人類本身的存在就是一個BUG，自從智人開始進(jìn)化以來，全球的總?cè)丝诳赡茉?050年膨脹到前所未有的100億，但是我們的地球自太陽系穩(wěn)定以來卻沒有怎么擴張過。這就意味著，我們要在有限的土地上養(yǎng)活越來越多的“吃貨”，加上我們對自然環(huán)境的改變，全球變暖、厄爾尼諾現(xiàn)象、水資源的劇烈波動性、等，我們已經(jīng)開始發(fā)現(xiàn)周圍的一些問題了。我們將與危機進(jìn)行競爭，力求贏得生存的概率。
偶然或者必然，在深藍(lán)、AlphaGo，無人駕駛等技術(shù)浪潮下，機器時代即將開幕，真正的智能時代，令人刮目相看的機器人、機器學(xué)習(xí)的算法、也許是能夠幫助我們進(jìn)行一場綠色革命，緩解人類與自然的沖突，并且為未來膨脹的人口提供生存的必要條件。想象圍繞在地球表面的衛(wèi)星自動的學(xué)習(xí)地表的干旱，并進(jìn)行預(yù)測；能夠自動除草和殺滅病蟲害的AI拖拉機/機器人；具有一套專家診斷系統(tǒng)支持的AI手機APP能夠告訴我們的種糧大戶莊稼有什么問題，又該如何處理？
在AI的加持之下，粗陋的稻草人將擁有強力的智能，化身為莊稼俠，維護(hù)田間的正義。
綠色數(shù)字化手指
深度學(xué)習(xí)目前是人工智能屆的一大武器，程序員無需告訴機器具體該做什么，而是通過訓(xùn)練算法去學(xué)習(xí)某種特定的模式。因此，你可以教會人工智能如何去辨別一副圖像中的健康植物，或者有什么病蟲害(帶有標(biāo)記的有監(jiān)督學(xué)習(xí))。在通過大量的學(xué)習(xí)之后，分類器能夠自動生成一個能夠鑒別健康植物的模型。
生物學(xué)家David Hughes和流行病學(xué)家Marcel Salathé已經(jīng)整理了14種作物常見的26種疾病，通過訓(xùn)練學(xué)習(xí)算法，分類器通過圖片進(jìn)行病理診斷的準(zhǔn)確度已經(jīng)高達(dá)99.35%。
盡管如此，這些刻意選取的照片在拍攝的過程中有比較好的光照和背景區(qū)分度，使得算法的準(zhǔn)確率較好。但是那些來自一線農(nóng)田發(fā)送來的照片的識別準(zhǔn)確度只有30-40%左右。
他們的最終目的是使得全世界的農(nóng)民能夠通過網(wǎng)絡(luò)和他們的PlantVillage軟件向AI發(fā)送相關(guān)的診斷照片，喂食AI來自世界一線的素材，能夠使得它茁壯成長。不過，除了照片，還有不少別的維度的照片，比如拍攝器材，時間，地點等。
除了要識別疾病，還要考慮很多其它的因素，除了疾病，大多數(shù)的植物主要造成生物應(yīng)激(physiological stress)的下降的原因還包括礦物元素缺失，和土壤鹽分、以及溫度、濕度等條件的變化(生理應(yīng)激反應(yīng)表現(xiàn)為身體一系列生理、生化、內(nèi)分泌、代謝、免疫過程的變化)。但是，很多人的直觀反映是這與某種微生物有關(guān)，從而導(dǎo)致錯誤的治療方案。這種誤診即會導(dǎo)致農(nóng)民濫用農(nóng)藥和除草劑導(dǎo)致經(jīng)濟損失，也會帶來額外的環(huán)境污染啊。我們需要增強AI在這方面的能力，以便能夠及時和準(zhǔn)確的判斷植物生長的受限因素。
進(jìn)一步的，我們要想重新奪回對作物的控制權(quán)還需要考慮讓AI能夠識得不同作物的生長特性、一年的氣候變化，達(dá)到節(jié)氣，小到天氣；土壤的理化性質(zhì)等等。聯(lián)合國糧食和農(nóng)業(yè)化組織對這種能夠有效對作物進(jìn)行管理的工具贊不絕口。
自動化拖拉機
農(nóng)業(yè)技術(shù)對發(fā)展中國家十分的重要，而發(fā)達(dá)國家的農(nóng)田則淹沒在殺蟲劑和除草劑的海洋中。美國每年農(nóng)民需要花費3.1億英鎊(英國人統(tǒng)計的？)購買除草劑，這還僅僅只統(tǒng)計了玉米、大豆和棉花的種植。傳統(tǒng)的噴灑方式采用的是地毯式的轟炸技術(shù)，全方位覆蓋農(nóng)田，保證無死角。
一家名為藍(lán)河高科(Blue River Technology)的公司給出了他們的解決方案，LettuceBot看起來只是一個普通的拖拉機，但是其實卻具備強大的機器學(xué)習(xí)能力。
藍(lán)河聲稱這臺拖拉機能夠在一分鐘內(nèi)檢查5000株幼苗，利用機器視覺技術(shù)和算法來區(qū)分幼苗和雜草。這種速度與人力相比簡直快很多哦。多虧了相關(guān)的算法，還有專用的圖像計算芯片，使得我們的每張圖片的解算只需要0.02秒。Enlitic(深度學(xué)習(xí)套件)的創(chuàng)始人Jeremy Howard說道。
在四分之一英寸的解析精度上，機器人能夠快速的對雜草進(jìn)行定位，并進(jìn)行噴霧處理。如果是照看大顆的蔬菜，還能夠判斷他們的長勢。如果長得太弱雞，他們也會噴一噴，主要是因為有些農(nóng)民在種植的時候播種密度太大，所以需要犧牲長勢不好的。對出芽太近的甘藍(lán)，機器還能挑出長得弱的干掉。
這是一種能夠被采納的細(xì)化方案，類似于如果在舊金山這種大型城市，少數(shù)人感染如喪尸病毒這種高致病幾率的情況下，如果有有效的疫苗，那么雖說全市人民不會瘋搶著去接種？這樣藥廠就要發(fā)大財。這就是保護(hù)傘公司的策略。藍(lán)江的AI拖拉機就相當(dāng)于一個能夠快速鎖定喪尸的機器人，能夠很快將所有僵尸在幾天內(nèi)全部爆頭，簡直就是掛逼。
采用這種機器人，保守估計能夠降低約90%的藥物使用，目前美國約有10%的生菜種植商采購了藍(lán)河的拖拉機。
采用機器學(xué)習(xí)的算法，機器人有g(shù)et了不少新能力，更加精細(xì)化。雖然機器人的準(zhǔn)確度和適應(yīng)能力目前還不如我們，不過他們所擅長的重復(fù)操作使得他們成為精細(xì)化種植的雜草狙擊手。
上帝視角
在你頭頂600英里的軌道上，NASA的陸地衛(wèi)星所能夠掃描到的圖像遠(yuǎn)超可見光光譜所容納的信息。對與某個人來說，這種信息量太過龐大了，但是對目前的機器學(xué)習(xí)算法而言，這都不是事。
如果發(fā)展中國家能夠掌握農(nóng)業(yè)監(jiān)控的能力，政府能夠更加合理的對專項資金的使用進(jìn)行規(guī)劃，比如哪些地方的農(nóng)民需要更加及時的貸款，需要針對特定的突發(fā)災(zāi)害進(jìn)行何種救治方案。印度的干旱情況，在各個地區(qū)都不一樣，如何調(diào)度有限的水資源進(jìn)行救災(zāi)需要更全面的考慮總體情況。
剛剛啟動的Harvesting項目通過分析海量的衛(wèi)星數(shù)據(jù)，來對災(zāi)情進(jìn)行綜合評估。他們希望算法能夠?qū)⒏鱾€村莊的災(zāi)情進(jìn)行有效評估，使得銀行和政府的自己能夠按需分配給他們。人工處理的參數(shù)上限有10-15個，但是機器學(xué)習(xí)算法能夠處理2000多個參數(shù)的模型，雖然這種情況比較極端。
針對全球變暖，氣候極端變化造成的各種自然災(zāi)害(不過搞清楚源頭是人類的情況下是否還應(yīng)該稱之為”自然災(zāi)害“)，各國政府也十分迫切的希望找到能夠合理對有限資源進(jìn)行分配的方案。傳統(tǒng)上，印度的養(yǎng)殖業(yè)一直是相對可預(yù)測的，至少在人類所構(gòu)建的養(yǎng)殖場中。但是，近年來的極端氣候的劇烈變化，使得原有的規(guī)律被打亂。一場颶風(fēng)和寒潮可能導(dǎo)致大量的禽類死亡。
我們的所作所為已經(jīng)打亂了原有的自然規(guī)律，新世界的秩序我們還沒能掌握。不過好在我們研究出來了人工智能，我們需要借助機器人的能力在新世界中生存的更優(yōu)雅。
[鄰家乖蜀黍 via wired]鄰家乖蜀黍 @ 2016.06.20 , 23:59
10人類本身的存在就是一個BUG，自從智人開始進(jìn)化以來，全球的總?cè)丝诳赡茉?050年膨脹到前所未有的100億，但是我們的地球自太陽系穩(wěn)定以來卻沒有怎么擴張過。這就意味著，我們要在有限的土地上養(yǎng)活越來越多的“吃貨”，加上我們對自然環(huán)境的改變，全球變暖、厄爾尼諾現(xiàn)象、水資源的劇烈波動性、等，我們已經(jīng)開始發(fā)現(xiàn)周圍的一些問題了。我們將與危機進(jìn)行競爭，力求贏得生存的概率。
偶然或者必然，在深藍(lán)、AlphaGo，無人駕駛等技術(shù)浪潮下，機器時代即將開幕，真正的智能時代，令人刮目相看的機器人、機器學(xué)習(xí)的算法、也許是能夠幫助我們進(jìn)行一場綠色革命，緩解人類與自然的沖突，并且為未來膨脹的人口提供生存的必要條件。想象圍繞在地球表面的衛(wèi)星自動的學(xué)習(xí)地表的干旱，并進(jìn)行預(yù)測；能夠自動除草和殺滅病蟲害的AI拖拉機/機器人；具有一套專家診斷系統(tǒng)支持的AI手機APP能夠告訴我們的種糧大戶莊稼有什么問題，又該如何處理？
在AI的加持之下，粗陋的稻草人將擁有強力的智能，化身為莊稼俠，維護(hù)田間的正義。
綠色數(shù)字化手指
深度學(xué)習(xí)目前是人工智能屆的一大武器，程序員無需告訴機器具體該做什么，而是通過訓(xùn)練算法去學(xué)習(xí)某種特定的模式。因此，你可以教會人工智能如何去辨別一副圖像中的健康植物，或者有什么病蟲害(帶有標(biāo)記的有監(jiān)督學(xué)習(xí))。在通過大量的學(xué)習(xí)之后，分類器能夠自動生成一個能夠鑒別健康植物的模型。
生物學(xué)家David Hughes和流行病學(xué)家Marcel Salathé已經(jīng)整理了14種作物常見的26種疾病，通過訓(xùn)練學(xué)習(xí)算法，分類器通過圖片進(jìn)行病理診斷的準(zhǔn)確度已經(jīng)高達(dá)99.35%。
盡管如此，這些刻意選取的照片在拍攝的過程中有比較好的光照和背景區(qū)分度，使得算法的準(zhǔn)確率較好。但是那些來自一線農(nóng)田發(fā)送來的照片的識別準(zhǔn)確度只有30-40%左右。
他們的最終目的是使得全世界的農(nóng)民能夠通過網(wǎng)絡(luò)和他們的PlantVillage軟件向AI發(fā)送相關(guān)的診斷照片，喂食AI來自世界一線的素材，能夠使得它茁壯成長。不過，除了照片，還有不少別的維度的照片，比如拍攝器材，時間，地點等。
除了要識別疾病，還要考慮很多其它的因素，除了疾病，大多數(shù)的植物主要造成生物應(yīng)激(physiological stress)的下降的原因還包括礦物元素缺失，和土壤鹽分、以及溫度、濕度等條件的變化(生理應(yīng)激反應(yīng)表現(xiàn)為身體一系列生理、生化、內(nèi)分泌、代謝、免疫過程的變化)。但是，很多人的直觀反映是這與某種微生物有關(guān)，從而導(dǎo)致錯誤的治療方案。這種誤診即會導(dǎo)致農(nóng)民濫用農(nóng)藥和除草劑導(dǎo)致經(jīng)濟損失，也會帶來額外的環(huán)境污染啊。我們需要增強AI在這方面的能力，以便能夠及時和準(zhǔn)確的判斷植物生長的受限因素。
進(jìn)一步的，我們要想重新奪回對作物的控制權(quán)還需要考慮讓AI能夠識得不同作物的生長特性、一年的氣候變化，達(dá)到節(jié)氣，小到天氣；土壤的理化性質(zhì)等等。聯(lián)合國糧食和農(nóng)業(yè)化組織對這種能夠有效對作物進(jìn)行管理的工具贊不絕口。
自動化拖拉機
農(nóng)業(yè)技術(shù)對發(fā)展中國家十分的重要，而發(fā)達(dá)國家的農(nóng)田則淹沒在殺蟲劑和除草劑的海洋中。美國每年農(nóng)民需要花費3.1億英鎊(英國人統(tǒng)計的？)購買除草劑，這還僅僅只統(tǒng)計了玉米、大豆和棉花的種植。傳統(tǒng)的噴灑方式采用的是地毯式的轟炸技術(shù)，全方位覆蓋農(nóng)田，保證無死角。
一家名為藍(lán)河高科(Blue River Technology)的公司給出了他們的解決方案，LettuceBot看起來只是一個普通的拖拉機，但是其實卻具備強大的機器學(xué)習(xí)能力。
藍(lán)河聲稱這臺拖拉機能夠在一分鐘內(nèi)檢查5000株幼苗，利用機器視覺技術(shù)和算法來區(qū)分幼苗和雜草。這種速度與人力相比簡直快很多哦。多虧了相關(guān)的算法，還有專用的圖像計算芯片，使得我們的每張圖片的解算只需要0.02秒。Enlitic(深度學(xué)習(xí)套件)的創(chuàng)始人Jeremy Howard說道。
在四分之一英寸的解析精度上，機器人能夠快速的對雜草進(jìn)行定位，并進(jìn)行噴霧處理。如果是照看大顆的蔬菜，還能夠判斷他們的長勢。如果長得太弱雞，他們也會噴一噴，主要是因為有些農(nóng)民在種植的時候播種密度太大，所以需要犧牲長勢不好的。對出芽太近的甘藍(lán)，機器還能挑出長得弱的干掉。
這是一種能夠被采納的細(xì)化方案，類似于如果在舊金山這種大型城市，少數(shù)人感染如喪尸病毒這種高致病幾率的情況下，如果有有效的疫苗，那么雖說全市人民不會瘋搶著去接種？這樣藥廠就要發(fā)大財。這就是保護(hù)傘公司的策略。藍(lán)江的AI拖拉機就相當(dāng)于一個能夠快速鎖定喪尸的機器人，能夠很快將所有僵尸在幾天內(nèi)全部爆頭，簡直就是掛逼。
采用這種機器人，保守估計能夠降低約90%的藥物使用，目前美國約有10%的生菜種植商采購了藍(lán)河的拖拉機。
采用機器學(xué)習(xí)的算法，機器人有g(shù)et了不少新能力，更加精細(xì)化。雖然機器人的準(zhǔn)確度和適應(yīng)能力目前還不如我們，不過他們所擅長的重復(fù)操作使得他們成為精細(xì)化種植的雜草狙擊手。
上帝視角
在你頭頂600英里的軌道上，NASA的陸地衛(wèi)星所能夠掃描到的圖像遠(yuǎn)超可見光光譜所容納的信息。對與某個人來說，這種信息量太過龐大了，但是對目前的機器學(xué)習(xí)算法而言，這都不是事。
如果發(fā)展中國家能夠掌握農(nóng)業(yè)監(jiān)控的能力，政府能夠更加合理的對專項資金的使用進(jìn)行規(guī)劃，比如哪些地方的農(nóng)民需要更加及時的貸款，需要針對特定的突發(fā)災(zāi)害進(jìn)行何種救治方案。印度的干旱情況，在各個地區(qū)都不一樣，如何調(diào)度有限的水資源進(jìn)行救災(zāi)需要更全面的考慮總體情況。
剛剛啟動的Harvesting項目通過分析海量的衛(wèi)星數(shù)據(jù)，來對災(zāi)情進(jìn)行綜合評估。他們希望算法能夠?qū)⒏鱾€村莊的災(zāi)情進(jìn)行有效評估，使得銀行和政府的自己能夠按需分配給他們。人工處理的參數(shù)上限有10-15個，但是機器學(xué)習(xí)算法能夠處理2000多個參數(shù)的模型，雖然這種情況比較極端。
針對全球變暖，氣候極端變化造成的各種自然災(zāi)害(不過搞清楚源頭是人類的情況下是否還應(yīng)該稱之為”自然災(zāi)害“)，各國政府也十分迫切的希望找到能夠合理對有限資源進(jìn)行分配的方案。傳統(tǒng)上，印度的養(yǎng)殖業(yè)一直是相對可預(yù)測的，至少在人類所構(gòu)建的養(yǎng)殖場中。但是，近年來的極端氣候的劇烈變化，使得原有的規(guī)律被打亂。一場颶風(fēng)和寒潮可能導(dǎo)致大量的禽類死亡。
我們的所作所為已經(jīng)打亂了原有的自然規(guī)律，新世界的秩序我們還沒能掌握。不過好在我們研究出來了人工智能，我們需要借助機器人的能力在新世界中生存的更優(yōu)雅。
