{{{sourceTextContent.title}}}

Comment établir l'intelligence artificielle qui est plus futée qu'un agriculteur

{{{sourceTextContent.subTitle}}}

La première intelligence artificielle (AI) a permis la culture augmentée de réalité que le système de gestion peut venir à une ferme d'intérieur près de vous très bientôt. Huxley combine l'apprentissage automatique, la vision d'ordinateur et une interface augmentée de réalité pour permettre essentiellement à n'importe qui d'être un agriculteur principal.

{{{sourceTextContent.description}}}

Avec l'aide d'une technologie portable comme Google Glass, l'utilisateur est présenté avec des informations sur les usines dans n'importe quelle ferme d'intérieur. L'AI de Huxley vise à détecter et diagnostiquer des anomalies visuelles et puis à suggérer une action pour atténuer la question tout en la corrélant avec des conditions ambiantes pour déterminer la cause. Et puisque l'AI continue à devenir plus futée avec chaque récolte, le fondateur Ryan Hooks dit qu'elle ne sera pas longue jusqu'à ce que le plus grand expert en matière du monde en élevage hydroponique ne soit pas un humain.

Les crochets a eu un fonctionnement divers de carrière dans l'espace de médias pour de grandes sociétés de technologie comme Google et Vevo, aussi bien que travaillant aux questions de nourriture avec Food Inc et le sommet de G8. En 2014, il a fondé Isabel, un futé élève le système pour la croissance et le transport du produit à l'intérieur, et debuted la plate-forme de vision de l'usine de Huxley en 2016.

Nous sommes entrés dans les mauvaises herbes avec des crochets au sujet de la façon dont Huxley travaillera, de combien il coûtera, et à quelle rapidité il pourrait obtenir plus futé que les agriculteurs principaux d'aujourd'hui.

Quel est le statut du produit en ce moment ?

J'avais développé ceci pendant les deux dernières années. Nous avons 22 pilotes prêts du cannabis à de grandes serres chaudes et à fermes verticales. Les gens veulent déjà le système, nous juste devons relier le capital pour obtenir notre équipe en place, ainsi nous pouvons conquérir ces pilotes.

Beaucoup de ces solutions basées sur données pour l'AG ont besoin d'une échelle pour être efficace. Qu'un peu l'échelle fait-elle votre produit exigent-elles ?

Nous installons l'infrarouge et les caméras de RVB dans une installation. Cela peut surveiller 1 000 pieds carrés de légumes ou d'usines d'un cannabis de couples, ou il pourrait surveiller une orchidée $15 000. Si vous voulez, pensez à lui en tant qu'assurance d'usine de l'intelligence artificielle (AI). Au niveau d'usine, les sciences économiques de lui de côté, si vous cultivez une usine, nous laissez dire cette orchidée, et vous avez cette assurance d'usine d'AI de Huxley et nous prenons à une photo chaque minute et la balayant pour les maladies ou toutes les anomalies et alors nous tirons dans des conditions ambiantes des capteurs. Ce peut être littéralement une usine. Ainsi si j'ai des usines d'un couple ou cent ou mille ou des dix-millièmes, chaque fois que cette culture se développe et vous trouvez la meilleure saveur et le meilleur rendement, vous pouvez visuellement et savoir ambiant ce qui étaient les conditions cela a fait cela.

Queest-ce que la structure des prix sera ?

Selon quelle culture et les spécifications de la serre chaude, nous allons charger par pied carré pour l'AI et puis pour la réalité augmentée il y aura une prestation de service mensuelle qui attachera dedans avec notre système principal. Juste l'AI elle-même va à l'individu optimiser au fil du temps ainsi plus de serres chaudes et de types de cultures que nous cultivons, plus nous serons capables partager données.

Où êtes-vous de l'approvisionnement les recettes initiales qui donneront à l'AI une base de la connaissance d'usine pour construire au moment ?

Nous utilisons des ensembles de données des institutions académiques qui forment notre AI pour savoir quoi rechercher. Une des choses intéressantes avec Huxley est que nous avions développé une partie postérieure pour ce qui s'appelle “étude dirigée.” Les cultivateurs et les universitaires tellement principaux dans le monde peuvent former l'AI dans à ce que le scénario optimal ressemble ; quelles maladies ressemblent et des anomalies à aussi, pour nous forment le système, il deviendra plus futé.

Ceci est tout fait par l'étude visuelle correcte ?

Ce que nous faisons est visuel, mais notre base de données dépiste de la graine à l'expédition et montre l'air, la lumière, et les conditions de l'eau, et alors nous nous corrélons qu'avec notre vision.

Comment percevrait-il quelque chose comme des anomalies de goût ou de saveur ?

Si la culture n'est pas en état idéal, il connaîtra cela. Si la laitue devient plus jaune ou vert clair, ou outre du chemin visuel optimal, par la suite vous saurez juste comment à auto-correct cela. Ainsi si c'est une insuffisance nutritive ou un scénario environnemental, elle saura. Vous dites Huxley que c'était laitue gâtée et alors Huxley sait que toutes ces images dans cet ensemble de données entier devient une bonne référence pour ce qui à ne pas se développer.

Ne fait pas qui partent de la porte ouvert pour une corrélation fausse ?

Car il est dirigé par des universitaires et des cultivateurs principaux, ces corrélations commenceront à sembler plus de raisonnable. Le pilote automatique de la serre chaude commande les conditions d'air, de lumière et d'eau. Si le pH nutritif est très bien et l'environnement est aux arrangements optimaux, vous n'allez pas courir dans cela. Mais s'il se produisait, nous pourrions corréler pourquoi il s'est produit et il obtiendrait mieux au fil du temps.

Huxley a-t-il le potentiel de devenir plus futé que l'agriculteur le plus futé là ?

Avec n'importe quel système visionique ou système d'apprentissage automatique, les données qui entrent dans lui sont très importantes. Elles doivent être dirigées. Elle doit être cataloguée d'une manière appropriée. Comme vous la formez ou [par exemple] en tant que plus d'individu conduisant les voitures descendent la route, elles créent une meilleure carte pour le monde autour de elles. Ce que Huxley fait est que l'information, car le cultivateur se développe, est dépistée par l'apprentissage automatique et la vision d'ordinateur. Alors par la suite le niveau de confiance de celui monte et il devient mieux que le meilleur cultivateur. L'objectif final est de créer une AI qui peut enlever l'effort de toutes ces variables et simplifier le processus pour l'agriculteur.

Pouvez-vous estimer une chronologie pour cela ?

Je dirais un--deux aux années par espèces d'usine. Elle ne sera jamais 100%, mais pour surveiller en serre chaude, le meilleur humain pourrait être à un niveau de confiance de 80%, parce que même le meilleur humain passant par l'installation va manquer ce qui pourrait continuer et ne peut pas la faire 24 heures sur 24. Une fois que vous passez ce seuil de 80%, puis il réalise un meilleur travail que la meilleure personne que vous pourriez engager.

Cela ressemble à de se concentrer sur des espèces d'une usine serait la manière la plus rapide de voir ce qu'il peut vraiment faire. Y a-t-il une raison pour laquelle votre programme pilote est ainsi varié ?

Le système que nous faisons s'appelle la vision d'usine ainsi avec Qu'est ce que cultivateurs travaillent, ils pourra commencer à former leurs propres ensembles de données. Nous commençons par le cannabis parce qu'il est le plus économiquement le viable, mais si c'est une orchidée ou une haut-marge, l'article de haute valeur, ceux vont être les meilleures usines à commencer. Et également pour la R&D, les cycles vont être plus importants. Votre aller apprendre beaucoup plus rapide sur 30 cycles de jours que vous sont sur 90.

Y a-t-il vraiment une orchidée $15 000 là quelque part ?

Oui, si vous recherchez les fleurs chères il y a une orchidée qui s'est vendues pour £160,000 ($207k). Ainsi nous pourrions faire l'assurance d'orchidée d'AI. Le safran est $900 par livre ! Le deuxième un insecte entre et essaye d'endommager votre culture de safran, nous vlan il avec un laser.