p Por anos, os agricultores têm selecionado produtos para sua operação por meio dos melhores conselhos disponíveis - guias de sementes, agrônomos locais, negociantes de sementes, etc. Os avanços nas tecnologias de inteligência artificial apresentaram oportunidades para explorar uma abordagem diferente. p Washington University em St. Louis em parceria com The Climate Corporation, uma subsidiária da Bayer, estão trabalhando para explorar novas tecnologias exclusivas para avançar a ciência por trás da seleção e colocação de híbridos.

p Roman Garnett, professor assistente de Ciência da Computação e Engenharia na Escola de Engenharia e Ciências Aplicadas, recebeu $ 97, 771 doação da The Climate Corporation para aplicar o aprendizado de máquina ativo para ajudar a determinar quais híbridos têm a probabilidade de atingir o potencial de rendimento máximo em cada ambiente.

p O desenvolvimento de produtos híbridos comerciais é um processo longo e caro; pode levar de 7 a 8 anos para determinar o quão bem as sementes cresceram, sua resistência a pragas e doenças, e rendimentos de colheita associados. "Ao incorporar o aprendizado de máquina ativo, podemos criar um modelo que ofereceria uma redução potencial na pegada necessária para a caracterização e comercialização do produto e também fornecer informações valiosas sobre os alvos previstos de implantação do produto, "disse Xiao Yang, líder de assessoria de colocação na The Climate Corporation.

p "As pessoas falam sobre medicina personalizada, e esta é a agricultura personalizada, "Garnett disse." Podemos reunir muitos dados, em seguida, use os dados para tentar aprender padrões para poder fazer recomendações personalizadas para cada agricultor. "

p O objetivo do projeto é determinar se os cientistas do clima podem agilizar o desenvolvimento e o plantio de novos produtos a cada ano.

p O aprendizado de máquina ativo identifica os dados mais úteis para o objetivo final. Em vez de usar dados existentes, o aprendizado de máquina ativo "aprende ao longo do caminho, "Garnett disse.

p "Em vez de coletar todos esses dados, e se tivéssemos coletado apenas 10 por cento dele, mas podemos escolher quais 10 por cento, "Garnett disse." Então teremos um algoritmo que poderia ter usado uma pequena fração dos dados para ser capaz de obter um desempenho de personalização tão bom para este portfólio de sementes. Estamos fazendo isso em simulação, mas se funcionar, podemos ser capazes de influenciar a maneira como eles tomam decisões futuras. "

p Garnett está em uma equipe de pesquisa que está usando big data para acelerar a reprodução e a liberação comercial de safras de sorgo que podem ser usadas como fonte de energia renovável. Os quatro anos, Projeto de $ 8 milhões, liderado pelo Donald Danforth Plant Science Center, é financiado pelo programa ARPA-E TERRA do Departamento de Energia dos EUA e inclui uma equipe de 10 universitários, colaboradores do governo e da indústria. Garnett está desenvolvendo algoritmos que fazem o uso mais eficaz de estimativas estatísticas da biomassa final das safras a partir de dados de sensores o mais cedo possível na estação de crescimento para acelerar o processo de reprodução.