Фото: із відкритих джерел
У CGIAR описали перехід від окремих цифрових експериментів до практичного використання інструментів ШІ в селекції — від роботів і дронів для фенотипування до моделей комп’ютерного зору та мовних моделей для роботи із запитами фермерів.
Про це повідомляє сайт Аграрії разом з посиланням на сайт Global Agriculture.
CGIAR у колонці старшого наукового співробітника IFPRI Джаву Ку (Jawoo Koo) описав, як селекційні програми поступово переходять до «селекції разом із ШІ» — коли алгоритми вбудовуються у щоденні робочі процеси селекціонерів, а не залишаються окремими пілотами.
Як приклад ранніх випробувань автор наводить експерименти в Колумбії на ділянках селекції кормових культур CGIAR, де тестували роботизовані системи фенотипування Mineral, розроблені у партнерстві з Google. За його словами, приблизно з 2022 року подібні роботи почали випробовувати в різних селекційних програмах, щоб швидше й точніше збирати польові дані. Робот був оснащений сенсорами, які мали допомагати вимірювати ознаки рослин і виявляти хвороби безпосередньо в полі.
У матеріалі підкреслюється, що це лише один із багатьох експериментів. За останні роки науковці CGIAR та партнери тестували різні цифрові рішення для селекції — від лабораторних платформ генотипування до дронів для фенотипування на селекційних ділянках. Частина технологій виявлялася надто дорогою, інші — складними для адаптації до місцевих умов, і не всі інновації масштабувалися.
Чому фенотипування стало ключовою точкою для ШІ
CGIAR називає селекцію одним із найпотужніших інструментів у боротьбі з голодом і недоїданням, але водночас — процесом, що потребує багато часу. За оцінкою автора, виведення нового сорту може тривати понад десятиліття, і значна частина цього часу припадає на фенотипування — вимірювання характеристик рослин, на основі яких ухвалюють рішення щодо відбору.
Фенотипування, як зазначено в колонці, досі часто виконується вручну: селекціонери проходять ділянки з нотатниками або планшетами та візуально оцінюють рослини. Це займає багато часу й може давати різну якість даних залежно від локації та сезону.
Як саме ШІ планують застосовувати в селекційних програмах
За даними CGIAR, селекційні програми найближчим часом зможуть використовувати моделі комп’ютерного зору для аналізу зображень, зібраних мобільними телефонами, дронами та роботизованими системами. Такі інструменти, за описом автора, здатні швидко витягувати інформацію про ключові ознаки з тисяч ділянок — у масштабі, який важко забезпечити лише ручними спостереженнями.
При цьому в матеріалі окремо наголошується, що роль селекціонера залишається центральною: людська експертиза є незамінною, а ШІ-вимірювання мають доповнювати польові оцінки, підвищувати узгодженість даних і прискорювати селекційні «конвеєри».
Мовні моделі: від запиту насіння до аналізу потреб фермерів
Окремий блок у колонці присвячено великим мовним моделям. Автор припускає, що в перспективі партнери «на місцях» зможуть підбирати найбільш відповідне насіння для фермерів і запитувати його через діалог із ШІ-чатботом, замінюючи повільні та фрагментовані процеси, які зараз часто тримаються на електронному листуванні.
Також, за його словами, мовні моделі починають використовувати для кращого розуміння потреб фермерів: селекціонери можуть записувати розмови місцевими мовами, а ШІ-інструменти — виявляти закономірності у вподобаннях, проблемах і бар’єрах для впровадження поліпшених сортів. Це, як зазначено, має допомагати в розробці нових сортів.
Партнерства та зміни в польових протоколах
У CGIAR пов’язують прогрес із партнерствами між аграрними науковцями, національними селекційними програмами, урядами, національними дослідницькими та дорадчими системами (NARES) і технологічними організаціями. У тексті згадано, що співпраця з технічними партнерами на кшталт Google дала доступ до сучасної ШІ-інфраструктури, а підтримка ініціатив, які фінансуються урядом Великої Британії, допомагає застосовувати моделі ШІ для прогнозування фенотипів безпосередньо з генотипів.
Водночас автор підкреслює: щоб ШІ працював у реальних селекційних процесах, інколи потрібні зміни не лише в алгоритмах, а й у польових практиках. Як приклади він наводить ситуації, коли в окремих випробуваннях зі скринінгу хвороб або спеціалізованих фенотипувальних експериментах коригування схем висіву чи планування ділянок може покращити якість зображень і зменшити помилки в ШІ-вимірюваннях. Також згадується дискусія на конференції дослідників феноміки рослин про ознаки форми пологу (canopy shape traits), які можуть підвищувати ефективність збирання врожаю роботами.
Що це означає для агровиробників
Логіка, яку описує CGIAR, зводиться до того, що швидше й більш стандартизоване фенотипування може скорочувати час ухвалення селекційних рішень і, відповідно, прискорювати появу нових сортів, стійкіших до кліматичних стресів, шкідників і хвороб та більш відповідних до змін попиту. Окремо підкреслюється потенціал інструментів, які допомагають системніше враховувати зворотний зв’язок фермерів у процесі створення сортів.
Технічні акценти, згадані в матеріалі
- Роботизоване фенотипування Mineral у польових умовах (випробування на селекційних ділянках CGIAR у Колумбії) у партнерстві з Google.
- Збір даних у полі за допомогою сенсорів для вимірювання ознак рослин і виявлення хвороб.
- Моделі комп’ютерного зору для аналізу зображень із мобільних телефонів, дронів і роботизованих систем.
- Застосування мовних моделей для взаємодії із запитами на насіння та для аналізу розмов із фермерами місцевими мовами (виявлення патернів у вподобаннях і бар’єрах до впровадження сортів).
- Згадка про підходи до прогнозування фенотипів із генотипів за підтримки ініціатив, що фінансуються урядом Великої Британії.
- Можливі зміни в схемах висіву/плануванні ділянок для підвищення якості зображень і зниження помилок ШІ-вимірювань у спеціалізованих випробуваннях.