微软近日宣布开源了AI模型FarmVibes.AI,农场经营者可以使用这些模型更有效地进行农场运营,比如种植农作物。
FarmVibes.AI是微软在Project FarmVibes计划下开发的其中一项技术。据微软称,该计划旨在使用软件和传感器等互连设备来实现更高效的农业,并且微软最终计划开源Project FarmVibes下开发的所有技术。
这次公布的FarmVibes.AI工具包中包括了四种AI算法,这些算法旨在帮助农场经营者收集有关其作物的数据并利用这些数据来优化日常工作。
第一个算法是Async Fusion,可以把来自农场传感器的数据与卫星和无人机图像相结合。该算法有助于创建生成农场地图,用于确定执行农业任务的最佳方式。例如,农场经营者可以创建一张地图,指出在给定地块中播种的最佳方式,并突出显示拖拉机无法轻松导航的农场区域。
FarmVibes.AI工具包中的第二种算法是SpaceEye,该算法可以更轻松地处理农场地图中使用的卫星数据。当农场上方有云时,通常无法获得最新的卫星图像。SpaceEye算法可以使用来自卫星雷达仪器的测量值代替图像,即使有云层覆盖也可以运行。
第三种算法是DeepMC,该算法可帮助农场经营者预测温度和风速。DeepMC算法利用气象站预报以及来自联网农场传感器的数据。据微软称,该算法可以确定执行那些只能在特定天气条件下执行的农业任务的最佳时间。
FarmVibes.AI 中的第四个软件工具可以帮助农场经营者实施可持续发展计划。根据微软的说法,它可以估计不同的耕作方式将如何影响农场土壤中的碳封存量,此外还适用于其他任务,例如确定提高作物产量的方法。
“在微软,我们正在努力为种植者提供数据和人工智能,以增强他们对农业的了解,并帮助他们以可持续的方式种植营养食品,”微软工业研究董事总经理Ranveer Chandra说。
微软通过Project FarmVibes计划开发了FarmVibes.AI,此外还包括其他几项技术。
例如其中FarmVibes.Connect是一组硬件和软件工具,用于在农场中提供互联网连接。据微软称,该工具包利用无线电频谱中未使用的部分来建立无线连接。还有FarmVibes.Edge,也是在Project FarmVibes下开发的技术,可以压缩农场和作物数据,从而简化将数据上传到云端用于分析的任务。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。