Анализируем корни растений вместе с ИИ |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-07-01 11:33 Корни для растений - это не просто их часть, это один из важнейших кусочков пазла, дающего живым существам доступ к воде и пище. В общем, обязательная деталь организма. А для людей корни растений важны развитием гидропонного направления (т.е. питания растений в условиях отсутствия нормальной почвы), что позитивно скажется на росте растений, следовательно, на количестве пищи для человечества. Так что, очевидно, что исследователи из Национальной лаборатории имени Лоуренса в Беркли (а именно - из отделов Прикладной Математики и Вычислительных Исследований, а также Экологической Геномики и Системной Биологии), целились именно в улучшение урожайности и созданию культур, менее восприимчивых к окружающему климату. Продвигаться они решили с помощью Искусственного Интеллекта. Пока традиционные методы сложны, запутаны (как и корни растений местами), и в них легче допустить ошибку (ведь всё вычисляет человек, а не машина), проблемы машин лишь в их настройке и ошибке на этом этапе. Но при правильных установках, ИИ больше ничего не потребуется, чтобы дальше автономно собирать и анализировать информацию. RhizoNet использует современный подход глубокого обучения, позволяющий исследователям с точностью отслеживать рост корней и их биомассу. Он разделяет (сегментирует) корни семантически (по их смыслу) для всесторонней оценки биомассы. Возможно, скоро у нас действительно будут целиком автономные лаборатории по изучению и сбору материала. Ведь даже сейчас он анализирует тысячи изображений, для чего человеку потребовалось бы больше времени и усидчивости, а также памяти. Но если теперь мы так быстро можем изучать растения, как же это делалось раньше? Неужели человечество словно игралось в песочнице до этого момента уже приближающейся точки сингулярности? Ну, в целом, да. Использовались плоские сканеры и методы ручной сегментации. Тепловой аспект также мешал - капли, пузырьки, отражения и тени, всё это шакалило изображение. Не стоит забывать, что на фотографиях также присутствуют и шумы, а человек - не машина, глаза и мозг не могут работать идеально (а RhizoNet может и удаляет шумы). И чем меньше объект, тем больше была возможность ошибиться. Также в исследовании (источник внутри источника, зря, что ли, ссылки оставляют?) рассказывается, как RhizoNet использовался для изучения корней Трахинии двуколосковой (маленькая небольшая трава), и того, как они менялись в условиях лишения питательных веществ на протяжении пяти недель. Изображения делались каждые 3-7 дней и дали учёным множество общей информации, которую человек с трудом бы смог высчитать. В качестве примера, RhizoNet - это как Экселевская таблица, где есть формула подсчёта суммы вместо ручного счёта в голове. Только цифры он тоже сам находит и подставляет. Источник: vk.com Комментарии: |
|