Фото: із відкритих джерел
У Хайдарабаді відбувся навчальний воркшоп CIMMYT-BISA з ШІ-орієнтованої селекції та менеджменту даних, у якому взяли участь 33 селекціонери пшениці та кукурудзи з індійської науково-дослідної системи. Організатори наголошують: ШІ не замінює селекціонера, але може прискорювати та уточнювати рішення за умови якісних даних і коректного дизайну дослідів.
Про це повідомляє сайт Аграрії разом з посиланням на сайт Global Agriculture.
У Хайдарабаді (Індія) CIMMYT-BISA організували Training Workshop on AI-driven Crop Breeding and Data Management, присвячений використанню штучного інтелекту в селекції та роботі з даними. У тренінгу взяли участь 33 селекціонери пшениці та кукурудзи з Національної аграрної дослідної системи Індії (зокрема установ ICAR і державних аграрних університетів), а також представники CIMMYT і BISA.
Дискусію відкрили провокативним запитанням: чи може ШІ замінити селекціонерів. Конвенер воркшопу, Distinguished Scientist CIMMYT і регіональний директор по Азії Б.М. Прасанна відповів, що ні, але ШІ «трансформуватиме селекцію найближчим часом», оскільки його цінність — у підсиленні експертизи селекціонера та допомозі ухвалювати швидші й більш обґрунтовані рішення на основі складних мультимодальних даних.
«No. It will, however, transform crop breeding in the near future. AI’s value is in augmenting breeders’ expertise and helping them make faster, and more informed decisions using complex multimodal data», — зазначив Б.М. Прасанна.
Кількісний генетик CIMMYT Крістіан Вернер, який представив підхід організації до застосування ШІ в селекції, підкреслив, що ключовим стає вміння адаптуватися до нових технологій і працювати з ними.
«Breeders who adapt and learn to work with emerging technologies will be better equipped for the future», — сказав Крістіан Вернер.
ШІ як частина селекційного циклу, а не «окремий інструмент»
У матеріалі наголошується: майбутнє селекції визначається не стільки питанням, чи здатен ШІ виконувати окремі завдання, які раніше робили люди, скільки готовністю селекціонерів працювати з новими підходами — від систем даних до навичок інтерпретації результатів. На тлі швидких змін клімату та виробничих умов селекційні програми оперують дедалі більшими масивами геномних, фенотипових, екологічних і управлінських даних. Відповідно, виклик зміщується від «збирання даних» до перетворення їх на кращі селекційні рішення.
Окремий акцент зробили на тому, що доступ до технологій не дорівнює здатності застосовувати їх правильно. За словами Вернера, «реальна спроможність» полягає в розумінні, як і коли використовувати інструменти — і коли від них варто відмовитися.
Тренінг вибудували навколо інтеграції ШІ у селекційний цикл: від дизайну експерименту, польового збору даних і фенотипування — до управління даними, аналізу, геноміки та ухвалення селекційних рішень. Один із наскрізних висновків, який повторювали на різних етапах навчання: ШІ настільки корисний, наскільки якісні дані та наукове судження стоять за моделями. «Складні моделі не можуть компенсувати погано спроєктовані експерименти, неповні спостереження або ненадійну інформацію», — йдеться в публікації.
Інструменти та практичні демонстрації
За даними джерела, учасники працювали з низкою платформ і інструментів, зокрема:
- Enterprise Breeding System,
- E-Agrology,
- Fairgrounds,
- Field Book.
Також проводили демонстрації збору даних дронами на дослідних полях. Для підходів, що базуються на зображеннях, згадуються платформи Hiphen і Cloverfield — як приклади того, як цифрові методи можуть розширювати перелік ознак, які селекціонер здатен спостерігати та вимірювати.
Окремі сесії, які вели представники команди Data Science CIMMYT (Кіт Гарднер, Кейт Дрехер та Анджела Пачеко), були присвячені переходу від цифрового польового збору даних і фенотипування до централізованого управління даними та ШІ-асистованого аналізу. У матеріалі підкреслюється, що перед «просунутими» застосуваннями учасників повертали до основ: дизайн експерименту, стандартизація інформації, контроль якості та валідація даних.
Від «більше даних» до кращих рішень
Як зазначив керівник напряму Data Science у CIMMYT Кіт Гарднер, для кращих селекційних рішень потрібні не лише якісні дані, а й системи, які дозволяють стандартизувати інформацію, безпечно нею керувати та перетворювати її на знання.
«This requires not only high-quality data, but systems that allow breeding information to be standardized, securely managed and transformed into knowledge», — наголосив Кіт Гарднер.
Через Bioflow учасники розглядали аналітичні підходи — від аналізу випробувань до добору батьківських форм. Окремі сесії також стосувалися застосувань ШІ в біоінформатиці, геноміці та модифікації генних мереж — на прикладах кейсів, представлених Хуіхуей Лі, професоркою та директоркою в Chinese Academy of Agricultural Sciences.
Водночас автори матеріалу підкреслюють: зі зростанням автоматизації аналітичних задач роль наукового судження не зменшується. Селекціонер має оцінювати придатність даних, перевіряти, чи мають результати біологічний сенс, і вчасно ставити під сумнів «переконливі» виходи моделі.
Що це означає для селекційних програм
У публікації CIMMYT-BISA тренінг описують як вступний рівень (primer) із наміром продовжувати навчання через майбутні програми, додаткові практичні сесії та демонстрації прикладних кейсів. За логікою організаторів, посилення компетенцій окремого селекціонера може підсилювати команду, а масштабування таких навичок між установами — національну селекційну систему.
Серед прикладів практичного «післяефекту» згадується H.B. Mahesh з University of Agricultural Sciences, Bangalore, який планує повернутися до матеріалів воркшопу зі студентами та поділитися напрацюваннями з молодими дослідниками. Reena Saharan з ICAR-Indian Institute of Wheat and Barley Research (ICAR-IIWBR) назвала тренінг актуальним для швидкозмінного середовища селекції та зазначила, що частина підходів із ШІ, машинного навчання та менеджменту даних може бути безпосередньо застосована в її дослідженнях; водночас вона висловила побажання щодо більшої кількості практики в майбутніх навчаннях.
Повертаючись до стартового запитання про «заміну» селекціонера, автори матеріалу підсумовують: більш важливим є те, чи отримують фахівці сьогодні знання та системи, які дозволять їм вести завтрашні дослідження та розробки в рослинництві. Інструменти змінюватимуться, але відповідальність за постановку правильних запитань, інтерпретацію доказів і ухвалення рішень залишається за людиною.