Uborkaválogató gép fejlesztésére használta a Google nyílt forrású gépitanulás-rendszerét egy japán mezőgazda.
Japánban teljesen más a mezőgazdaság, mint az Egyesült Államokban. Az átlag japán farm csak 4,8 hektár, és több mint másfél millió élelmiszertermelő kisgazda tevékenykedik a hegyes szigeten. Ezzel ellentétben, az amerikai átlagfarm 434 hektár.
Az elosztott japán modell problémája, hogy a hatékony mezőgazdasági eszközökkel nagyban kellene dolgozni, máskülönben oda a rentabilitás. Egy kis birtokon a gazda, a korábban az autóiparnak beágyazott rendszereket tervező Makoto Koike el is döntötte, hogy szabványgépek helyett inkább mesterséges intelligenciát alkalmaz. Egy kérdést vett alaposan górcső alá: a válogatást. Családjával együtt uborkát termel, csakhogy a zöldség kilenc kategóriája alapján történő kézi szortírozás fárasztó és időigényes. Általában édesanyja csinálja, az ő munkájára keresett gépi megoldást. A tevékenység hónapok alatt sajátítható el, amit Makoto közölt is a Google-lal, majd gépépítésbe kezdett.
A gép automatikusan azonosítja és szétválasztja az uborkákat. A gazda a nyílt forrású gépitanulás-könyvtár TensorFlow-t használta, miután látta, mire volt képes a cég MI-je a dél-koreai gobajnokkal ellen.
„AlphaGo adta meg a lökést a mélytanulás-alapú uborkaválogató fejlesztéséhez” – nyilatkozta Makoto.
A Google szerint csak le kellett tölteni a kódmintát, elolvasni a használati utasítást, és bármikor el lehetett kezdeni a fejlesztést. A valóságban azért valamivel nehezebben ment: az eredetileg rendszertervező Makoto a három kameráról érkező adatokat kicsi fedélzeti komputerre küldő nagyon komplex gépet épített. A gépről a Google számítási felhőjébe kerülnek az adatok, feldolgozásuk is ott történik. Algoritmusok döntenek a kar mozgásáról, hogy a kilenc csoport közül melyikbe tegye az uborkát.
Makoto hónapokat töltött el több mint 7 ezer uborkakép címkézésével. Ezen az adatbázison tanulták meg az algoritmusok, hogy melyik a jó, és melyik a rossz ubi. A gép júliusban kezdett el dolgozni, hatékonysága 70 százalék.
A szoftvert Japánban több helyen is lemásolták, uborka mellett gomba, káposzta és más növények is válogathatók vele.
Az uborkatermesztő esete szépen szemlélteti, hogy miért fontosak a nyílt forrású rendszerek. A kód szabad használata demokratizálja az MI-kutatásokat, bárki hozzáértő vagy a megfelelő szakértelmet gyorsan elsajátító személy fejleszthet mesterséges intelligenciát.