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.
Donald Trump mozgósítaná Kína ellen ázsiai szövetségeseit. Japánt azonban fontos gazdasági kapcsolatok fűzik az ázsiai nagyhatalomhoz, így ügyes stratégiára van szüksége, ha szeretné megvédeni gazdasági érdekeit, miközben Washingtonnal is megegyezésre törekszik a vámok enyhítése terén.
Senki sem akart lemaradni a nagy pillanatról.
Bóka János szerint a baj már most is látszik.
Az Euractiv a magyar kormány érveléséről is beszámolt.
A szakértők figyelmeztetnek: az idei nyár rendkívüli hőséget, egészségügyi kockázatokat és súlyos mezőgazdasági károkat hozhat Magyarországon.
A kombinált szám előtt még a harmadik helyen állt.
A bővítési biztos Ukrajna csatlakozásával kapcsolatban sajnálatát fejezte ki, amiért Magyarország „kibővített jogokat követel az ukrajnai magyar kisebbség számára”.
Sadiq Khan, London polgármestere hivatalosan is bejelentette: szeretné, ha a brit főváros megpályázná a 2040-es nyári olimpiát, amivel rekorder lenne.
