Чтобы сократить потребление воды на 15-30% при орошении поля, получить более равномерный рост растений, и увеличить урожай - необходимо порядка 220 датчиков на 1 км2 посевной площади, которые объединены в единую сеть и управляются модулями ИИ построенным на Google PaLM 2. 1 Датчик стоит порядка 10$ включает в себя модуль WiFi сенсор температуры и влаги с несколькими уровнями в зависимости от глубинны инсталляции датчика и все. Объединенные в сеть датчики позволяют точно определять уровень объема влаги в почве и температуру, далее включать системы орошения точечно, там где это нужно. Дополнительно модуль ИИ на основе «скормленных ему данных» может определять скорость роста урожая и выделять на поле сегменты, которые требуют дополнительных удобрений или полива, потому что активно растущее растение выделят больше тепла, чем болезненные или нуждающееся во внимании. Для питания инсталляции используются портативные мини солнечные батареи и подключение к интернету. Фактически управлять полем может оператор в офисе в городе, с минимальным вовлечение людей + видеть всю картину эффективности поля на экране. Artificial intelligence in the agri-food sector (European Parliamentary Research Service) – актуальное исследование, посвященное использованию ИИ в аграрном секторе. Понимаю, не всем оно будет интересно, но я хочу показать на примере выше, как ИИ может помогать в тех или иных отраслях не словом а делом. По моему мнению одной из важных компетенций в ИИ является умение правильно читать потребности той или иной отрасли и уметь накладывать на нее доступные возможности ИИ. Вероятно, это будет новая профессия в будущем.