Per anni, gli agricoltori hanno selezionato i prodotti per il loro funzionamento attraverso i migliori consigli disponibili:guide alle sementi, agronomi locali, commercianti di semi, ecc. I progressi nelle tecnologie di intelligenza artificiale hanno presentato opportunità per esplorare un approccio diverso.

Washington University di St. Louis in collaborazione con The Climate Corporation, una filiale di Bayer, stanno lavorando per esplorare nuove tecnologie uniche per far progredire la scienza alla base della selezione e del posizionamento ibridi.

Granato Romano, assistente professore di Computer Science &Engineering presso la School of Engineering &Applied Science, ha ricevuto $ 97, 771 di The Climate Corporation per applicare l'apprendimento automatico attivo per aiutare a determinare quali ibridi hanno la probabilità di ottenere il massimo potenziale di rendimento in ogni ambiente.

Lo sviluppo di prodotti ibridi commerciali è un processo lungo e costoso; possono volerci 7-8 anni per determinare quanto bene i semi siano cresciuti, la loro resistenza a parassiti e malattie, e la relativa resa delle colture. "Incorporando l'apprendimento automatico attivo, possiamo creare un modello che offra una potenziale riduzione dell'impronta richiesta per la caratterizzazione e la commercializzazione del prodotto e fornisca anche preziose informazioni sugli obiettivi di implementazione del prodotto previsti, " disse Xiao Yang, responsabile del posizionamento presso The Climate Corporation.

"Si parla di medicina personalizzata, e questa è agricoltura personalizzata, " ha detto Garnett. "Possiamo raccogliere molti dati, quindi utilizzare i dati per cercare di apprendere modelli per essere in grado di formulare raccomandazioni personalizzate per ogni agricoltore".

L'obiettivo del progetto è determinare se gli scienziati del clima possono semplificare lo sviluppo e la semina di nuovi prodotti ogni anno.

Il machine learning attivo identifica i dati più utili per l'obiettivo finale. Invece di utilizzare i dati esistenti, apprendimento automatico attivo "impara lungo la strada, " ha detto Garnet.

"Invece di raccogliere tutti questi dati, e se ne avessimo raccolto solo il 10 percento, ma possiamo scegliere quale 10%, " Ha detto Garnett. "Allora avremo un algoritmo che avrebbe potuto utilizzare una piccola frazione dei dati per essere in grado di ottenere una performance di personalizzazione altrettanto buona per questo portafoglio di semi. Lo stiamo facendo in simulazione, ma se funziona, potremmo essere in grado di influenzare il modo in cui prendono decisioni future".

Garnett fa parte di un team di ricerca che sta utilizzando i big data per accelerare l'allevamento e il rilascio commerciale di colture di sorgo che possono essere utilizzate come fonte di energia rinnovabile. Il quadriennio, Progetto da 8 milioni di dollari, diretto dal Donald Danforth Plant Science Center, è finanziato dal programma ARPA-E TERRA del Dipartimento dell'Energia degli Stati Uniti e comprende un team di 10 università, collaboratori del governo e dell'industria. Garnett sta sviluppando algoritmi che fanno l'uso più efficace delle stime statistiche della biomassa finale delle colture dai dati dei sensori il più presto possibile nella stagione di crescita per accelerare il processo di allevamento.