Transcription
Also, hast du die Pumpe gewechselt? Die Pumpe ist noch neu. Durchgebrannt. Komplett durchgebrannt. Sie war heiß. Daniel Alamda ist ein Landwirt in dritter Generation im Selenus Valley, wo er unter anderem Brokkoli, Kohl und Salat auf Tausenden von Hektar anbaut. Wie bei jedem Landwirt ist die Plage seiner Betriebe das Unkraut. Und vor etwa einem Jahr wandte sich Alama einer hochmodernen Lösung zu, einem KI-gesteuerten Unkrautvernichter. Das Gerät, das am Heck seiner bestehenden Traktoren angebracht wird, verwendet hochauflösende Kameras und Sensoren, um unerwünschte Pflanzen automatisch zu erkennen und sie mit einem präzisen Tropfen [Musik] Herbizid zu besprühen. Was der Fahrer im Führerhaus sieht, sind also Echtzeitaufnahmen dessen, was passiert. Die Kulturpflanzen, die dort sind, und das Unkraut, das wir zu entfernen versuchen. Der Fahrer sieht die Maschine, die die Daten analysiert und dann den Schuss abgibt. Man sieht Entscheidungen, die in Echtzeit getroffen werden. Wir hatten vor nicht allzu langer Zeit definitiv keine KI. Der Besitzer, Betreiber, Manager war die KI. Wir trafen die Entscheidungen, aber wir erkannten schnell vor etwa 10 Jahren, dass wir Software nutzen könnten, um bessere Entscheidungen zu treffen. Wir vertrauen darauf, dass KI uns besser, effizienter und schneller macht. Wir beginnen, eine zunehmende Verbreitung von KI auf Bauernhöfen im ganzen Land zu bemerken. Landwirte nutzen Dinge wie Drohnen, autonome Pflüge, Sprühgeräte, die mit KI zwischen Unkraut und Nutzpflanzen unterscheiden können. Und viele von ihnen nutzen Datenerfassung, um einfach alle Informationen vom Bauernhof aufzusaugen. John Deere ist der größte Hersteller von Landmaschinen und hat sich zum Ziel gesetzt, bis 2030 zu 100 % autonom zu wirtschaften. Ich denke also, dass diese Dinge von Dauer sind und es wirklich keine anderen Möglichkeiten gibt, das alles zu erledigen. An der UC Davis nutzen Forscher KI auf eine andere Weise, um einzelne Nutzpflanzengene besser zu verstehen, damit sie gesünder oder widerstandsfähiger gegenüber Umweltveränderungen gemacht werden können. Was Sie hier sehen, der erste Prototyp in einem halben Tag war dieses Ding, eine Vogelbox im Moment. Es ist eine Sache, die Daten zu sammeln. Dieser Teil ist eigentlich ziemlich einfach. Man geht aufs Feld, sammelt die Daten, aber dann generiert man diesen riesigen Datensatz. Stellen Sie sich vor, Sie hätten Ihre Kamera genommen und statt nur Rot, Grün und Blau, was sie jetzt tut, noch weitere 400 Lichtbänder aufgenommen. Es ist also dieser Würfel aus Bildern. Und so endet man mit diesem riesigen Datensatz, der irgendwie verarbeitet werden muss. Da kommt künstliche Intelligenz ins Spiel. Wissenschaftler in Davis trainieren Computermodelle, um alles zu erkennen, von der Größe und Form einer Blume bis zur Richtung, in die ein Blatt zeigt. Die Züchtung von Bohnen ist eine wirklich interessante Anwendung für KI. Nehmen wir an, wir arbeiten an Bohnen. In diesem Beispiel hier haben wir über 330 verschiedene Genotypen von Bohnen, die auf einem Feld angepflanzt wurden. Und so sucht man nach Dingen wie vielleicht haben einige davon wirklich große Bohnen oder bestimmte Muster oder der Proteingehalt ist hoch oder der Fettgehalt ist hoch. Es ist einfach wirklich schwer, das von Menschen vor Ort zu messen, zu sehen und zu bewerten. Und wenn wir dann all diese Daten mit maschinellem Lernen und KI verarbeiten können, können wir diese komplexen Merkmale extrahieren. Ich denke, Landwirte von vor 50 Jahren wären sehr aufgeregt, wenn sie sehen würden, was KI ihnen heute potenziell bieten kann. Mit Computer Vision können wir den Prozess der Suche nach all diesen möglichen Kindern, richtig, den Merkmalen, die uns wichtig sind, rasant beschleunigen. Und so kann es uns von 30 Jahren Züchtung der gewünschten Nutzpflanzen auf vielleicht 3 Jahre bringen. Die Tatsache, dass wir dann etwas, das so hochmodern und fortschrittlich wie KI und maschinelles Lernen erscheint, nehmen und diese beiden zusammenbringen können, ich denke, da ist etwas wirklich Magisches an dieser Idee. Was ist die richtige Jahreszeit für mich, um mit dem Aufbau meines Hochbeet-Gewächshauses zu beginnen? Die beste Zeit, um mit dem Aufbau Ihres Hochbeet-Gewächshauses für die Verpflanzung von Patty-Setzlingen zu beginnen, sind die KI-Werkzeuge, die in Zusammenarbeit mit dem Team in Davis entwickelt werden, nicht nur dazu da, KI zur Verarbeitung und Analyse von Daten zu nutzen. Rick und Gandhi bauen eine Large-Language-Model-App für Landwirte in Entwicklungsländern. Die Kleinbauernhöfe, mit denen wir arbeiten, befinden sich hauptsächlich in Südasien und in Subsahara-Afrika, insbesondere in Indien, Kenia, Äthiopien, Nigeria. Man könnte sagen, dass das, was wir bauen, eine Art ChatGPT für Landwirte ist, aber sie suchen nicht nach generischen Wikipedia- oder ChatGPT-Antworten. Sie suchen nach Informationen, die ihnen nahe und ortsspezifisch sind. Es gibt eine Reihe von Herausforderungen, denen wir uns stellen müssen. Es besteht die Notwendigkeit, all die verschiedenen Sprachen und Dialekte zu unterstützen, die Landwirte sprechen. Sie verwenden keine wissenschaftlichen Terminologien wie Kilogramm oder Prozent oder chemische Namen. Wir müssen in der Lage sein, diese Systeme für die Sprach-zu-Text-Erkennung für ihre lokalen Umgangssprachen und Mundarten zu trainieren und auch nicht nur Sprache zu Text, sondern auch Text zu Sprache, damit Landwirte, die oft geringe Lese- und Schreibkenntnisse haben, mit diesen Systemen interagieren können. Natürlich ist KI nicht ohne eigene Umweltkosten, etwas, dessen sich diejenigen, die in der Landwirtschaft tätig sind, nur allzu bewusst sind. Das Training eines großen Sprachmodells kann Millionen von Gallonen Wasser verbrauchen, und Rechenzentren, die sich der künstlichen Intelligenz widmen, können der umliegenden Landschaft und den Stromnetzen erheblichen Schaden zufügen. Diese landwirtschaftlichen Gemeinschaften wurden so oft von unseren kollektiven Verbesserungen digitaler Technologien ausgeschlossen. Und so denke ich, dass wir auch sicherstellen müssen, dass es Inklusivität gibt, um Zugang zu dieser Technologie zu haben, auch wenn es für sie mit Energie- und Kostenaufwand verbunden sein mag. Es geht darum, ihnen ein faireres Spielfeld zu bieten. Wie KI die Umwelt beeinflusst und ob das für die Landwirtschaft relevant ist, ist eine wirklich wichtige Frage, die wir uns stellen sollten. Auf der Forschungsseite nutzen wir ehrlich gesagt sehr geringe Mengen an Ressourcen, wie ein paar GPUs, acht, um diese zu trainieren, während einige dieser großen Sprachmodelle eher Zehn- bis Hunderttausende für viele Monate im Gegensatz zu 8 Stunden nutzen. Ich mache mir also keine allzu großen Sorgen über unsere persönlichen Auswirkungen, ich weiß, was sie sind, aber ich denke, wenn man die Größenordnung der Industrie betrachtet, mache ich mir definitiv Sorgen über die Energieeffekte von KI. Wir stehen am Anfang. Es bewegt sich schnell, und ich denke, wenn wir in drei bis fünf Jahren zurückkommen und uns das noch einmal ansehen, werden wir ziemlich überwältigt sein von den Auswirkungen, die es bereits hatte. Okay. Also, was wir hier zeigen werden, ist ähm, das ist ein Live-Feed vom Roboter, richtig? Wir haben hier Farbe, um die Schüsse zu sehen. Nun, der Unkrautvernichtungsroboter, den Daniel Alamda auf seinem Bauernhof einsetzte, wird von einem Unternehmen namens Verdant Robotics hergestellt. Gabe Sibi, der seine frühen Jahre mit der Arbeit am Mars Rover verbrachte, gründete das Unternehmen im Jahr 2018. Die Maschine weiß, wo sie sich im Raum befindet. Sie hat also räumliche KI, die es ihr ermöglicht, das "Wo"-Problem zu lösen. Wo bin ich? Sie löst auch das "Was"-Problem. Was sehe ich? Ist es eine Karotte? Ist es Unkraut? Welche Art von Unkraut? Anfangs dachten die Leute, dass autonome Navigation eine wirklich wertvolle Sache wäre, die auf den Markt gebracht werden könnte. Was man verstehen muss, ist, dass nicht die Navigation des Traktors die Aufgabe ist, um die sie sich Sorgen machen. Es sind die hundert Leute, die hinter dem Traktor herlaufen und sich entscheiden, bei Starbucks oder Walmart zu arbeiten oder in einem Rechenzentrum Bilder zu beschriften. Dieser Wandel der Arbeitskräfte ist derjenige, der ihnen Kummer bereitet. Die Effizienzen, die wir brauchen, sind erheblich. In den nächsten 50 Jahren sagen einige Leute, dass wir so viel Nahrung anbauen müssen, wie wir in den letzten 10.000 Jahren angebaut haben. Die Hälfte der bewohnbaren Fläche der Erde wird bereits landwirtschaftlich genutzt. Wir müssen dies nachhaltiger und effizienter tun. Was man immer wieder hören wird, ist der angespannte Arbeitsmarkt. Es gibt nie genug Feldarbeiter oder Maschinenführer. Viele Landwirte würden ihren Kindern nicht empfehlen, auf dem Bauernhof zu bleiben, und würden ihre Kinder eher dazu drängen, Karrieren anderswo zu finden. Aber diese Maschinen sind auch eine Gelegenheit, die jüngere Generation anzuziehen, die sich für Videospiele oder neue Technologien interessiert. und das könnte ein Weg sein, einige der Leute aus der Stadt zurück auf den Bauernhof zu holen. Wir haben gerade zum ersten Mal unseren großen Zeh ins Wasser gehalten, und es scheint, als könnte es einladend sein. Es ist auch ein bisschen beängstigend. Wir wissen nicht genau, was als Spezies passieren wird, wenn wir anfangen, alle Arten von Arbeit zu automatisieren, wirklich nicht nur die Landwirtschaft. Sie haben nun all diese Arbeit einer Maschine anvertraut. Und so sollten wir besser sicherstellen, dass wir die Kontrolle behalten. Die Schwierigkeit besteht dann darin, wenn der Schalter umgelegt wird, erinnern wir uns dann, wie man Landwirtschaft betreibt? Wir sollten [Musik]