騰訊獲國際AI溫室種植大賽亞軍 小馬哥開始種黃瓜了？AI黃瓜是怎么種出來的?

• 2018年12月14日 WuYaNan來源：深圳新聞網(wǎng) 1364 90
• 繁體

• 

  行業(yè)去傳統(tǒng)因子迫在眉睫，AI培訓擁抱互聯(lián)網(wǎng)才能轉(zhuǎn)型升級并獲得提升！

  2017年的科技領(lǐng)域，人工智能仍然呼聲高漲，其技術(shù)開始越來越多的應用到日常生活中的方方面面，AlphaGoZERO碾壓AlphaGo，實現(xiàn)自我學習，百度無人汽車上路，iPhoneX開啟FaceID，阿里、小米先后發(fā)A...

網(wǎng)易養(yǎng)豬后，騰訊開始種黃瓜了。騰訊種黃瓜當然不是普通的黃瓜，是人工智能培育出的，簡稱AI(人工智能)版小黃瓜。

12月12日荷蘭瓦赫寧根大學(WUR)主辦的國際人工智能溫室種植大賽結(jié)果揭曉，騰訊AI Lab與農(nóng)業(yè)專家組成的iGrow隊獲總分第二名的優(yōu)異成績。

騰訊首創(chuàng)的農(nóng)業(yè)AI系統(tǒng)攻克了機器智能嵌入農(nóng)業(yè)專家知識的難題，種植結(jié)果顯示，其種出的AI黃瓜成本最低，好看又好吃。

網(wǎng)易養(yǎng)豬后，騰訊開始種黃瓜了。騰訊種黃瓜當然不是普通的黃瓜，是人工智能培育出的，簡稱AI(人工智能)版小黃瓜。

AI黃瓜是怎么種出來的?

荷蘭瓦赫寧根大學于今年3月發(fā)起本次大賽，旨在通過人工智能與農(nóng)業(yè)等多學科團隊協(xié)作，展示人工智能驅(qū)動溫室的能力，在提升農(nóng)業(yè)生產(chǎn)力的同時，減少資源消耗，滿足人類需求。

大賽吸引15個國家的14支團隊參與。iGrow隊由來自騰訊AI Lab的專家，以及來自中國農(nóng)業(yè)科學院等農(nóng)業(yè)專家和學生組成。在長達半年多的比賽中，iGrow隊最終取得“AI策略”單項第一名、總分第二名的優(yōu)秀成績，總分與第一名的微軟Sonoma隊僅一分之差。

目前在AI+農(nóng)業(yè)領(lǐng)域，一大技術(shù)難點在于，計算機模擬受農(nóng)業(yè)生產(chǎn)的特點影響，與真實的農(nóng)業(yè)種植之間存在巨大的鴻溝。在農(nóng)業(yè)生產(chǎn)中，影響作物生長的因素極為復雜，種植很難標準化，環(huán)境變化也難以預測，這些因素會嚴重阻礙人工智能的發(fā)揮。

比賽中，騰訊AI Lab的AI專家建立起模擬氣候環(huán)境和作物生長的仿真器。隨后，團隊開創(chuàng)性地搭建出一個農(nóng)業(yè)人工智能系統(tǒng)，通過創(chuàng)新的強化學習方法，將iGrow農(nóng)業(yè)專家的知識和經(jīng)驗自然地嵌入仿真器中，使人類專家能夠在種植密度、灌溉施肥等方面，實現(xiàn)對AI的有效干預，提高AI學習效率，最終在資源最優(yōu)化的同時，最大程度地提升了作物產(chǎn)量。

與人類知識融合之后的AI系統(tǒng)，無需專家再次干預，即能自動適應新環(huán)境和條件變化，因此可以快速復制到同類溫室種植中，為擴大生產(chǎn)規(guī)模、實現(xiàn)標準化生產(chǎn)提供條件。在生產(chǎn)自動化方面，該系統(tǒng)可自主運行，從而降低人工管理難度，節(jié)約人力。

AI黃瓜和傳統(tǒng)種植黃瓜有啥區(qū)別?

與傳統(tǒng)的人工種植相比，人工智能的優(yōu)勢在于，它能對種植過程進行全局優(yōu)化。從一開始的種植密度、留莖比例，到后來的留葉、留果策略，以及在溫室中對光照、通風、溫度、濕度、CO2濃度、水分等的控制，它都能在仿真器中通過強化學習自動尋找最優(yōu)解。人工智能可為作物的各個生長周期尋找和提供最適宜的環(huán)境狀態(tài)，同時進行資源最優(yōu)配比，以最大化地節(jié)省資源。

“人工智能另一個巨大的優(yōu)勢是，它可以在短時間內(nèi)進行大量模擬實驗，相比在真實環(huán)境中緩慢地進行人工種植摸索，它能以很低的成本快速提升智能管理水平和經(jīng)濟效益。”騰訊AI Lab團隊介紹道。

近年來，隨著人工智能技術(shù)不斷發(fā)展，其應用已逐漸滲入農(nóng)業(yè)生產(chǎn)全過程。例如，在產(chǎn)前階段，深度人工神經(jīng)網(wǎng)絡(DNN)可利用物聯(lián)網(wǎng)獲取的數(shù)據(jù)，對灌溉用水進行分析和指導，并通過對土壤成分的檢測分析，選擇適宜種植的作物品種，合理施肥。通過對農(nóng)作物市場周期需求的大數(shù)據(jù)分析和預測，也可指導作物種植品種選擇，避免產(chǎn)銷脫節(jié)引發(fā)價格劇烈波動，造成經(jīng)濟損失和農(nóng)產(chǎn)品浪費。

另外，云計算、大數(shù)據(jù)分析和機器學習等技術(shù)，還可以幫助篩選和改良農(nóng)作物基因，達到提升口味、增強抗蟲性、增加產(chǎn)量的目的。

延伸閱讀

推薦閱讀

猜您喜歡