هوش مصنوعی در کشاورزی و صنعت

گوش مکانیک قدیمی

یه مکانیک قدیمی رو دیدید که ماشین رو روشن می‌کنه، گوشش رو نزدیک می‌بره، و می‌گه «تسمه‌ش داره می‌ره»؟ از صدا می‌فهمه، پیش از اینکه خراب بشه:

هوش مصنوعی توی کارخونه همون گوشه. یه حسگر کوچیک لرزش، صدا یا گرمای دستگاه رو می‌گیره، و مدل از روی هزارها نمونه یاد گرفته کدوم لرزش یعنی «داره خراب می‌شه». فرقش با مکانیک اینه که خسته نمی‌شه و می‌تونه هم‌زمان به هزار تا دستگاه گوش بده.

نگهداری پیش‌بینانه

خیلی‌ها فرق «پیشگیرانه» و «پیش‌بینانه» رو می‌پرسن. این طراحی فرقشون رو نشون می‌ده:

نگهداری پیشگیرانه مثل عوض کردن روغن ماشین سر هر پنج هزار کیلومتره؛ سر تاریخ، چه لازم باشه چه نه. ولی اگه دستگاه زودتر خراب بشه، بی‌خبر می‌خوابه. نگهداری پیش‌بینانه از روی وضعیت خود دستگاه حدس می‌زنه کی تعمیر لازمه.

این‌جوری توقف‌های بی‌خبر، به توقف‌های کوتاه‌تر و کمتر با برنامه تبدیل می‌شن؛ قطعه و آدم از قبل آماده‌ست، دستگاه بیشتر عمر می‌کنه، و کارگاه امن‌تر می‌شه. شرکت‌های نفت و گاز هم از همین برای پیش‌بینی مشکل دستگاه‌ها استفاده کردن.

دوربین کنترل کیفیت

کار دوم، چشمه. یه دوربین بالای خط تولید، هر قطعه رو نگاه می‌کنه و می‌گه سالمه یا نه:

مثلا توی کارخونه‌های قطعه‌ی الکترونیکی، دوربین روی برد مدار دنبال قطعه‌ی جاافتاده، کج یا لحیم بد می‌گرده؛ بی اینکه به برد دست بزنه. حالا این دوربین‌ها با یادگیری عمیق کار می‌کنن، همون که توی درس یادگیری عمیق دیدیم.

کشاورزی دقیق

توی مزرعه هم همینه. به جای اینکه کل زمین رو یه‌جور آب و کود و سم بدید، هوش مصنوعی از روی داده‌ی زمین، نقشه می‌کشه که کدوم تیکه چی لازم داره:

کارهای دیگه‌ش: پیدا کردن آفت و بیماری، خودکار کردن گلخونه، و هشدار زودهنگام برای خشکسالی یا بارون سنگین. هدفش اینه که آب و کود و سم فقط جایی بره که لازمه؛ هم خرج کمتر، هم هدررفت کمتر.

تشخیص بیماری گیاه با عکس

خیلی‌ها از برگ مریض عکس می‌گیرن و از هوش مصنوعی می‌پرسن چشه. یه پژوهش سال ۲۰۱۶ یه چیز مهم رو نشون داد:

یه مدل رو با ۵۴۳۰۶ عکس برگ، از ۱۴ گیاه و ۲۶ بیماری، آموزش دادن. همه‌ی عکس‌ها توی شرایط یکسان و با پس‌زمینه‌ی ساده گرفته شده بودن. روی عکس‌های شبیه همون‌ها، ۹۹٫۳۵ درصد درست گفت. ولی روی عکس‌هایی که جای دیگه و توی شرایط دیگه گرفته شده بودن، فقط ۳۱٫۴ درصد.

درسش برای همه‌ی این کاربردهاست: هوش مصنوعی جایی خوبه که داده‌ش شبیه چیزیه که باهاش یاد گرفته. مزرعه‌ی شما با نور و خاک خودش، شاید شبیه داده‌ی آموزش نباشه. پس جوابش رو یه سرنخ بدونید، و پیش از سم زدن، از یه کارشناس کشاورزی بپرسید.

از کجا شروع کنیم

برای یه کارگاه یا مزرعه‌ی کوچیک:

1. اول ثبت کنید. کی دستگاه خراب شد، چی عوض شد، کدوم تیکه از زمین کم محصول داد. هوش مصنوعی بی داده، هیچی یاد نمی‌گیره؛ چراش توی درس داده.
2. از یه دستگاه یا یه تیکه زمین شروع کنید. نه همه با هم.
3. جواب رو با تجربه‌ی استادکار بسنجید. اگه با گوش مکانیک نمی‌خوند، به مکانیک گوش بدید.
4. تصمیم آخر با آدمه. سم زدن، خاموش کردن خط تولید، خرید قطعه.