至顶网CIO与CTO频道 05月06日 编译:一位生态科学家和一位农业经济学家介绍了为什么农业需要在作物和农田使用中融合大数据技术,发展更具可持续性的土地管理系统,他们将其称之为数字化农业。
在2020年4月份的《Nature Sustainability》上发表的一篇论文中,密歇根州立大学自然科学学院教授Bruno Basso和俄勒冈州立大学应用经济学教授John Antle认为数字化农业可以铺就农业可持续发展的道路。
该研究论文的合著者Basso表示,传感器、人工智能和预测模型的使用可以将准确性提高,达到设计通往农业可持续性发展之路的水平。但是,他警告称,除非能够证明这些系统对社区、经济和环境能够产生积极的影响,如果没有这样的激励,采用这些系统所面临的挑战就不会发生改变。
Basso表示,数字化农业是农业、科学、政策和教育交汇的地方。
Basso表示,数字化农业已经作为一种技术,已经出现了大概20年左右,但是自从90年代初GPS首次被安装在拖拉机上以来,它只是进入了初级阶段。
Basso 表示:“对于所有这一切来说,新的变化在于农艺学方面新的分析和突破,我们现在能够对于影响作物健康和单产的因素有了更深入的了解,并且找到了为什么在同一块地之内以及在不同的年份之间,作物的产量会出现变化的原因。”他说:“现在我们可以更好地管理这些变量,并最终迈向更可持续发展的农业系统,因为所需的投入可以得到更精确的投放,而不是在不需要的地方也同等投入。”
Basso表示:“和其他领域的数字化进程相比,农业板块的数字化仍然是不起眼的‘灰姑娘’……数字化农业包含了多种技术,从能够从近距离或者数千英里之外的天空中感知环境的设备到监控视频系统的芯片等。”
Basso补充表示,有了传感器,大数据分析的新方法以及通过验证的仿真模型和人工智能系统产生的预测结果已经开始对农民和环境产生积极的影响。
Basso表示:“为了增加对这些技术的使用,农民、环保主义者、科学家、政策制定者们需要坐下来,互相听取意见,搁置对因为我们不用照顾土地获得利益的争议。”
Basso表示,如果目标是增加生物多样性、减少氮肥的使用或者是减少资源密集型多年生作物的种植,那么激励至关重要。
该论文的新闻稿表示,研究人员的分析表明,如果氮肥的施用是基于需求和产量稳定性而不是均匀施用,那么美国中西部的氮肥使用量可以减少36%,同时能够显著减少地下水污染和二氧化碳排放量。
Basso希望社会能够做出这些决定,并且让社会承担相关的成本。
Basso表示:“农民们今天在他们土地上的所作所为将在未来30年内影响到邻居的孙子。”
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。