科技将饥饿与人工智能作斗争

用工匠精神打造精彩文章，分享最新科技资讯，从不同角度剖析资讯内容，剑走偏锋是我的态度，茶余饭后聊百味!各位读者们老爷们好吖，我是文艺与气质于一身实力派小编——小宸，这里可以让您看到最新最有趣的资讯内容，让您感到不同凡响的科技资讯内容，会给大家带来意外惊喜，好了不跟大家逗乐了，给大家呈现今天的精彩内容：

导语：为了改善世界粮食状况，计算机科学教授Kristian Kersting的团队受到Google新闻背后的技术的启发。全世界有近8亿人患有营养不良。未来可能会有约97亿人比今天多出约22亿人。随着气候变化使土壤越来越贫瘠，全球对粮食的需求将会增加。后代应如何养活自己？

达姆施塔特工业大学机器学习教授Kristian Kersting和他的团队看到了人工智能（AI）应用的潜在解决方案。机器学习是一种特殊的人工智能方法，可以成为所谓精准农业的基础，可以用来在相同或更小尺寸的区域实现更高的产量。该项目由联邦食品和农业部资助。合作伙伴是波恩大学作物科学与资源保护研究所（INRES）和亚琛Lemnatec公司。

“首先，我们要了解什么生理过程中的植物看起来当他们从紧张受苦一样，” Kersting说。“例如，当植物没有吸收足够的水或感染病原体时，就会发生压力。机器学习可以帮助我们更准确地分析这些过程。” 这些知识可用于培养更多抗性植物并更有效地对抗疾病。

研究人员安装了一台高光谱相机，记录了广波光谱，并对植物提供了深入的见解。植物在其生长周期中的生理过程可获得的数据越多，软件能够越好地识别导致压力的重复模式。但是，由于计算过于复杂，过多的数据可能成为问题。因此，研究人员需要在不牺牲准确性的情况下仅使用部分数据进行学习的算法。

Kersting的团队找到了一个聪明的解决方案：为了评估数据，该团队使用了语言处理方面的高级学习流程，例如，Google新闻使用该流程。在那里，AI每天从成千上万的新文章中为读者选择相关文章，并按主题对其进行排序。这是使用概率模型完成的，其中文本的所有单词都分配给特定主题。Kersting的诀窍是将相机的高光谱图像视为单词：软件将某些图像模式分配给某个主题，例如植物的压力状态。

研究人员目前正致力于教授软件，以便使用深度学习优化自身，并更快地找到代表压力的模式。“例如，可以从植物生长过程中的叶绿素含量中找出健康的斑点，”Kersting说。“当干燥过程发生时，测量的光谱会发生显着变化。” 机器学习的优势在于，它可以比人类专家更早识别出这些迹象，因为软件学会注意更多细微之处。

结语：希望有一天，摄像机可以安装在温室装配线上的植物行上，使软件可以随时指出异常情况。通过与植物专家的不断交流，该系统还应学会识别甚至未知的病原体。“最终，我们的目标是在人类和人工智能之间建立有意义的合作关系，以解决日益增长的世界营养问题，”Kersting说。

今天资讯内容到此为止，大家积极探讨资讯内容，给小编提更多宝贵意见，留下您的关注，小编将持续为大家更新更多的劲爆科技资讯内容，让大家生活充满乐趣。拜拜...