Per migliorare le condizioni alimentari mondiali, un team del professore di informatica Kristian Kersting è stato ispirato dalla tecnologia alla base di Google News.
Quasi 800 milioni di persone nel mondo soffrono di malnutrizione. In futuro potrebbero esserci circa 9,7 miliardi di persone, circa 2,2 miliardi in più rispetto a oggi. La domanda globale di cibo aumenterà poiché il cambiamento climatico renderà sempre più sterile il suolo. Come dovrebbero nutrirsi le generazioni future?
Kristian Kersting, Professore di Machine Learning presso la Technische Universität Darmstadt, e il suo team vedono una potenziale soluzione nell'applicazione dell'intelligenza artificiale (AI). Apprendimento automatico, un metodo speciale di intelligenza artificiale, potrebbe essere la base per la cosiddetta agricoltura di precisione, che potrebbero essere utilizzati per ottenere rese più elevate su aree di uguale o minore dimensione. Il progetto è finanziato dal Ministero federale dell'alimentazione e dell'agricoltura. I partner sono l'Institute of Crop Science and Resource Conservation (INRES) dell'Università di Bonn e l'azienda Lemnatec con sede ad Aquisgrana.
"Prima di tutto, vogliamo capire come si presentano i processi fisiologici nelle piante quando soffrono di stress, " ha detto Kersting. "Si verifica lo stress, Per esempio, quando le piante non assorbono abbastanza acqua o sono infette da agenti patogeni. L'apprendimento automatico può aiutarci ad analizzare questi processi in modo più preciso." Questa conoscenza potrebbe essere utilizzata per coltivare piante più resistenti e combattere le malattie in modo più efficiente.
I ricercatori hanno installato una telecamera iperspettrale che registra uno spettro a onde larghe e fornisce informazioni approfondite sulle piante. Più dati sono disponibili sui processi fisiologici di una pianta durante il suo ciclo di crescita, tanto meglio un software è in grado di identificare i modelli ricorrenti responsabili dello stress. Però, troppi dati possono essere un problema, poiché i calcoli diventano troppo complessi. I ricercatori hanno quindi bisogno di algoritmi che utilizzino solo una parte dei dati per l'apprendimento senza sacrificare la precisione.
Il team di Kersting ha trovato una soluzione intelligente:valutare i dati, il team ha utilizzato un processo di apprendimento altamente avanzato dall'elaborazione del linguaggio, che viene utilizzato, Per esempio, su Google Notizie. Là, un'intelligenza artificiale seleziona gli articoli rilevanti per il lettore tra decine di migliaia di nuovi articoli ogni giorno e li ordina per argomento. Questo viene fatto utilizzando modelli di probabilità in cui tutte le parole di un testo sono assegnate a un argomento specifico. Il trucco di Kersting consisteva nel trattare le immagini iperspettrali della fotocamera come parole:il software assegna determinati modelli di immagine a un argomento come lo stato di stress della pianta.
I ricercatori stanno attualmente lavorando per insegnare al software a ottimizzarsi utilizzando il deep learning e per trovare più rapidamente i modelli che rappresentano lo stress. "Un punto sano può essere identificato per esempio dal contenuto di clorofilla nel processo di crescita della pianta, " ha detto Kersting. "Quando si verifica un processo di essiccazione, lo spettro misurato cambia in modo significativo." Il vantaggio dell'apprendimento automatico è che può riconoscere tali segni prima di un esperto umano, man mano che il software impara a prestare attenzione a più sottigliezze.
Si spera che un giorno, le telecamere possono essere installate lungo i filari di piante su una catena di montaggio nella serra, consentendo al software di segnalare anomalie in qualsiasi momento. Attraverso uno scambio costante con esperti di piante, il sistema dovrebbe anche imparare a identificare anche agenti patogeni sconosciuti. "In definitiva, il nostro obiettivo è una partnership significativa tra intelligenza umana e artificiale, per affrontare il problema crescente della nutrizione mondiale, "dice Kersting.
