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.
Egyre távolodik egymástól az Egyesült Államok és az Európai Unió. Előbbi ráadásul egy merőben új kontinens képzel el, ahol egyes országokkal működne csak szorosabban együtt.
Megjöttek a magyarok! – emelte ki a miniszterelnök bejegyzésében.
A Le Point szerint a francia agrárium válságát valójában a kormány és Ukrajna okozza.
A legszebb női gól egészen zseniális.
A két ázsiai ország kapcsolata hetek alatt olyan mélypontra zuhant, amilyet évtizedek óta nem láttunk. Tokió katonai választ helyezett kilátásba, Peking erre visszahívta a nagykövetét.
Lezárult egy korszak.
Nem megy el a rivális.
A négyéves Medárd napok alatt belopta magát egy ország szívébe. Hőstettét és helytállását jó ideig nem fogjuk feledni. De egyre több helyen felmerül a kérdés, hogy is írjuk helyesen az életet mentő köszönését. Utánajártunk!
