acqua e poi correliamo che con la nostra visione.
Come percepirebbe qualcosa come le anomalie di sapore o del gusto?
Se il raccolto non è nello stato ideale, conoscerà quello. Se la lattuga sta diventando più gialla o verde chiaro, o fuori dal percorso visivo ottimale, finalmente conoscerete appena come aauto-corretto quello. Così se è una sottoalimentazione o uno scenario ambientale, saprà. Dite Huxley che questa era cattiva lattuga e poi Huxley sa che tutte quelle immagini in quell'intero insieme di dati si trasforma in in un buon riferimento per cui da non svilupparsi.
Non fa che lascia la porta aperto per una correlazione falsa?
Poichè è sorvegliato dai academics e dai coltivatori matrici, queste correlazioni cominceranno avere più significato. Il pilota automatico della serra sta controllando gli stati dell'aria, della luce e dell'acqua. Se il pH nutriente è benissimo e l'ambiente è alle regolazioni ottimali, non state andando imbatterti in quello. Ma se accadesse, potremmo correlare perché è accaduto ed avrebbe migliorato col passare del tempo.
Huxley ha il potenziale di ottenere più astuto dell'agricoltore più astuto là fuori?
Con tutto il sistema di dispositivo ottico del computer o il sistema di apprendimento automatico, i dati che entrano in sono molto importanti. Devono essere sorvegliati. Deve essere catalogato in un modo appropriato. Come lo preparate o [per esempio] come più auto che guida le automobili scendono la strada, stanno creando una migliore mappa per il mondo intorno loro. Che cosa Huxley sta facendo è che le informazioni, poichè il coltivatore sta sviluppandosi, sono seguite con l'apprendimento automatico ed il dispositivo ottico del computer. Poi finalmente il livello di fiducia di quello va su e diventa meglio di migliore coltivatore. Lo scopo finale è di creare un AI che può eliminare lo sforzo di tutte queste variabili e semplificare il processo per l'agricoltore.
Potete stimare una cronologia per quello?
Direi un--du'agli anni per specie della pianta. Non sarà mai 100%, ma per l'esplorazione in una serra, il migliore essere umano potrebbe essere ad un livello di fiducia di 80%, perché anche il migliore essere umano che passa attraverso la funzione sta andando mancare che cosa potrebbe accendere e non può farlo 24 ore al giorno. Una volta che passate quella soglia di 80%, quindi sta facendo un migliore lavoro che la migliore persona che potreste impiegare.
Suona come la focalizzazione sulle specie di una pianta sarebbe il modo più veloce vedere che cosa può realmente fare. C'è una ragione per cui il vostro programma pilota così è variato?
Il sistema che stiamo facendo è chiamato la visione della pianta in modo da qualsiasi coltivatori stanno lavorando con, essi potrà cominciare preparare i loro propri insiemi di dati. Stiamo cominciando con la cannabis perché è il più economicamente il possibile, ma se è un'orchidea o un alto-margine, l'oggetto d'alto valore, quelli sta andando essere le migliori piante da cominciare con. Ed anche per R & S, i cicli stanno andando essere più importanti. Vostro andare imparare molto più rapido su 30 cicli dei giorni che voi è su 90.
C'è realmente un'orchidea $15.000 là fuori da qualche parte?
Sì, se cercate i fiori cari c'è un'orchidea che ha venduto per £160,000 ($207k). Così potremmo fare l'assicurazione dell'orchidea di AI. Lo zafferano è $900 per libbra! Il secondo un insetto entra e prova a danneggiare il vostro raccolto dello zafferano, noi zap con un laser.