🌱 Искусственный интеллект (ИИ) пока не справляется с моделированием природных процессов, но переломный момент уже близок, утверждают учёные. Новое исследование показало, что даже продвинутые алгоритмы могут «споткнуться» при переходе из лаборатории в реальный мир.
🍃 Работа посвящена борьбе с болезнями растений для укрепления продовольственной безопасности. Оказалось, что большинство моделей ИИ, успешных в теории, теряют точность в полевых условиях. Это серьёзная проблема, ведь инфекции способны уничтожить до 40% урожая, лишая культуры витаминов и минералов.
🤖 Хотя машинное обучение и глубокое обучение уже используются в мобильных приложениях, дронах и системах полива, полевые испытания до сих пор ставят ИИ в тупик.
🔍 Доктор Т. Сельвараджа (Университет Чарльза Дарвина) объясняет: реальные условия сложнее лабораторных — меняется освещение, листья перекрывают друг друга, а качество снимков варьируется. Это приводит к ошибкам в диагностике.
🚜 Решение? Создание разнообразных наборов данных с учётом типов культур, стадий болезней и условий среды. Также важны «облегчённые» модели ИИ для смартфонов и дронов — они позволят фермерам работать без постоянного интернета, что критично для удалённых регионов, например, Северной территории Австралии.
🌾 Главный автор исследования Ромиял Джордж подчёркивает: традиционные методы проверки растений медленны и неточны. А ИИ, обученный на изображениях листьев, выявляет болезни на ранних стадиях, сокращая потери урожая.
📱 «Глубокое обучение даёт мгновенные рекомендации — это меняет правила игры для сельского хозяйства», — говорит учёный. Работа опубликована в журнале Computers and Electronics in Agriculture и соответствует ЦУР ООН №2 («Ликвидация голода»).
🔗 Исследование доступно по ссылке.
Предоставлено: Университет Чарльза Дарвина
Подробнее в разделе Биология и Медицина.