農業の「人工知能」活用を阻む最大の壁は何か センサーの限界を逆手にとった「ノイズだらけのデータ」の活用 | JBpress (ジェイビープレス)
（篠原 信：農業研究者） もう5年ほど前になるだろうか。「水耕栽培で人工知能を用いて、生産を最大化し、病気を予防する技術を作りたい」として、相談にみえた企業があった。話によると、水耕液に電極を突っ込んでデータを大量に集積し、それを人工知能に学ばせて、肥料を与えるタイミングや量を最適化し、病気を予防し、生産量を向上させる技術開発を実現したいのだという。 私はひとしきり話を聞いたあと、「難しいでしょう」と答えた。すると相手研究者は、私が人工知能のことをあまり詳しく知らないのだと思って、「最近、ディープラーニング、つまり深層学習というのが誕生しまして・・・」と解説してくれた。それも一通り伺った後、私は次のように答えた。 「やはり、難しいと思います。たぶん、大事なことをご存じないのだと思います。 農業現場で使えるセンサーは、事実上、pHメーター（酸性かアルカリ性かを測定する機械）とECメーター（水
TeslaとGoogleの自動運転の最大の違いは「センサー」にあり｜決算が読めるようになるノート
先日、「Google: 完全自動運転型の自動運転車の開発を事実上の断念」というニュースが出ました。 実はこのニュースはあまり正確ではなくて、もともとGoogleは、自社で車まで作るという発想ではなく Google: We're not building self-driving cars, we're building the driver.という発想で、自動運転技術のみを作るということを明言していました。 一方で冒頭の記事は、自動運転に対するアプローチの違い、特にTeslaとGoogleのアプローチの違いを明確にしていることもあり、それを取り上げてみたいと思います。 自動運転技術を作る上で最も重要なもの 自動運転を可能にするためには、膨大なデータが必要になります。 ここでいうデータというのは、実際にドライバーが目で見ている情報、耳で聞こえている情報、といった「入力」と、ドライバーが実際に
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
