2018 میں ، پانچ ٹیموں نے زمین توڑنے والے خودمختار گرین ہاؤس چیلنج میں ککڑی بڑھی بین الاقوامی مقابلہ. موڑ: ٹیموں میں سے صرف ایک تجربہ کار انسانی کاشتکاروں پر مشتمل تھا جو دستی طور پر اپنا گرین ہاؤس ٹوکری چلاتا ہے۔ باقی چار ٹیمیں باغبانی اور مصنوعی ذہانت (اے آئی) کے شعبوں میں بین الاقوامی ماہرین پر مشتمل ہیں۔ انہوں نے اپنی فصلوں کا دور سے اور خودمختاری سے انتظام کرنے کے لئے اے آئی حل تیار کرنے میں کام کیا۔ مقابلہ کا ہدف ، دنیا کا پہلا خودمختار گرین ہاؤس چیلنج ، پائیدار کھانوں کی پیداوار میں کامیابیاں پیدا کرنا تھا۔
چار شدید مہینوں کے بعد ، دستی کاشت کار دوسرے نمبر پر آئے۔ اس مضمون کے مصنفین میں سے ایک کی سربراہی میں پہلی جگہ کی ٹیم ، ایک خود مختار بڑھتے ہوئے حل کے ساتھ جیت گئی جس نے نہ صرف 6 greater زیادہ پیداوار اور 17 فیصد زیادہ منافع حاصل کیا ، بلکہ کم سی او استعمال کیا۔2، حرارتی ، اور پانی کے آدانوں.
مقابلے کے بارے میں مزید جاننے کے لئے اور یہ سمجھنے کے لئے کہ اے آئی حل کیسے مقابلہ کرسکتا ہے - اور یہاں تک کہ کارکردگی کو بھی - ہنر مند انسانی کاشتکاروں کی ایک ٹیم ، آئی آئی پر گہری نظر ڈالیں اور اس کا تعلق گرین ہاؤس آٹومیشن سے کس طرح ہے۔
گرین ہاؤس آٹومیشن کچھ نیا نہیں ہے
دہائیوں سے ، کاشت کاروں نے گرین ہاؤس آب و ہوا اور آبپاشی کے انتظام کے ل process پروسیس کمپیوٹر ، سینسرز اور ایکیکیوٹرز کا استعمال کیا ہے۔ ایسی صورتحال میں ، عمل کمپیوٹر کا کام سیدھے سیدھے سیدھے سیدھے سیدھے منطقی قواعد پر انحصار کرتے ہیں۔ اگر ہوا کا درجہ حرارت 75 ° F سے زیادہ ہے تو ، مثال کے طور پر راستہ کھولیں۔ درجہ حرارت کو پڑھنے اور لائٹس اور ہیٹر کو آف اور آف کرنے کی تکلیف دہ مشینیوں کو مشینوں کے سپرد کیا گیا ہے۔
یقینا ، قواعد پر مبنی آٹومیشن غیر متوقع حالات سے نمٹ نہیں سکتی۔ زیادہ اہم بات یہ ہے کہ ، ایک ہنر مند انسان کو فصل کے انتظام کے تمام فیصلے کرنے کی ضرورت ہوتی ہے ، ماحولیاتی پیرامیٹرز کے عین مطابق نکات پر۔ معتبر طور پر اعلی پیداوار کے حصول کے ل knowledge ، کافی حد تک علم اور مہارت کی ضرورت ہے ، اور پھر بھی ، غلطیاں کرنا آسان ہے۔ مزید یہ کہ ، جیسے جیسے کھیت بڑے ہوتے جاتے ہیں ، فصلوں کی مستقل نگرانی کا کام اور بھی تقاضا کرتا جاتا ہے۔
بدقسمتی سے ، کاشتکار یہ بھی اچھی طرح جانتے ہیں کہ پیداوار میں پریشانی کا سب سے بڑا ذریعہ مزدوری ہے۔ سال بہ سال ، میں گرین ہاؤس کاشت کار اعلی 100 کاشتکاروں کا سروے ، کاشت کار نہ صرف مزدوری کی لاگت بلکہ ہنرمند مزدور کی دستیابی کے ساتھ بھی چیلینج کی اطلاع دیتے ہیں۔ حیرت کی بات نہیں ، کاشت کار تیزی سے ان چیلنجوں سے نمٹنے کے طریقے ڈھونڈ رہے ہیں ، جس میں نئی ٹیکنالوجیز شامل ہیں جو گرین ہاؤس مینجمنٹ کو زیادہ خودمختار بناسکتی ہیں۔
AI قواعد پر مبنی آٹومیشن سے پرے ایک قدم ہے
مصنوعی ذہانت کے بارے میں سوچنے کا ایک اچھا طریقہ یہ ہے کہ یہ سادہ اصولوں پر مبنی آٹومیشن سے آگے ہے۔ گرین ہاؤس ماحولیاتی اور حیاتیاتی نظام میں پائی جانے والی قسم سمیت اعداد و شمار میں پیٹرن ڈھونڈنے کے لئے جدید AI ریاضی کے استعمال سے متعلق ہے۔ مثال کے طور پر:
- آب و ہوا کے کافی اعداد و شمار کے ساتھ ، کاشت کار زیادہ سے زیادہ مقامات کا تعین کرنے اور آب و ہوا کی پیشگوئی کرنے کیلئے AI کا استعمال کرسکتے ہیں۔
- فصل کی پیداوار کے کافی اعداد و شمار کے ساتھ ، کاشت کار پیداوار کی پیشگوئی کرنے کیلئے AI کا استعمال کرسکتے ہیں۔
- تصویری کافی معلومات کے ساتھ ، کاشتکار کیڑوں اور بیماریوں کا پتہ لگانے کے لئے اے آئی کا استعمال کرسکتے ہیں۔
کچھ قسم کی AI یہاں تک کہ نئے اعداد و شمار سے بھی سیکھ سکتی ہیں ، جو وقت کے ساتھ اضافی طور پر بہتر نتائج کی فراہمی کرتی ہیں۔
روزانہ گرین ہاؤس آپریشنز میں گہری بصیرت فراہم کرنے کے قابل ، AI کا استعمال ماہر فیصلہ سازی کی حمایت کرنے اور کاشتکاروں کو بامقصد طریقے سے بااختیار بنانے کے لئے کیا جاسکتا ہے۔ بہرحال ، بہترین نتائج انسانی ذہانت اور مصنوعی ذہانت کے سوچے سمجھے مجموعہ سے نکلتے ہیں۔
اے آئی کے ڈیٹا پر مبنی نقطہ نظر کو کلاسک قواعد پر مبنی نقطہ نظر کے ساتھ بھی جوڑا جاسکتا ہے ، جس سے پہلے کے مقابلے میں گرین ہاؤس آٹومیشن کی بہت زیادہ ڈگری مل سکتی ہے۔ مختصرا grow ، کاشت کار بہت سے روٹی آپریشنل کاموں کو خود کار بنانے کے لئے اے آئی کا استعمال کرسکتے ہیں ، اور مزدوری کے دائمی معاملات کو دور کرنے میں مدد کرتے ہیں جو صنعت کو چیلنج کرتے ہیں۔
ڈیٹا AI کے لئے ایندھن ہے
جتنا AI ریاضی کی الگورتھم کے بارے میں ہے ، یہ اعداد و شمار کے بارے میں بھی ہے۔ عوامی اعتقاد کے برخلاف ، AI میں استعمال ہونے والے کچھ عام الگورتھم کئی دہائیوں سے لگے ہیں۔ وہ بہت زیادہ پیچیدہ بھی نہیں ہیں۔ لیکن طویل عرصے سے ، اعداد و شمار کی دستیابی - اعداد و شمار پر کارروائی کے لئے مطلوبہ سستی کمپیوٹیشنل طاقت کے ساتھ - عوامل کو محدود کرتے رہے ہیں۔
اے آئی کی صلاحیت کو غیر مقفل کرنے کے ل It کمپیوٹر ہارڈویئر میں حالیہ ترقی ہوئی۔ 2007 میں ایپل کے ذریعہ شروع ہونے والے اسمارٹ فون انقلاب نے ، عالمی سطح پر مکمل طور پر نئے مینوفیکچرنگ ماحولیاتی نظام اور سپلائی چین بنائے تھے۔ اس نے راتوں رات بظاہر کمپیوٹر ہارڈ ویئر کی بنیادی اقتصادیات کو تبدیل کردیا۔ کلیدی ہارڈ ویئر اجزاء ، جیسے مائکروپروسیسرس ، ریڈیو اور سینسر ، تیزی سے ارزاں ، چھوٹے اور زیادہ طاقتور ہو گئے۔ خام ڈیٹا کی چالیں سیلاب میں بدل گئیں۔ اعداد و شمار اور کمپیوٹیشنل طاقت کی نئی کثرت نے اے آئی کو کچھ تجارتی ایپلی کیشنز کی مدد سے تحقیقی تجسس سے ٹیکنولوژیکی سمندری تبدیلی میں تبدیل کرنے میں مدد دی۔
IoT ڈیٹا کی کثرت لاتا ہے
1980 کی دہائی کے اوائل میں ، پِٹسبرگ کی کارنیگی میلن یونیورسٹی میں گریجویٹ طلباء کو خالی ڈھونڈنے کے لئے صرف کوکا کولا فروخت کرنے والی مشین میں ٹریک کرنے پر ناراض ہوگئے۔ انہوں نے اس میں ترمیم کی تاکہ وہ انٹرنیٹ پر اپنی انوینٹری کی اطلاع دے سکے۔ ایسا کرتے ہوئے ، انہوں نے انٹرنیٹ سے منسلک دنیا کا پہلا سامان ایجاد کیا۔
آج ، کنزیومر الیکٹرانکس سے لے کر صنعتی مشینوں تک ، اربوں ڈیوائسز ، بڑے اور چھوٹے ، انٹرنیٹ سے منسلک ہونے میں اس سوڈا مشین میں شامل ہوچکے ہیں ، جس کی وجہ سے انٹرنیٹ کو چیزوں (IOT) کہا جاتا ہے۔ اہم بات یہ ہے کہ ، ہارڈ ویئر کی سابقہ نسلوں کے برعکس - بہت سے عام گرین ہاؤس آٹومیشن حلوں سمیت - IOT آلات اسی طرح کے ڈیٹا فارمیٹ اور مواصلات کے پروٹوکول کا استعمال کرتے ہیں جیسا کہ انٹرنیٹ پر کہیں اور استعمال ہوتا ہے۔ انٹرنیٹ کے عالمی معیاروں پر انحصار کرتے ہوئے ، IOT آلات کے ذریعہ اعداد و شمار کا تبادلہ آسان ہوسکتا ہے بغیر کسی قسم کے سسٹم سے دوسرے نظام میں پلنے کے لئے اضافی ہارڈ ویئر کی ضرورت ہو۔
ایک ساتھ ، AI اور IoT تکمیلی تکنالوجی ہیں۔ آئی او ٹی ہارڈ ویئر سے کاشتکاروں کو گرین ہاؤسز سے زیادہ آسانی سے خام ڈیٹا اکٹھا کرنے میں مدد ملتی ہے۔ اور AI سافٹ ویئر کاشتکاروں کو فصلوں کی پیداوار کو بہتر بنانے کے ل that اس اعداد و شمار کو سمجھنے اور اس پر عمل کرنے میں مدد کرتا ہے۔
کیس اسٹڈی: کینیٹ ٹران کی خودمختار گرین ہاؤس چیلنج میں کامیابی
ڈاکٹر ٹران: 2018 میں ، میں سیئٹل کے قریب مائیکروسافٹ ریسرچ میں ایک AI محقق تھا ، ایک نئی قسم کی AI پر کام کرتا تھا جسے کمک سیکھنے کے نام سے جانا جاتا ہے۔ وہاں میں نے اپنی تحقیق کو کنٹرول ماحولیات زراعت کے ڈومین پر لاگو کرنے کے لئے ایک نئی کوشش کی۔ نام نہاد سونوما پروجیکٹ کے ساتھ ، ہم نے اونٹاریو ، کینیڈا کے ہیرو ریسرچ سینٹر میں پلانٹ کے سائنسدانوں کے ساتھ اشتراک کیا اور نیدرلینڈ میں ویگننجین یونیورسٹی اور ریسرچ کے زیر اہتمام پہلے بین الاقوامی خود مختار گرین ہاؤس چیلنج میں حصہ لیا۔
اس چیلنج میں ، ہر ٹیم 315 مربع فٹ گرین ہاؤس ٹوکری میں تقریبا چار ماہ کی مدت کے لئے کھیرے کھڑی کرتی ہے۔ یہ کمپارمنٹ معیاری پروسیس کمپیوٹرز ، آب و ہوا کے سینسرز اور ایکچیوٹرز سے لیس تھے۔ IOT ڈیجیٹل انٹرفیس (REST APIs) کا استعمال کرتے ہوئے ، ہمارے AI پروگرامس سینسرز سے لگاتار ڈیٹا پڑھ سکتے ہیں ، زیادہ سے زیادہ اہم نکات کا تعین کرسکتے ہیں ، اور سیٹپوائنٹس کو عمل کے کمپیوٹرز میں واپس بھیج سکتے ہیں - پورے انٹرنیٹ پر (نیچے دیئے گئے اعداد و شمار دیکھیں)۔ چیلنج اور اس کے نتائج کے بارے میں مزید تفصیلات ایک مضمون میں مل سکتی ہیں ہیمنگ ات۔ (2019).
بڑھتی ہوئی ککڑیوں اور ہمارے بہت ابتدائی مرحلے کے پروٹو ٹائپ میں ہمارے تجربے کی کمی کے باوجود ، ہمارے خود مختار بڑھتے ہوئے حل نے مقابلہ جیتنے میں کامیاب کیا۔ یہاں تک کہ ہم نے دوسری پوزیشن والی ٹیم ، ماہر ڈچ کاشتکاروں پر مشتمل ریفرنس ٹیم کو 6 فیصد زیادہ پیداوار کے ساتھ بہتر کارکردگی کا مظاہرہ کیا۔ پیداوار میں یہ مارجن آپریٹنگ منافع میں 17 فیصد اضافے کے مترادف تھا۔
کیا ریفرنس ٹیم نے ناقص کارکردگی کا مظاہرہ کیا؟ بلکل بھی نہیں. بہت سارے ماہرین کے مطابق ، انہوں نے نمایاں کارکردگی کا مظاہرہ کیا۔ ان کی پیداوار تقریبا 50 کلوگرام / میٹر تھی2 چار ماہ کے عرصے میں ، جو تقریبا 150 کلوگرام / میٹر کے برابر ہے2 سالانہ. یہ سیارے میں کہیں بھی گرین ہاؤس کے لئے اعلی پیداوار سمجھا جاتا ہے۔
خود مختار گرین ہاؤس چیلنج کے نتیجے میں ، میں نے 2020 میں کوئیڈرا کی بنیاد رکھی تاکہ براہ راست ہماری تعلیم کو بہتر بنایا جاسکے اور ائی اور آئی او ٹی میں زراعت اور دیگر صنعتی کنٹرول ایپلی کیشنز کے لئے جدید ترین طرز کو آگے بڑھایا جاسکے۔
AI اور IOT کے بارے میں صحیح سوالات پوچھنا
آج ، زیادہ گرین ہاؤس کاشت کار AI اور IoT کو اپنانے کے لئے تیار اور تیار ہیں۔ سب سے اہم چیلنج مارکیٹ میں موجود مصنوعات کا احساس دلانا اور تمام مارکیٹنگ میں بات کرنے کے قابل ہونا ہے۔ بہت ساری کمپنیاں بے تابی سے یہ دعویٰ کرتی ہیں کہ ان کے پاس اے آئی الگوریتم یا آئی او ٹی ڈیوائس ہے جو گرین ہاؤسز کے لئے کام کرے گی۔
اے آئی سافٹ ویئر اور آئی او ٹی ہارڈویئر کا جائزہ لیتے وقت ذہن میں رکھنے کے لئے کچھ اہم نکات یہ ہیں:
- : کارکردگی کاشتکاروں کو ٹھوس ، حقیقی دنیا کے فوائد دیکھنے کے قابل ہونا چاہئے۔ پوچھو: کیا پیداوار اور وسائل کی کارکردگی کو بہتر بنانے کے لئے AI تجارتی پیداوار میں ثابت ہوا ہے؟ کن شرائط میں؟ AI اور IOT سافٹ ویئر تیار کرنے میں کمپنی کا ٹریک ریکارڈ کیا ہے؟
- AI ڈیزائن: فیصلے کرنے کے لئے AI کے انتہائی موثر حل بہترین مصنوعی ذہانت کے ساتھ بہترین انسانی ذہانت کو جوڑتے ہیں۔ پوچھیں: اے آئی ماڈل علم کے موجودہ جسم کو کس طرح فائدہ اٹھاتا ہے؟ یہ کیسے یقینی بناتا ہے کہ زیادہ ڈیٹا کے ساتھ وقت کے ساتھ کارکردگی میں بہتری آئے گی؟
- سافٹ ویئر ڈیزائن: کاشتکاروں کو گرین ہاؤس آپریشنوں کے کنٹرول میں رہنا چاہئے۔ پوچھیں: فصلوں کی حفاظت کو یقینی بنانے کے لئے کون سا سافٹ ویئر ڈیزائن اصول استعمال کیا جاتا ہے؟ کیا میں ہر وقت دستی ، سفارش ، اور آٹو پائلٹ طریقوں کے مابین آسانی سے سوئچ کرسکتا ہوں؟
- ڈیٹا کی ملکیت: کاشتکاروں کو اپنے ڈیٹا کا مالک ہونا چاہئے اور "وینڈر لاک ان" سے گریز کرنا چاہئے۔ پوچھیں: کیا میں دوسرے سسٹم سے آسانی سے ڈیٹا درآمد کرسکتا ہوں؟ کیا میں اپنا ڈیٹا بیک اپ کرکے برآمد کر سکتا ہوں؟ کیا ایسے APIs ہیں جو براہ راست اعداد و شمار تک رسائی اور کسٹم انضمام کی اجازت دیتے ہیں؟ کیا میں اب اور مستقبل میں مختلف دکانداروں سے سافٹ ویئر اور ہارڈ ویئر استعمال کرسکتا ہوں؟
AI اور IOT کاشتکاروں کو بااختیار بناسکتے ہیں
ایسی دنیا میں جہاں اہم وسائل - پانی اور توانائی کے ساتھ ساتھ وقت ، رقم ، اور ہنر مند مزدور بھی کم ہوتے جارہے ہیں ، اس بوجھ کو دور کرنے کے لئے نئی ٹیکنالوجیز تلاش کرنا سمجھ میں آتا ہے۔ جیسا کہ ہم نے خود مختار گرین ہاؤس چیلنج سے سیکھا ، کاشتکار واقعی AI سافٹ ویئر اور IOT ہارڈ ویئر کے استعمال سے زیادہ سے زیادہ پیداوار اور وسائل کے اعلی استعمال کی اہلیت حاصل کرسکتے ہیں۔ مزید یہ کہ ، یہ ٹیکنالوجیز تیز رفتار سے ترقی یافتہ اور ترقی پذیر ہیں۔
آخرکار ، اے آئی اور آئی او ٹی گرین ہاؤس کاشتکاروں کو صحیح معنوں میں بااختیار بناسکتے ہیں - بہتر فیصلے کرنے کے لئے ، کم کے ساتھ زیادہ سے زیادہ کرنے کے لئے - دنیا کی خوراک کو مستقل طور پر اگائیں۔