2018 ਵਿੱਚ, ਪੰਜ ਟੀਮਾਂ ਨੇ ਇੱਕ ਆਟੋਨੋਮਸ ਗ੍ਰੀਨਹਾਉਸ ਚੈਲੇਂਜ ਵਿੱਚ ਖੀਰੇ ਉਗਾਏ ਅੰਤਰਰਾਸ਼ਟਰੀ ਮੁਕਾਬਲਾ. ਮੋੜ: ਸਿਰਫ ਇੱਕ ਟੀਮ ਵਿੱਚ ਤਜਰਬੇਕਾਰ ਮਨੁੱਖੀ ਉਤਪਾਦਕ ਸ਼ਾਮਲ ਸਨ ਜੋ ਆਪਣੇ ਗ੍ਰੀਨਹਾਉਸ ਕੰਪਾਰਟਮੈਂਟ ਨੂੰ ਹੱਥੀਂ ਚਲਾ ਰਹੇ ਸਨ। ਬਾਕੀ ਚਾਰ ਟੀਮਾਂ ਵਿੱਚ ਬਾਗਬਾਨੀ ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ (AI) ਦੇ ਖੇਤਰਾਂ ਵਿੱਚ ਅੰਤਰਰਾਸ਼ਟਰੀ ਮਾਹਿਰ ਸ਼ਾਮਲ ਸਨ। ਉਹਨਾਂ ਨੇ ਆਪਣੀਆਂ ਫਸਲਾਂ ਦਾ ਰਿਮੋਟ ਅਤੇ ਖੁਦਮੁਖਤਿਆਰੀ ਨਾਲ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ AI ਹੱਲ ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਕੰਮ ਕੀਤਾ। ਮੁਕਾਬਲੇ ਦਾ ਟੀਚਾ, ਵਿਸ਼ਵ ਦੀ ਪਹਿਲੀ ਆਟੋਨੋਮਸ ਗ੍ਰੀਨਹਾਉਸ ਚੈਲੇਂਜ, ਟਿਕਾਊ ਭੋਜਨ ਉਤਪਾਦਨ ਵਿੱਚ ਸਫਲਤਾਵਾਂ ਨੂੰ ਚਲਾਉਣਾ ਸੀ।
ਚਾਰ ਤੀਬਰ ਮਹੀਨਿਆਂ ਬਾਅਦ, ਹੱਥੀਂ ਉਤਪਾਦਕ ਦੂਜੇ ਸਥਾਨ 'ਤੇ ਆਏ। ਇਸ ਲੇਖ ਦੇ ਲੇਖਕਾਂ ਵਿੱਚੋਂ ਇੱਕ ਦੀ ਅਗਵਾਈ ਵਿੱਚ ਪਹਿਲੇ ਸਥਾਨ ਦੀ ਟੀਮ, ਇੱਕ ਖੁਦਮੁਖਤਿਆਰੀ ਵਧ ਰਹੇ ਹੱਲ ਨਾਲ ਜਿੱਤੀ ਜਿਸ ਨੇ ਨਾ ਸਿਰਫ਼ 6% ਵੱਧ ਉਪਜ ਅਤੇ 17% ਵੱਧ ਸ਼ੁੱਧ ਲਾਭ ਪ੍ਰਾਪਤ ਕੀਤਾ, ਸਗੋਂ ਘੱਟ CO ਦੀ ਵਰਤੋਂ ਵੀ ਕੀਤੀ।2, ਹੀਟਿੰਗ, ਅਤੇ ਪਾਣੀ ਦੇ ਇੰਪੁੱਟ।
ਮੁਕਾਬਲੇ ਬਾਰੇ ਹੋਰ ਜਾਣਨ ਅਤੇ ਇਹ ਸਮਝਣ ਲਈ ਕਿ ਇੱਕ AI ਹੱਲ ਕਿਵੇਂ ਮੁਕਾਬਲਾ ਕਰ ਸਕਦਾ ਹੈ — ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ — ਕੁਸ਼ਲ ਮਨੁੱਖੀ ਉਤਪਾਦਕਾਂ ਦੀ ਇੱਕ ਟੀਮ, ਆਓ AI 'ਤੇ ਇੱਕ ਡੂੰਘਾਈ ਨਾਲ ਵਿਚਾਰ ਕਰੀਏ ਅਤੇ ਇਹ ਗ੍ਰੀਨਹਾਊਸ ਆਟੋਮੇਸ਼ਨ ਨਾਲ ਕਿਵੇਂ ਸੰਬੰਧਿਤ ਹੈ।
ਗ੍ਰੀਨਹਾਉਸ ਆਟੋਮੇਸ਼ਨ ਕੁਝ ਨਵਾਂ ਨਹੀਂ ਹੈ
ਦਹਾਕਿਆਂ ਤੋਂ, ਉਤਪਾਦਕਾਂ ਨੇ ਗ੍ਰੀਨਹਾਉਸ ਜਲਵਾਯੂ ਅਤੇ ਸਿੰਚਾਈ ਦੇ ਪ੍ਰਬੰਧਨ ਲਈ ਪ੍ਰਕਿਰਿਆ ਕੰਪਿਊਟਰਾਂ, ਸੈਂਸਰਾਂ ਅਤੇ ਐਕਚੁਏਟਰਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ। ਅਜਿਹੀ ਸਥਿਤੀ ਵਿੱਚ, ਪ੍ਰਕਿਰਿਆ ਕੰਪਿਊਟਰ ਦਾ ਕੰਮ ਸਿੱਧਾ ਹੈ, ਸਧਾਰਨ ਤਰਕਸ਼ੀਲ ਨਿਯਮਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਜੇਕਰ ਹਵਾ ਦਾ ਤਾਪਮਾਨ 75°F ਤੋਂ ਵੱਧ ਹੈ, ਤਾਂ ਵੈਂਟ ਨੂੰ ਖੋਲ੍ਹੋ, ਉਦਾਹਰਨ ਲਈ। ਤਾਪਮਾਨਾਂ ਨੂੰ ਪੜ੍ਹਨ ਅਤੇ ਲਾਈਟਾਂ ਅਤੇ ਹੀਟਰਾਂ ਨੂੰ ਚਾਲੂ ਅਤੇ ਬੰਦ ਕਰਨ ਦੀ ਔਖੀ ਮਿਹਨਤ ਮਸ਼ੀਨਾਂ ਨੂੰ ਸੌਂਪੀ ਜਾਂਦੀ ਹੈ।
ਬੇਸ਼ੱਕ, ਨਿਯਮ-ਆਧਾਰਿਤ ਆਟੋਮੇਸ਼ਨ ਅਣਕਿਆਸੇ ਹਾਲਾਤਾਂ ਨਾਲ ਨਜਿੱਠ ਨਹੀਂ ਸਕਦੀ। ਵਧੇਰੇ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ, ਇੱਕ ਹੁਨਰਮੰਦ ਮਨੁੱਖ ਨੂੰ ਵਾਤਾਵਰਣ ਦੇ ਮਾਪਦੰਡਾਂ ਲਈ ਸਹੀ ਸੈੱਟ ਬਿੰਦੂਆਂ ਤੱਕ, ਫਸਲ ਪ੍ਰਬੰਧਨ ਦੇ ਸਾਰੇ ਫੈਸਲੇ ਲੈਣ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ। ਉੱਚ ਉਪਜ ਨੂੰ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਗਿਆਨ ਅਤੇ ਹੁਨਰ ਦੇ ਕਾਫ਼ੀ ਪੱਧਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਫਿਰ ਵੀ, ਗਲਤੀਆਂ ਕਰਨਾ ਆਸਾਨ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਿਵੇਂ-ਜਿਵੇਂ ਖੇਤ ਵੱਡੇ ਹੁੰਦੇ ਹਨ, ਫਸਲਾਂ ਦੀ ਲਗਾਤਾਰ ਨਿਗਰਾਨੀ ਕਰਨ ਦਾ ਕੰਮ ਹੋਰ ਵੀ ਮੰਗ ਹੋ ਜਾਂਦਾ ਹੈ।
ਬਦਕਿਸਮਤੀ ਨਾਲ, ਉਤਪਾਦਕ ਇਹ ਸਭ ਚੰਗੀ ਤਰ੍ਹਾਂ ਜਾਣਦੇ ਹਨ ਕਿ ਕਿਰਤ ਉਤਪਾਦਨ ਵਿੱਚ ਸਮੱਸਿਆਵਾਂ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਸਰੋਤ ਹੈ। ਸਾਲ ਦਰ ਸਾਲ, ਵਿੱਚ ਗ੍ਰੀਨਹਾਉਸ ਉਤਪਾਦਕ ਚੋਟੀ ਦੇ 100 ਉਤਪਾਦਕਾਂ ਦੇ ਸਰਵੇਖਣ, ਉਤਪਾਦਕ ਨਾ ਸਿਰਫ਼ ਕਿਰਤ ਦੀ ਲਾਗਤ ਨਾਲ ਸਗੋਂ ਹੁਨਰਮੰਦ ਮਜ਼ਦੂਰਾਂ ਦੀ ਉਪਲਬਧਤਾ ਨਾਲ ਵੀ ਚੁਣੌਤੀਆਂ ਦੀ ਰਿਪੋਰਟ ਕਰਦੇ ਹਨ। ਹੈਰਾਨੀ ਦੀ ਗੱਲ ਨਹੀਂ ਹੈ ਕਿ, ਉਤਪਾਦਕ ਇਹਨਾਂ ਚੁਣੌਤੀਆਂ ਨੂੰ ਹੱਲ ਕਰਨ ਦੇ ਤਰੀਕੇ ਲੱਭ ਰਹੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਨਵੀਆਂ ਤਕਨੀਕਾਂ ਸ਼ਾਮਲ ਹਨ ਜੋ ਗ੍ਰੀਨਹਾਉਸ ਪ੍ਰਬੰਧਨ ਨੂੰ ਵਧੇਰੇ ਖੁਦਮੁਖਤਿਆਰ ਬਣਾ ਸਕਦੀਆਂ ਹਨ।
AI ਨਿਯਮਾਂ-ਅਧਾਰਿਤ ਆਟੋਮੇਸ਼ਨ ਤੋਂ ਪਰੇ ਇੱਕ ਕਦਮ ਹੈ
ਨਕਲੀ ਬੁੱਧੀ ਬਾਰੇ ਸੋਚਣ ਦਾ ਇੱਕ ਵਧੀਆ ਤਰੀਕਾ ਇਹ ਹੈ ਕਿ ਇਹ ਸਧਾਰਨ ਨਿਯਮਾਂ-ਆਧਾਰਿਤ ਆਟੋਮੇਸ਼ਨ ਤੋਂ ਪਰੇ ਇੱਕ ਕਦਮ ਹੈ। ਆਧੁਨਿਕ AI ਗ੍ਰੀਨਹਾਉਸ ਵਾਤਾਵਰਨ ਅਤੇ ਜੀਵ-ਵਿਗਿਆਨਕ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਪਾਈਆਂ ਜਾਣ ਵਾਲੀਆਂ ਕਿਸਮਾਂ ਸਮੇਤ ਡੇਟਾ ਵਿੱਚ ਪੈਟਰਨ ਲੱਭਣ ਲਈ ਗਣਿਤ ਦੀ ਵਰਤੋਂ ਬਾਰੇ ਹੈ। ਉਦਾਹਰਣ ਲਈ:
- ਕਾਫ਼ੀ ਜਲਵਾਯੂ ਡੇਟਾ ਦੇ ਨਾਲ, ਉਤਪਾਦਕ ਅਨੁਕੂਲ ਸੈੱਟਪੁਆਇੰਟਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਅਤੇ ਜਲਵਾਯੂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ।
- ਫਸਲ ਦੀ ਉਪਜ ਦੇ ਕਾਫ਼ੀ ਅੰਕੜਿਆਂ ਦੇ ਨਾਲ, ਉਤਪਾਦਕ ਉਪਜ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ।
- ਕਾਫ਼ੀ ਚਿੱਤਰ ਡੇਟਾ ਦੇ ਨਾਲ, ਉਤਪਾਦਕ ਕੀੜਿਆਂ ਅਤੇ ਬਿਮਾਰੀਆਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ।
AI ਦੀਆਂ ਕੁਝ ਕਿਸਮਾਂ ਨਵੇਂ ਡੇਟਾ ਤੋਂ ਵੀ ਸਿੱਖ ਸਕਦੀਆਂ ਹਨ, ਸਮੇਂ ਦੇ ਨਾਲ ਵਧਦੀ ਬਿਹਤਰ ਨਤੀਜੇ ਪ੍ਰਦਾਨ ਕਰਦੀਆਂ ਹਨ।
ਰੋਜ਼ਾਨਾ ਦੇ ਗ੍ਰੀਨਹਾਉਸ ਕਾਰਜਾਂ ਵਿੱਚ ਡੂੰਘੀ ਸਮਝ ਪ੍ਰਦਾਨ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣ ਦੁਆਰਾ, AI ਦੀ ਵਰਤੋਂ ਮਾਹਰ ਫੈਸਲੇ ਲੈਣ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਨ ਅਤੇ ਉਤਪਾਦਕਾਂ ਨੂੰ ਅਰਥਪੂਰਨ ਤਰੀਕੇ ਨਾਲ ਸ਼ਕਤੀਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਆਖ਼ਰਕਾਰ, ਸਭ ਤੋਂ ਵਧੀਆ ਨਤੀਜੇ ਮਨੁੱਖੀ ਬੁੱਧੀ ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਵਿਚਾਰਸ਼ੀਲ ਸੁਮੇਲ ਤੋਂ ਆਉਂਦੇ ਹਨ।
AI ਦੀ ਡਾਟਾ-ਅਧਾਰਿਤ ਪਹੁੰਚ ਨੂੰ ਕਲਾਸਿਕ ਨਿਯਮਾਂ-ਅਧਾਰਿਤ ਪਹੁੰਚ ਨਾਲ ਵੀ ਜੋੜਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਗ੍ਰੀਨਹਾਊਸ ਆਟੋਮੇਸ਼ਨ ਦੀ ਆਗਿਆ ਮਿਲਦੀ ਹੈ। ਸੰਖੇਪ ਵਿੱਚ, ਉਤਪਾਦਕ ਬਹੁਤ ਸਾਰੇ ਰੋਟ ਸੰਚਾਲਨ ਕਾਰਜਾਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ, ਜੋ ਕਿ ਉਦਯੋਗ ਨੂੰ ਚੁਣੌਤੀ ਦੇਣ ਵਾਲੇ ਪੁਰਾਣੇ ਮਜ਼ਦੂਰ ਮੁੱਦਿਆਂ ਤੋਂ ਰਾਹਤ ਪਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ।
ਡੇਟਾ ਏਆਈ ਲਈ ਬਾਲਣ ਹੈ
ਜਿੰਨਾ ਏਆਈ ਗਣਿਤ ਦੇ ਐਲਗੋਰਿਦਮ ਬਾਰੇ ਹੈ, ਇਹ ਡੇਟਾ ਬਾਰੇ ਵੀ ਹੈ। ਪ੍ਰਸਿੱਧ ਵਿਸ਼ਵਾਸ ਦੇ ਉਲਟ, AI ਵਿੱਚ ਵਰਤੇ ਗਏ ਕੁਝ ਸਭ ਤੋਂ ਆਮ ਐਲਗੋਰਿਦਮ ਦਹਾਕਿਆਂ ਤੋਂ ਚੱਲ ਰਹੇ ਹਨ। ਉਹ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗੁੰਝਲਦਾਰ ਵੀ ਨਹੀਂ ਹਨ. ਪਰ ਸਭ ਤੋਂ ਲੰਬੇ ਸਮੇਂ ਤੋਂ, ਡੇਟਾ ਦੀ ਉਪਲਬਧਤਾ - ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਲਈ ਲੋੜੀਂਦੀ ਕਿਫਾਇਤੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਵਰ ਦੇ ਨਾਲ - ਕਾਰਕਾਂ ਨੂੰ ਸੀਮਿਤ ਕਰ ਰਿਹਾ ਹੈ।
ਏਆਈ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਅਨਲੌਕ ਕਰਨ ਲਈ ਕੰਪਿਊਟਰ ਹਾਰਡਵੇਅਰ ਵਿੱਚ ਇੱਕ ਤਾਜ਼ਾ ਵਿਕਾਸ ਲਿਆ ਗਿਆ। 2007 ਵਿੱਚ ਐਪਲ ਦੁਆਰਾ ਸ਼ੁਰੂ ਕੀਤੀ ਗਈ ਸਮਾਰਟਫੋਨ ਕ੍ਰਾਂਤੀ, ਨੇ ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਵੇਂ ਨਿਰਮਾਣ ਈਕੋਸਿਸਟਮ ਅਤੇ ਸਪਲਾਈ ਚੇਨ ਬਣਾਏ। ਇਸਨੇ ਕੰਪਿਊਟਰ ਹਾਰਡਵੇਅਰ ਦੇ ਬੁਨਿਆਦੀ ਅਰਥ ਸ਼ਾਸਤਰ ਨੂੰ ਬਦਲ ਦਿੱਤਾ, ਜਾਪਦਾ ਹੈ ਕਿ ਰਾਤੋ ਰਾਤ. ਮੁੱਖ ਹਾਰਡਵੇਅਰ ਭਾਗ, ਜਿਵੇਂ ਕਿ ਮਾਈਕ੍ਰੋਪ੍ਰੋਸੈਸਰ, ਰੇਡੀਓ, ਅਤੇ ਸੈਂਸਰ, ਤੇਜ਼ੀ ਨਾਲ ਸਸਤੇ, ਛੋਟੇ ਅਤੇ ਵਧੇਰੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਬਣ ਗਏ ਹਨ। ਕੱਚੇ ਅੰਕੜਿਆਂ ਦੀ ਚਾਲ ਹੜ੍ਹ ਵਿਚ ਬਦਲ ਗਈ। ਡੇਟਾ ਅਤੇ ਕੰਪਿਊਟੇਸ਼ਨਲ ਪਾਵਰ ਦੀ ਨਵੀਂ ਭਰਪੂਰਤਾ ਨੇ ਕੁਝ ਵਪਾਰਕ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਨਾਲ ਇੱਕ ਖੋਜ ਉਤਸੁਕਤਾ ਤੋਂ AI ਨੂੰ ਇੱਕ ਤਕਨੀਕੀ ਸਮੁੰਦਰੀ ਤਬਦੀਲੀ ਵਿੱਚ ਬਦਲਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ।
IoT ਡਾਟਾ ਦੀ ਭਰਪੂਰਤਾ ਲਿਆਉਂਦਾ ਹੈ
1980 ਦੇ ਦਹਾਕੇ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ, ਪਿਟਸਬਰਗ ਵਿੱਚ ਕਾਰਨੇਗੀ ਮੇਲਨ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਗ੍ਰੈਜੂਏਟ ਵਿਦਿਆਰਥੀ ਇੱਕ ਕੋਕਾ-ਕੋਲਾ ਵੈਂਡਿੰਗ ਮਸ਼ੀਨ ਨੂੰ ਖਾਲੀ ਲੱਭਣ ਲਈ ਟ੍ਰੈਕਿੰਗ ਕਰਨ ਤੋਂ ਨਾਰਾਜ਼ ਹੋ ਗਏ। ਉਹਨਾਂ ਨੇ ਇਸਨੂੰ ਸੋਧਿਆ ਤਾਂ ਜੋ ਇਹ ਇੰਟਰਨੈਟ ਤੇ ਇਸਦੀ ਵਸਤੂ ਸੂਚੀ ਦੀ ਰਿਪੋਰਟ ਕਰ ਸਕੇ। ਅਜਿਹਾ ਕਰਦੇ ਹੋਏ, ਉਨ੍ਹਾਂ ਨੇ ਦੁਨੀਆ ਦੇ ਪਹਿਲੇ ਇੰਟਰਨੈਟ ਨਾਲ ਜੁੜੇ ਉਪਕਰਣ ਦੀ ਖੋਜ ਕੀਤੀ।
ਅੱਜ, ਖਪਤਕਾਰ ਇਲੈਕਟ੍ਰੋਨਿਕਸ ਤੋਂ ਲੈ ਕੇ ਉਦਯੋਗਿਕ ਮਸ਼ੀਨਾਂ ਤੱਕ, ਵੱਡੇ ਅਤੇ ਛੋਟੇ ਅਰਬਾਂ ਯੰਤਰ, ਇੰਟਰਨੈੱਟ ਨਾਲ ਕਨੈਕਟ ਹੋਣ ਲਈ ਉਸ ਪਹਿਲੀ ਸੋਡਾ ਮਸ਼ੀਨ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਗਏ ਹਨ, ਜਿਸ ਨੂੰ ਇੰਟਰਨੈੱਟ ਆਫ਼ ਥਿੰਗਜ਼ (IoT) ਵਜੋਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ, ਹਾਰਡਵੇਅਰ ਦੀਆਂ ਪਿਛਲੀਆਂ ਪੀੜ੍ਹੀਆਂ ਦੇ ਉਲਟ - ਜਿਸ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਆਮ ਗ੍ਰੀਨਹਾਊਸ ਆਟੋਮੇਸ਼ਨ ਹੱਲ ਸ਼ਾਮਲ ਹਨ - IoT ਡਿਵਾਈਸਾਂ ਉਸੇ ਕਿਸਮ ਦੇ ਡੇਟਾ ਫਾਰਮੈਟਾਂ ਅਤੇ ਸੰਚਾਰ ਪ੍ਰੋਟੋਕੋਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ ਜਿਵੇਂ ਕਿ ਇੰਟਰਨੈੱਟ 'ਤੇ ਕਿਤੇ ਵੀ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਗਲੋਬਲ ਇੰਟਰਨੈਟ ਮਾਪਦੰਡਾਂ 'ਤੇ ਭਰੋਸਾ ਕਰਕੇ, ਇੱਕ ਕਿਸਮ ਦੇ ਸਿਸਟਮ ਤੋਂ ਦੂਜੇ ਸਿਸਟਮ ਨੂੰ ਜੋੜਨ ਲਈ ਵਾਧੂ ਹਾਰਡਵੇਅਰ ਦੀ ਲੋੜ ਤੋਂ ਬਿਨਾਂ IoT ਡਿਵਾਈਸਾਂ ਨਾਲ ਡੇਟਾ ਦਾ ਆਦਾਨ-ਪ੍ਰਦਾਨ ਕਰਨਾ ਆਸਾਨ ਹੋ ਸਕਦਾ ਹੈ।
ਇਕੱਠੇ, AI ਅਤੇ IoT ਪੂਰਕ ਤਕਨਾਲੋਜੀਆਂ ਹਨ। IoT ਹਾਰਡਵੇਅਰ ਗ੍ਰੀਨਹਾਉਸਾਂ ਤੋਂ ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਵਧੇਰੇ ਆਸਾਨੀ ਨਾਲ ਇਕੱਤਰ ਕਰਨ ਵਿੱਚ ਉਤਪਾਦਕਾਂ ਦੀ ਮਦਦ ਕਰਦਾ ਹੈ। ਅਤੇ AI ਸੌਫਟਵੇਅਰ ਉਤਪਾਦਕਾਂ ਨੂੰ ਫਸਲ ਦੇ ਉਤਪਾਦਨ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਉਸ ਡੇਟਾ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ - ਅਤੇ ਇਸ 'ਤੇ ਕਾਰਵਾਈ ਕਰਦਾ ਹੈ।
ਕੇਸ ਸਟੱਡੀ: ਆਟੋਨੋਮਸ ਗ੍ਰੀਨਹਾਉਸ ਚੈਲੇਂਜ ਵਿੱਚ ਕੇਨੇਥ ਟਰਾਂ ਦੀ ਸਫਲਤਾ
ਡਾ. ਟਰਾਨ: 2018 ਵਿੱਚ, ਮੈਂ ਸੀਏਟਲ ਨੇੜੇ ਮਾਈਕ੍ਰੋਸਾਫਟ ਰਿਸਰਚ ਵਿੱਚ ਇੱਕ AI ਖੋਜਕਾਰ ਸੀ, ਇੱਕ ਨਵੀਂ ਕਿਸਮ ਦੀ AI 'ਤੇ ਕੰਮ ਕਰ ਰਿਹਾ ਸੀ ਜਿਸਨੂੰ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਉੱਥੇ ਮੈਂ ਆਪਣੀ ਖੋਜ ਨੂੰ ਨਿਯੰਤਰਿਤ ਵਾਤਾਵਰਣ ਖੇਤੀਬਾੜੀ ਦੇ ਖੇਤਰ ਵਿੱਚ ਲਾਗੂ ਕਰਨ ਲਈ ਇੱਕ ਨਵਾਂ ਯਤਨ ਸ਼ੁਰੂ ਕੀਤਾ। ਅਖੌਤੀ ਸੋਨੋਮਾ ਪ੍ਰੋਜੈਕਟ ਦੇ ਨਾਲ, ਅਸੀਂ ਓਨਟਾਰੀਓ, ਕੈਨੇਡਾ ਵਿੱਚ ਹੈਰੋ ਰਿਸਰਚ ਸੈਂਟਰ ਵਿੱਚ ਪੌਦਿਆਂ ਦੇ ਵਿਗਿਆਨੀਆਂ ਨਾਲ ਸਹਿਯੋਗ ਕੀਤਾ, ਅਤੇ ਨੀਦਰਲੈਂਡਜ਼ ਵਿੱਚ ਵੈਗਨਿੰਗਨ ਯੂਨੀਵਰਸਿਟੀ ਅਤੇ ਖੋਜ ਦੁਆਰਾ ਆਯੋਜਿਤ ਪਹਿਲੀ ਅੰਤਰਰਾਸ਼ਟਰੀ ਆਟੋਨੋਮਸ ਗ੍ਰੀਨਹਾਊਸ ਚੈਲੇਂਜ ਵਿੱਚ ਮੁਕਾਬਲਾ ਕੀਤਾ।
ਇਸ ਚੁਣੌਤੀ ਵਿੱਚ, ਹਰੇਕ ਟੀਮ ਨੇ ਲਗਭਗ ਚਾਰ ਮਹੀਨਿਆਂ ਦੀ ਮਿਆਦ ਲਈ 315 ਵਰਗ ਫੁੱਟ ਦੇ ਗ੍ਰੀਨਹਾਊਸ ਕੰਪਾਰਟਮੈਂਟ ਵਿੱਚ ਖੀਰੇ ਉਗਾਏ। ਇਹ ਕੰਪਾਰਟਮੈਂਟ ਸਟੈਂਡਰਡ ਪ੍ਰੋਸੈਸ ਕੰਪਿਊਟਰ, ਕਲਾਈਮੇਟ ਸੈਂਸਰ ਅਤੇ ਐਕਟੁਏਟਰਸ ਨਾਲ ਲੈਸ ਸਨ। IoT ਡਿਜ਼ੀਟਲ ਇੰਟਰਫੇਸ (REST APIs) ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਸਾਡੇ AI ਪ੍ਰੋਗਰਾਮ ਲਗਾਤਾਰ ਸੈਂਸਰਾਂ ਤੋਂ ਡਾਟਾ ਪੜ੍ਹ ਸਕਦੇ ਹਨ, ਅਨੁਕੂਲ ਸੈੱਟਪੁਆਇੰਟ ਨਿਰਧਾਰਤ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਸੈੱਟਪੁਆਇੰਟ ਨੂੰ ਪ੍ਰਕਿਰਿਆ ਕੰਪਿਊਟਰਾਂ ਨੂੰ ਵਾਪਸ ਭੇਜ ਸਕਦੇ ਹਨ — ਪੂਰੇ ਇੰਟਰਨੈੱਟ 'ਤੇ (ਹੇਠਾਂ ਚਿੱਤਰ ਦੇਖੋ)। ਚੁਣੌਤੀ ਅਤੇ ਇਸਦੇ ਨਤੀਜਿਆਂ ਬਾਰੇ ਹੋਰ ਵੇਰਵੇ ਦੁਆਰਾ ਇੱਕ ਲੇਖ ਵਿੱਚ ਪਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਹੇਮਿੰਗ ਐਟ ਅਲ. (2019).
ਖੀਰੇ ਉਗਾਉਣ ਵਿੱਚ ਸਾਡੇ ਅਨੁਭਵ ਦੀ ਘਾਟ ਅਤੇ ਸਾਡੇ ਬਹੁਤ ਹੀ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਦੇ ਪ੍ਰੋਟੋਟਾਈਪ ਦੇ ਬਾਵਜੂਦ, ਸਾਡਾ ਖੁਦਮੁਖਤਿਆਰ ਵਧ ਰਿਹਾ ਹੱਲ ਮੁਕਾਬਲਾ ਜਿੱਤਣ ਦੇ ਯੋਗ ਸੀ। ਅਸੀਂ ਦੂਜੇ ਸਥਾਨ ਦੀ ਟੀਮ ਨੂੰ ਵੀ ਪਛਾੜ ਦਿੱਤਾ, ਮਾਹਰ ਡੱਚ ਉਤਪਾਦਕਾਂ ਦੀ ਬਣੀ ਸੰਦਰਭ ਟੀਮ, 6% ਵੱਧ ਝਾੜ ਦੇ ਨਾਲ। ਉਪਜ ਵਿੱਚ ਉਹ ਮਾਰਜਿਨ ਓਪਰੇਟਿੰਗ ਲਾਭ ਵਿੱਚ 17% ਵਾਧੇ ਦੇ ਬਰਾਬਰ ਸੀ।
ਕੀ ਸੰਦਰਭ ਟੀਮ ਨੇ ਮਾੜਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ? ਬਿਲਕੁਲ ਨਹੀਂ. ਬਹੁਤ ਸਾਰੇ ਮਾਹਰਾਂ ਦੇ ਅਨੁਸਾਰ, ਉਹਨਾਂ ਨੇ ਸ਼ਾਨਦਾਰ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ. ਉਨ੍ਹਾਂ ਦੀ ਉਪਜ ਲਗਭਗ 50 ਕਿਲੋਗ੍ਰਾਮ ਪ੍ਰਤੀ ਮੀਟਰ ਸੀ2 ਚਾਰ ਮਹੀਨਿਆਂ ਦੀ ਮਿਆਦ ਵਿੱਚ, ਜੋ ਕਿ ਲਗਭਗ 150 ਕਿਲੋਗ੍ਰਾਮ/ਮੀ ਦੇ ਬਰਾਬਰ ਹੈ2 ਪ੍ਰਤੀ ਸਾਲ. ਇਸ ਨੂੰ ਗ੍ਰਹਿ 'ਤੇ ਕਿਤੇ ਵੀ ਗ੍ਰੀਨਹਾਉਸ ਲਈ ਉੱਚ ਉਪਜ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ।
ਆਟੋਨੋਮਸ ਗ੍ਰੀਨਹਾਉਸ ਚੈਲੇਂਜ ਦੇ ਨਤੀਜੇ ਵਜੋਂ, ਮੈਂ 2020 ਵਿੱਚ ਕੋਇਡਰਾ ਦੀ ਸਥਾਪਨਾ ਕੀਤੀ ਤਾਂ ਜੋ ਸਾਡੀਆਂ ਸਿੱਖਿਆਵਾਂ ਨੂੰ ਸਿੱਧੇ ਰੂਪ ਵਿੱਚ ਬਣਾਇਆ ਜਾ ਸਕੇ ਅਤੇ ਖੇਤੀਬਾੜੀ ਅਤੇ ਹੋਰ ਉਦਯੋਗਿਕ ਨਿਯੰਤਰਣ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ AI ਅਤੇ IoT ਵਿੱਚ ਅਤਿ-ਆਧੁਨਿਕਤਾ ਨੂੰ ਅੱਗੇ ਵਧਾਇਆ ਜਾ ਸਕੇ।
AI ਅਤੇ IoT ਬਾਰੇ ਸਹੀ ਸਵਾਲ ਪੁੱਛਣਾ
ਅੱਜ, ਵਧੇਰੇ ਗ੍ਰੀਨਹਾਊਸ ਉਤਪਾਦਕ AI ਅਤੇ IoT ਨੂੰ ਅਪਣਾਉਣ ਲਈ ਤਿਆਰ ਅਤੇ ਤਿਆਰ ਹਨ। ਮੁੱਖ ਚੁਣੌਤੀ ਮਾਰਕੀਟ 'ਤੇ ਉਤਪਾਦਾਂ ਦੀ ਸਮਝ ਬਣਾਉਣਾ ਅਤੇ ਸਾਰੇ ਮਾਰਕੀਟਿੰਗ ਭਾਸ਼ਣਾਂ ਰਾਹੀਂ ਜਾਣ ਦੇ ਯੋਗ ਹੋਣਾ ਹੈ। ਬਹੁਤ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ ਉਤਸੁਕਤਾ ਨਾਲ ਦਾਅਵਾ ਕਰਦੀਆਂ ਹਨ ਕਿ ਉਹਨਾਂ ਕੋਲ ਇੱਕ AI ਐਲਗੋਰਿਦਮ ਜਾਂ IoT ਡਿਵਾਈਸ ਹੈ ਜੋ ਗ੍ਰੀਨਹਾਉਸਾਂ ਲਈ ਕੰਮ ਕਰੇਗੀ।
ਏਆਈ ਸੌਫਟਵੇਅਰ ਅਤੇ ਆਈਓਟੀ ਹਾਰਡਵੇਅਰ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਸਮੇਂ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣ ਲਈ ਇੱਥੇ ਕੁਝ ਮੁੱਖ ਵਿਚਾਰ ਹਨ:
- ਪ੍ਰਦਰਸ਼ਨ: ਉਤਪਾਦਕਾਂ ਨੂੰ ਠੋਸ, ਅਸਲ-ਸੰਸਾਰ ਲਾਭ ਦੇਖਣ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਪੁੱਛੋ: ਕੀ ਉਪਜ ਅਤੇ ਸਰੋਤ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਲਈ ਵਪਾਰਕ ਉਤਪਾਦਨ ਵਿੱਚ AI ਸਾਬਤ ਹੋਇਆ ਹੈ? ਕਿਨ੍ਹਾਂ ਸ਼ਰਤਾਂ ਅਧੀਨ? AI ਅਤੇ IoT ਸਾਫਟਵੇਅਰ ਵਿਕਸਿਤ ਕਰਨ ਵਿੱਚ ਕੰਪਨੀ ਦਾ ਟਰੈਕ ਰਿਕਾਰਡ ਕੀ ਹੈ?
- AI ਡਿਜ਼ਾਈਨ: ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ AI ਹੱਲ ਫੈਸਲੇ ਲੈਣ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਨਾਲ ਮਨੁੱਖੀ ਬੁੱਧੀ ਦੇ ਸਭ ਤੋਂ ਵਧੀਆ ਨੂੰ ਜੋੜਦੇ ਹਨ। ਪੁੱਛੋ: ਏਆਈ ਮਾਡਲ ਮੌਜੂਦਾ ਗਿਆਨ ਦੇ ਸਰੀਰ ਦਾ ਕਿਵੇਂ ਲਾਭ ਉਠਾਉਂਦਾ ਹੈ? ਇਹ ਕਿਵੇਂ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਹੋਰ ਡੇਟਾ ਦੇ ਨਾਲ ਸਮੇਂ ਦੇ ਨਾਲ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਸੁਧਾਰ ਹੋਵੇਗਾ?
- ਸਾਫਟਵੇਅਰ ਡਿਜ਼ਾਈਨ: ਉਤਪਾਦਕਾਂ ਨੂੰ ਗ੍ਰੀਨਹਾਉਸ ਕਾਰਜਾਂ ਦੇ ਨਿਯੰਤਰਣ ਵਿੱਚ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ। ਪੁੱਛੋ: ਫਸਲਾਂ ਦੀ ਸੁਰੱਖਿਆ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਿਹੜੇ ਸਾਫਟਵੇਅਰ ਡਿਜ਼ਾਈਨ ਸਿਧਾਂਤ ਵਰਤੇ ਜਾਂਦੇ ਹਨ? ਕੀ ਮੈਂ ਹਰ ਸਮੇਂ ਮੈਨੂਅਲ, ਸਿਫ਼ਾਰਿਸ਼, ਅਤੇ ਆਟੋਪਾਇਲਟ ਮੋਡਾਂ ਵਿਚਕਾਰ ਆਸਾਨੀ ਨਾਲ ਬਦਲ ਸਕਦਾ ਹਾਂ?
- ਡਾਟਾ ਮਲਕੀਅਤ: ਉਤਪਾਦਕਾਂ ਨੂੰ ਆਪਣੇ ਡੇਟਾ ਦਾ ਮਾਲਕ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ "ਵਿਕਰੇਤਾ ਲਾਕ-ਇਨ" ਤੋਂ ਬਚਣਾ ਚਾਹੀਦਾ ਹੈ। ਪੁੱਛੋ: ਕੀ ਮੈਂ ਆਸਾਨੀ ਨਾਲ ਦੂਜੇ ਸਿਸਟਮਾਂ ਤੋਂ ਡਾਟਾ ਆਯਾਤ ਕਰ ਸਕਦਾ ਹਾਂ? ਕੀ ਮੈਂ ਆਪਣੇ ਖੁਦ ਦੇ ਡੇਟਾ ਦਾ ਬੈਕਅੱਪ ਲੈ ਸਕਦਾ ਹਾਂ ਅਤੇ ਨਿਰਯਾਤ ਕਰ ਸਕਦਾ ਹਾਂ? ਕੀ ਇੱਥੇ ਏਪੀਆਈ ਹਨ ਜੋ ਲਾਈਵ ਡੇਟਾ ਐਕਸੈਸ ਅਤੇ ਕਸਟਮ ਏਕੀਕਰਣ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ? ਕੀ ਮੈਂ ਹੁਣ ਅਤੇ ਭਵਿੱਖ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਵਿਕਰੇਤਾਵਾਂ ਤੋਂ ਸੌਫਟਵੇਅਰ ਅਤੇ ਹਾਰਡਵੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹਾਂ?
AI ਅਤੇ IoT ਉਤਪਾਦਕਾਂ ਨੂੰ ਸ਼ਕਤੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ
ਇੱਕ ਅਜਿਹੀ ਦੁਨੀਆਂ ਵਿੱਚ ਜਿੱਥੇ ਨਾਜ਼ੁਕ ਸਰੋਤ — ਪਾਣੀ ਅਤੇ ਊਰਜਾ, ਨਾਲ ਹੀ ਸਮਾਂ, ਪੈਸਾ ਅਤੇ ਹੁਨਰਮੰਦ ਮਜ਼ਦੂਰ — ਵਧੇਰੇ ਦੁਰਲੱਭ ਹੁੰਦੇ ਜਾ ਰਹੇ ਹਨ, ਇਸ ਬੋਝ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਨਵੀਆਂ ਤਕਨੀਕਾਂ ਦੀ ਖੋਜ ਕਰਨਾ ਸਮਝਦਾਰ ਹੈ। ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਆਟੋਨੋਮਸ ਗ੍ਰੀਨਹਾਊਸ ਚੈਲੇਂਜ ਤੋਂ ਸਿੱਖਿਆ ਹੈ, ਉਤਪਾਦਕ ਅਸਲ ਵਿੱਚ AI ਸੌਫਟਵੇਅਰ ਅਤੇ IoT ਹਾਰਡਵੇਅਰ ਦੀ ਵਰਤੋਂ ਨਾਲ ਵਧੇਰੇ ਉਪਜ ਅਤੇ ਉੱਚ ਸਰੋਤ ਵਰਤੋਂ ਕੁਸ਼ਲਤਾ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ। ਹੋਰ ਕੀ ਹੈ, ਇਹ ਤਕਨਾਲੋਜੀਆਂ ਤੇਜ਼ ਰਫ਼ਤਾਰ ਨਾਲ ਵਿਕਸਤ ਅਤੇ ਉੱਨਤ ਹੁੰਦੀਆਂ ਰਹਿੰਦੀਆਂ ਹਨ।
ਆਖਰਕਾਰ, AI ਅਤੇ IoT ਗ੍ਰੀਨਹਾਉਸ ਉਤਪਾਦਕਾਂ ਨੂੰ ਸੱਚਮੁੱਚ ਸ਼ਕਤੀ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ — ਬਿਹਤਰ ਫੈਸਲੇ ਲੈਣ ਲਈ, ਘੱਟ ਨਾਲ ਜ਼ਿਆਦਾ ਕਰਨ ਲਈ — ਵਿਸ਼ਵ ਦੇ ਭੋਜਨ ਨੂੰ ਵਧੇਰੇ ਟਿਕਾਊ ਰੂਪ ਨਾਲ ਵਧਾਉਣ ਲਈ।