Am 2018 wuesse fënnef Teams Gurken an enger grondleeënd Autonomer Treibhauseffekt internationale Concours. Den Twist: nëmmen eng vun den Équipen bestoung aus erfuerene mënschleche Wënzer déi hiren Treibhauseffekt manuell operéieren. Déi reschtlech véier Teams bestoungen aus internationalen Experten an de Felder Horticulture a Artificial Intelligence (AI). Si hu geschafft fir AI Léisungen z'entwéckelen fir hir Kulturen op eng Distanz an autonom ze managen. D'Zil vun der Konkurrenz, déi weltwäit éischt Autonom Treibhausefuerderung, war Duerchbroch an der nohalteger Produktioun ze féieren.
No véier intensiven Méint koumen déi manuell Wënzer op déi zweet Plaz. Déi éischt Plaz Team, gefouert vun engem vun den Autoren vun dësem Artikel, huet mat enger autonomer wuessender Léisung gewonnen déi net nëmmen 6% méi grouss Rendementer an 17% méi héich Nettogewënn erreecht huet, awer och manner CO benotzt2, Heizung, a Waasser Tounagang.
Fir méi iwwer d'Konkurrenz ze léieren an ze verstoen wéi eng AI Léisung mat konkurréiere kann - an och besser ausgoen - en Team vu qualifizéierte mënschleche Wënzer, loosst eis d'AI méi no kucken a wéi et sech mat der Treibhauseffektautomatik bezitt.
Treibhauseffekt ass näischt Neies
Zënter Joerzéngten hu Wënzer Prozesscomputeren, Sensoren an Aktuatoren benotzt fir d'Treibhausklima an d'Bewässerung ze managen. An sou engem Szenario ass d'Aarbecht vum Prozesscomputer einfach, op vertrauen op einfach logesch Regelen. Wann d'Lofttemperatur méi héich wéi 75 ° F ass, da maacht zum Beispill d'Lëftung op. Déi langweileg Aarbecht vu Liestemperaturen a Luuchten an Heizungen unzeschalten ass u Maschinnen delegéiert.
Natierlech kann op reegelsbaséiert Automatiséierung net mat onerwaarte Ëmstänn ëmgoen. Méi entscheedend, e qualifizéierte Mënsch muss all d'Erntegungsentscheedungsentscheedungen treffen, bis op déi exakt Setpoints fir Ëmweltparameter. Fir héich Rendementen zouverlässeg z'erreechen ass e wesentlecht Niveau u Wëssen a Fäegkeet gebraucht, an och dann ass et einfach Feeler ze maachen. Ausserdeem, wéi Häff méi grouss ginn, gëtt d'Aarbecht fir d'Kulturen kontinuéierlech ze iwwerwaachen nach méi usprochsvoll.
Leider wuesse Wënzer all ze gutt datt d'Aarbecht déi gréisste Quell vu Probleemer an der Produktioun ass. Joer fir Joer, an Treibhauseffekt Top 100 Wënzer Ëmfro, Wënzer mellen Erausfuerderungen net nëmme mat de Käschte vum Aarbechtsmaart awer och mat der Disponibilitéit vu qualifizéierten Aarbechter. Net iwwerraschend, d'Wënzer sichen ëmmer méi no Weeër fir dës Erausfuerderungen unzegoen, och nei Technologien déi d'Treibhausgare méi autonom kënne maachen.
AI ass e Schrëtt iwwer Regelenbaséiert Automatiséierung
E gudde Wee fir iwwer kënschtlech Intelligenz ze denken ass datt et e Schrëtt méi wäit wéi einfach Regelbaséiert Automatiséierung ass. Modern AI ass alles iwwer d'Benotzung vun der Mathematik fir Musteren an Daten ze fannen, inklusiv déi Aart déi an Treibhauseffekt a biologesch Systemer fonnt ginn. Zum Beispill:
- Mat genuch Klimadaten kënne Wënzer AI benotze fir optimal Setpunkte festzeleeën a Klimaprognosen ze maachen.
- Mat genuch Erntegrendendaten, kënnen d'Produzenten AI benotze fir Rendementsprognosen ze generéieren.
- Mat genuch Bilddaten kënne Wënzer AI benotze fir Schädlinge a Krankheeten z'entdecken.
Verschidden Aarte vun AI kënne souguer vun neien Daten léieren, an ëmmer méi besser Resultater mat der Zäit liwweren.
Duerch méi déif Abléck an alldeeglechen Treibhauseffekt ze bidden, kann AI benotzt ginn fir Expert Entscheedungsprozess ze ënnerstëtzen an de Wënzer op eng sënnvoll Manéier z'erméiglechen. Ëmmerhi kommen déi bescht Resultater aus enger nodenklecher Kombinatioun vu mënschlecher Intelligenz a kënschtlecher Intelligenz.
D'Datenbaséiert Approche vun AI kann och mat der klassescher Regelbaséierter Approche kombinéiert ginn, wat e vill méi héije Grad vun Treibhauseffektautomatioun erlaabt wéi jee virdrun. Kuerz gesot, Wënzer kënnen AI benotze fir vill rote operationell Aufgaben ze automatiséieren, an hëllefen déi chronesch Aarbechtsprobleemer ze entlaaschten déi d'Industrie erausfuerderen.
Daten sinn de Brennstoff fir AI
Sou vill wéi AI iwwer mathematesch Algorithmen ass, ass et och iwwer Daten. Am Géigesaz zum populäre Glawe sinn e puer vun den heefegsten Algorithmen, déi an AI benotzt ginn, zënter Joerzéngten. Si sinn net emol schrecklech komplizéiert. Awer fir déi längst Zäit, d'Disponibilitéit vun Daten - zesumme mat bezuelbare Rechenkraaft, déi néideg ass fir d'Daten ze verarbeiten - ware limitéierend Faktoren.
Et huet eng rezent Entwécklung vu Computer-Hardware gebraucht fir de Potenzial vun AI opzespären. D'Smartphone Revolutioun, ausgeléist vun Apple am Joer 2007, huet ganz nei Fabrikatioun Ökosystemer a Versuergungsketten op enger globaler Skala erstallt. Dëst huet d'fundamental Wirtschaft vu Computer Hardware geännert, anscheinend iwwer Nuecht. Schlëssel Hardware Komponenten, wéi Mikroprozessoren, Radioen a Sensoren, goufen exponentiell méi bëlleg, méi kleng a méi staark. D'Trëppele vu roudaten hunn zu Iwwerschwemmunge ginn. Déi nei Heefegkeet vun Daten a Berechnungskraaft huet gehollef den AI aus enger Fuerschungsfäegkeet mat wéinege kommerziellen Uwendungen an en technologesche Mierwandel ze transforméieren.
IoT bréngt eng Onmass un Daten
An de fréien 1980er goufen Diplomstudenten an der Carnegie Mellon University zu Pittsburgh genervt beim Trekking iwwer eng Coca-Cola Automat just fir se eidel ze fannen. Si hunn et modifizéiert sou datt et seng Inventar iwwer Internet bericht. Dobäi hunn se den éischten Internet-verbonne Gerät vun der Welt erfonnt.
Haut hu Milliarde Geräter, grouss a kleng, vu Konsumentelektronik bis Industriemaschinnen, mat där éischter Soda-Maschinn verbonne fir mam Internet verbonne ze sinn, a bilden dat wat den Internet of Things (IoT) bekannt ass. Wat bedeitend ass ass datt, am Géigesaz zu fréiere Generatiounen vun Hardware - dorënner vill üblech Treibhauseffekt Léisungen - IoT Geräter déiselwecht Aarte vun Datenformater a Kommunikatiounsprotokoller benotze wéi soss anzwousch um Internet benotzt. Duerch Vertrauen op global Internet Standards kann et méi einfach sinn Daten mat IoT Geräter auszetauschen ouni extra Hardware ze erfuerderen fir vun enger Aart System an en anert ze iwwerbrécken.
Zesumme sinn AI an IoT komplementär Technologien. IoT Hardware hëlleft de Wënzer méi rau Daten aus Zären ze sammelen. An AI Software hëlleft de Wënzer Sënn ze maachen - an ze handelen - op dës Daten fir d'Ernteproduktioun ze verbesseren.
Fallstudie: Dem Kenneth Tran säin Erfolleg an der Autonomer Treibhauseffekt
Dr Tran: Am 2018 war ech en AI Fuerscher bei Microsoft Research bei Seattle, an hunn un enger méi neier Art AI bekannt als Verstäerkungsléiere geschafft. Do hunn ech en neien Effort initiéiert fir eis Fuerschung an d'Domain vun der kontrolléierter Ëmweltlandwirtschaft anzewenden. Mam sougenannte Sonoma-Projet hu mir mat Planzewëssenschaftler am Harrow Research Center zu Ontario, Kanada zesummegeschafft an um Enn den éischten internationale Autonome Treibhauseffekt, organiséiert vun der Wageningen University & Research an Holland, konkurréiert.
An dëser Erausfuerderung huet all Team Gurken an engem 315 Quadratmeter Treibhauseffekt fir eng Dauer vu ongeféier véier Méint gewuess. Dës Kompartimenter ware mat Standardprozesscomputeren, Klimasensoren an Aktuatoren ausgestatt. Mat IoT digitalen Interfaces (REST APIen) kéinten eis AI Programmer kontinuéierlech Daten aus de Sensore liesen, optimal Setpunkte bestëmmen a Setpoints zréck op de Prozesscomputer schécken - iwwerall um Internet (kuckt d'Figur ënnen). Méi Detailer iwwer d'Erausfuerderung a seng Resultater fannt Dir an engem Artikel vum Hemming et al. (2019).
Trotz eisem Manktem un Erfahrung beim wuesse vun Gurken an eisem ganz fréizäitege Prototyp, konnt eis autonom wuessend Léisung de Concours gewannen. Mir hunn souguer den Zweetplaz-Team besser gemaach, d'Referenzenteam aus Expert hollännesche Wënzer, mat engem 6% méi héije Rendement. Dës Margin am Rendement war gläichwäerteg zu enger 17% Erhéijung vum Betribsgewënn.
Huet d'Referenzéquipe schlecht ofgeschnidden? Guer net. Si hu bemierkenswäert gutt gemaach, no villen Experten. Hir Rendement war bal 50 kg / m2 an der Dauer vu véier Méint, wat entsprécht bal 150 kg / m2 pro Joer. Dëst gëtt als héich Rendement fir en Treibhauseffekt iwwerall um Planéit ugesinn.
Als Resultat vun der Autonomer Treibhausefuerderung hunn ech Koidra am Joer 2020 gegrënnt fir direkt op eise Léiere bauen a weider de modernsten an AI an IoT fir Landwirtschaft an aner industriell Kontrollapplikatiounen ze drécken.
Déi richteg Froen iwwer AI an IoT stellen
Haut si méi Treibhauseproduzenten bereet a prett AI an IoT unzehuelen. Déi Haapt Erausfuerderung ass Sënn fir d'Produkter um Maart ze maachen a kënnen duerch all Marketing schwätzen. Vill Firme behaapten äifreg datt si en AI Algorithmus oder IoT Apparat hunn dee fir Zären funktionnéiert.
Hei sinn e puer wichteg Iwwerleeungen fir am Kapp ze halen wann Dir AI Software an IoT Hardware evaluéiert:
- Leeschtung: Wënzer solle fäeg sinn konkret, reell Virdeeler ze gesinn. Frot: Ass d'AI a kommerzieller Produktioun bewisen ginn fir d'Rendement an d'Ressource Effizienz ze verbesseren? Ënnert wéi enge Konditiounen? Wat ass de Rekord vun der Firma bei der Entwécklung vun AI an IoT Software?
- AI Design: Déi effektivsten AI Léisunge kombinéieren dat Bescht vu mënschlecher Intelligenz mat der Bescht vu kënschtlecher Intelligenz fir Entscheedungen ze treffen. Frot: Wéi benotzt den AI Modell de bestehende Kierper vu Wëssen? Wéi garantéiert et datt d'Performance mat der Zäit mat méi Daten verbessert?
- Software Design: Wënzer sollten d'Kontroll vun den Treibhauseffekt bleiwen. Frot: Wéi eng Software Design Prinzipie gi benotzt fir d'Erntegungssécherheet ze garantéieren? Kann ech ëmmer tëscht manueller, Empfehlung an Autopilot Modus wiesselen?
- Datebesëtz: Wënzer sollten hir Donnéeë besëtzen an "Verkeefer-Lock-in" vermeiden. Frot: Kann ech einfach Daten aus anere Systemer importéieren? Kann ech meng eegen Daten backen an exportéieren? Ginn et APIen déi Live Daten Zougank a personaliséiert Integratiounen erlaben? Kann ech Software an Hardware vu verschiddene Verkeefer benotzen, elo an an der Zukunft?
AI an IoT kënnen Ziichter erméiglechen
An enger Welt an där kritesch Ressourcen - Waasser an Energie, souwéi Zäit, Suen a qualifizéiert Aarbecht - méi knapp ginn, mécht et Sënn nei Technologien z'entdecken fir dës Belaaschtung ze reduzéieren. Wéi mir vun der Autonomer Treibhauseffekt geléiert hunn, kënne Wënzer méi grouss Rendementer a méi héich Ressourceverbrauchseffizienz erreechen mat der Benotzung vun AI Software an IoT Hardware. Wat méi ass, ginn dës Technologien weider entwéckelt a fortgeschratt a séierem Tempo.
Schlussendlech kënnen AI an IoT wierklech Treibhauseffekter erméiglechen - besser Entscheedungen ze treffen, méi mat manner ze maachen - d'Weltfudder méi nohalteg ze wuessen.