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
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。