त्याच प्रकारे आभासी सहाय्यक आम्हाला आमची पुढील आवडते गाणे शोधण्यात मदत करतात, एका नवीन सॉफ्टवेअर पॅकेजने शेतकरी आणि कृषीशास्त्रज्ञांना त्यांची पिके आणि माती टिकवून ठेवण्यासाठी टिकाऊ मार्गाने उत्पादन वाढवण्यासाठी काय आवश्यक आहे हे दर्शविण्यासाठी मदत करण्यासाठी प्रगत मशीन लर्निंगचा वापर केला आहे. हा लेख एजीडैली द्वारा प्रकाशित.
चे वैज्ञानिक संघ बायर पीक विज्ञान आणि बायोम मेकर्स या ग्राउंडब्रेकिंग तंत्रज्ञानाच्या प्रथम अनुप्रयोगची चाचणी केली आणि त्या उघड केली बायो रॅक्सिव. अभ्यास आणि परिणामी वैज्ञानिक पेपर बायरच्या जैविक बुरशीनाशक मिनीटच्या परिणामकारकतेचे मूल्यांकन करण्यासाठी मातीच्या सूक्ष्मजीव विश्लेषणाची माहिती देते. विशेषत: मशीन लर्निंग सॉफ्टवेअरने इनपुट वापरण्यापूर्वी बायर सीएसला बटाटा उत्पादनात सुधारणा होण्याची शक्यता वर्तविली. इडाहोमध्ये चाचणी केलेल्या एका क्षेत्रात अंदाजे 40 टक्क्यांपर्यंत उत्पन्न मिळण्याची शक्यता वर्तविली गेली.
बायर सीएसचे प्रकल्प नेते वर्गीस थॉमस म्हणाले, “पीक उत्पादनात सुधारणा करण्यासाठी टिकाऊ व आर्थिकदृष्ट्या अनुकूल उपाययोजनांच्या दिशेने वाटचाल करत माती जीवशास्त्र आणि पिकाच्या वापरास अनुकूल करण्याचा अनोखा दृष्टीकोन आहे.”
हे तंत्रज्ञान कृषीशास्त्रज्ञांसाठी एक मोठी झेप आहे, ज्यांच्याकडे आतापर्यंत त्यांच्या हंगामी माती आणि पीक निर्णयासाठी जैविक उपाय अचूकपणे निर्धारित करण्यासाठी आवश्यक डेटाचा अभाव आहे. पिकाचे उत्पादन आणि गुणवत्ता वाढविण्यासाठी माती ही एक मौल्यवान मालमत्ता आहे, परंतु ती सध्या अस्तित्त्वात आहे, त्यानुसार होणार्या जैविक प्रक्रियेच्या थोड्या माहितीवर आधारित कृषीविषयक शिफारसी आहेत. परंतु आज, एआय व्हर्च्युअल सहाय्यकाच्या उपलब्धतेसह भिन्न निराकरणाच्या परिणामाचा अंदाज लावण्यास मदत करणे हे खेळ बदलणे आणि अधिक उत्पादक आणि टिकाऊ कृषी प्रणालीकडे जाणे होय.
एआय ही एक विकसनशील संसाधन आहे आणि जसे की सध्या शेतीच्या इतर समस्यांचे निराकरण करण्यासाठी “प्रशिक्षित” केले जात आहे, यामध्ये उत्पादनांच्या शेल्फ-लाइफ, उत्पादनाची पोषक गुणवत्ता आणि वेगवेगळ्या वापराच्या आधारे प्रक्षेपित कार्बन क्रेडिटचे प्रश्न समाविष्ट आहेत. उत्पादने किंवा व्यवस्थापन पद्धती. इनपुट उत्पादक एआय शिफारस सिस्टममध्ये कडक अंतर्गत चाचणी करून त्यांचे स्वतःचे, सानुकूल समाधान जोडू शकतात घेओम फील्ड ट्रायल्स प्रोटोकॉल