Gardin, një kompani e teknologjisë bujqësore me bazë në Oxfordshire, Angli, prodhoi një sensor të automatizuar që krahason shëndetin e bimëve. Sensori mbledh të dhëna në kohë reale për bimët dhe gjeneron informacione mbi performancën dhe të rritjen e tyre.
Me industrinë e bujqësisë që po përballet me mungesën e fuqisë punëtore, teknologjia mund të ndihmojë në mbulimin e mungesës së punëtorëve. Sensorët e Gardin matin shëndetin e bimëve me një teknikë të quajtur fluoreshenca e klorofilit, e cila monitoron se sa mirë një bimë po kryen proçesin e fotosintezës dhe vlerëson nivelin e saj të stresit. Ndërsa kjo metodë mund të zbulojë nëse një bimë është e shëndetshme apo jo, ajo nuk mund të identifikojë saktësisht se çfarë po shkakton stresin e bimës. Ekipi në Gardin dëshironte të zgjeronte aftësitë e platformës në mënyrë që të mund të klasifikonte sëmundjet specifike që herët.
Për ta bërë këtë, ekipit do t’i duhet të ndërtojë një algoritëm machine-learning. Megjithatë, Julian Godding, shkencëtari kryesor në Gardin, tha për se përgatitja e një algoritmi për të klasifikuar sëmundjet e bimëve është “shumë, shumë sfiduese për t’u bërë“. Arsyeja? “Ka shumë pak të dhëna,” tha ai.
Një zgjidhje do të ishte mbledhja e të dhënave të nevojshme – në këtë rast, imazhet e bimëve të sëmura. Megjithatë, Godding tha se kjo do të ishte e shtrenjtë dhe kërkon shumë kohë. “Pra, na nevojiten të dhëna sintetike, dhe këtu hyn në punë AI gjeneruese,” tha Godding.
Të dhënat sintetike gjenerohen artificialisht nga një kompjuter, në vend që të mblidhen nga bota reale. Më parë është përdorur për të trajnuar modele për të zbuluar mashtrimet si dhe për të zgjidhur mungesën e të dhënave me cilësi të lartë të botës reale në lidhje me mashtrimin. Disa ekspertë të AI kanë thënë se të dhënat sintetike duhet të përdoren me kujdes, pasi janë një “version i shtrembëruar” i të dhënave reale. Megjithatë, firma konsulente Gartner vlerëson se të dhënat sintetike do të tejkalojnë të dhënat reale në modelet e AI deri në vitin 2030.
Gjatë periudhës së testimit, ata matën suksesin e AI gjeneruese bazuar në saktësinë e klasifikimit të saj. Skuadrës iu deshën katër muaj për ta zhvilluar këtë algoritëm. Godding tha se gjenerimi i grupit të të dhënave të bimëve me modelin e AI ishte “vërtet e shtrenjtë dhe kërkoi kohë “. Megjithatë, shtoi ai, “nuk kishte asnjë mënyrë tjetër për ta zgjidhur këtë problem.”
