現(xiàn)代農(nóng)業(yè)高度依賴于「蜜蜂」這一物種。
事實上,整個生態(tài)系統(tǒng),包括我們吃下的食物,以及我們呼吸的空氣,都與這種小小的“傳粉載體”密切關(guān)聯(lián)。但根據(jù)世界蜜蜂項目(The World Bee Project)執(zhí)行總裁Sabiha Rumani Malik的說法,目前這種傳輸媒介(蜜蜂)的數(shù)量正在減少,而其與甲骨文公司之間的有趣合作,則讓該項目掌握了人工智能、物聯(lián)網(wǎng)與大數(shù)據(jù)的力量,有望徹底扭轉(zhuǎn)這一不利趨勢。
根據(jù)政府生物多樣性與生態(tài)系統(tǒng)服務(wù)科學(xué)政策平臺(IPBES)發(fā)布的報告,蜜蜂這種傳粉媒介正處于危險之中。
蜜蜂瀕臨滅絕的原因很多,包括棲息地遭到破壞、城市化進程加劇、農(nóng)藥過量使用、污染、開花植物分散化、掠食性動物與寄生蟲威脅、以及氣候變化等等。
但直到“世界蜜蜂項目”建立之前,還沒有哪項全球性計劃著手從蜜蜂種群乃至全球化視角嘗試研究并解決這個難題。
正是由于蜜蜂及其他授粉媒介(例如蝴蝶)的存在,才讓地球上的植物演化為通過種子進行繁殖的形態(tài)。根據(jù)美國農(nóng)業(yè)部(USDA)的數(shù)據(jù),全球35%的糧食作物與四分之三的開花植物,都依賴蜜蜂及其他授粉媒介,才能繁衍存續(xù)。
實際上,為了確保加利福尼亞州的杏仁類作物能夠得到及時授粉,美國每年需要將大部分蜂箱運往加州地帶,以保障授粉成功率。另外,蜜蜂一直在幫助全球90%的主要農(nóng)作物進行授粉,包括各類果樹、咖啡、香草以及棉花等等。而植物的正常生長,也通過光合作用為整個地球補充至關(guān)重要的氧氣含量。
如果授粉媒介在數(shù)量或者生存狀態(tài)上不足以履行這項重要職責,那么全球農(nóng)作物的生產(chǎn)、糧食安全、生物多樣性以及空氣質(zhì)量都將受到嚴重沖擊。蜜蜂則是世界上最重要的授粉媒介之一。全球高達40%的人群依賴于蜜蜂獲取營養(yǎng)供應(yīng)。目前,仍有約20億人體內(nèi)缺乏必要的微量元素。
Malik表示,“我們的生活,與蜜蜂種群有著緊密的內(nèi)在聯(lián)系。”
“世界蜜蜂項目”是第一家發(fā)起并致力于監(jiān)控全球蜜蜂種群變化的私人協(xié)調(diào)組織。自2014年建立以來,該組織召集眾多科學(xué)家,共同研究全球蜜蜂數(shù)量下降問題,并向農(nóng)民、政府、養(yǎng)蜂人以及其他組織提供與此相關(guān)的咨詢見解。
2018年,該項目決定采購甲骨文云技術(shù)服務(wù),希望借此破解全球蜜蜂數(shù)量下降的秘密。與之對應(yīng),“世界蜜蜂項目”旗下的「Hive Network」也由此誕生。
我們?nèi)绾卫每萍颊让鄯浞N群?最直觀的方式當然是利用高新科技協(xié)助養(yǎng)蜂,其中的基本思路與其他創(chuàng)新項目相同。
首先,通過麥克風(fēng)與攝像頭等物聯(lián)網(wǎng)傳感器觀察侵入性掠食者的動向,并從蜜蜂及蜂巢當中收集相關(guān)數(shù)據(jù)。近年來如火如荼的新興方案與創(chuàng)新成果——包括無線技術(shù)、機器人技術(shù)以及計算機視覺等——能夠為這類問題提供新的洞見與解決方案。
反映蜂巢健康狀況的核心指標之一,就是蜂巢產(chǎn)生的聲音。因此,數(shù)據(jù)收集工作的關(guān)鍵,就是“聆聽”蜂箱中的動靜,以確定聚落的健康狀況、活動強度與行為傾向,同時結(jié)合溫度、濕度、蜂房所在地天氣條件以及蜂巢重量等其他重要指標。這些音頻與視頻傳感器,還能夠及時檢測到「黃蜂」這種嚴重威脅蜜蜂生存安全的物種。
接下來,相關(guān)數(shù)據(jù)將被輸入至甲骨文云,由甲骨文AI算法對內(nèi)容進行分析。算法能夠查找其中的模式,并嘗試預(yù)測蜂巢的整體情況,例如孵化活動是否能夠正常進行。
再將這些結(jié)論分享給養(yǎng)蜂人及環(huán)境保護主義者,他們就能及時介入以保護蜂箱安全。另外,整套系統(tǒng)接入全球網(wǎng)絡(luò),因此相關(guān)算法能夠快速了解世界范圍內(nèi)不同地區(qū)間的蜂群差異信息。學(xué)生、研究人員甚至是對此抱有興趣的普通民眾,都可以隨時進行數(shù)據(jù)交互、通過Hive Network的開放API使用數(shù)據(jù),并通過聊天機器人進行討論。
如上文所述,音頻與視頻傳感器能夠及時檢測到黃蜂這種嚴重威脅蜜蜂生存安全的物種。黃蜂振翅時發(fā)出的聲音與普通蜜蜂不同,AI能夠自動識別出黃蜂的存在,并警告養(yǎng)蜂人及時應(yīng)對相關(guān)威脅。
在新興技術(shù)的支持下,“世界蜜蜂項目”得以快速共享實時信息并收集資源,幫助我們拯救地球上的蜜蜂種群。Malik也感慨道,“我們與甲骨文云之間的合作關(guān)系,堪稱自然與技術(shù)之間的一次非凡結(jié)合。”事實證明,科技成果正幫助“世界蜜蜂項目”的「Hive Network」在全球范圍內(nèi)持續(xù)擴大影響力,引導(dǎo)無數(shù)參與者更快、更有效地拯救蜜蜂這一珍貴物種。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。