久览耕牛犁厚土,今观科技展头酬,当云平台与农业碰撞在一起会产生怎样的火花?华为农业沃土云平台就是最好的答案。根据媒体报道,此前由袁隆平团队研发的 “耐盐碱水稻”(俗称海水稻)借助华为云平台已在青岛城阳区试种成功,这标志着云计算、人工智能、物联网等诸多信息技术开始同传统农业结合,掀起一场智慧农业变革。
中国是世界上人口最多的国家,尽管有着上千年农耕历史,但一直以来受制于地理情况制约,可耕种的农田面积并不充裕。资料显示,中国现有耕地18亿亩,与之对应难以耕种的盐碱地则高达15亿亩,在这种背景下,为了拓展农田面积,提高产出率,“海水稻”应运而生,根据测算,仅一亿亩盐碱地栽种“海水稻”每年就可多产生300亿公斤稻米,足以满足8000万人口的需求。
但需要注意的是,由于不同地区的盐碱地情况不同,海水稻在不同地区栽种都需做出相应的调整,在这背后涉及植物生长调节素、土壤定向调节剂的调整。若想快速将其推广到全球各地就必须借助现代化信息工具,而华为推出的“农业沃土云平台”正是为此量身打造,包括:农产品生产管理、稻米智能制造、农产品溯源和农产品智能分析四大功能,其提出的“四维改良法”是农业+智能的一个很好案例。
依托华为的解决方案,袁隆平“海水稻”团队首次在中国五大主要类型盐碱地上同时进行“海水稻”试种并结合四维改良法进行盐碱地稻作改良的示范,在盐碱地上建设了数字化高标准的稻田。根据资料显示,在10月10日的收割测评中,青岛城阳区海水稻基地每亩为261.39公斤,当日同步进行的喀什基地测产结果为每亩549公斤,大庆基地测产结果为每亩210公斤,而在9月底的延安南泥湾基地经测产更是取得了亩产636.6公斤的好成绩。
之所以能取得如此优秀的成绩,正是因为华为农业沃土云平台是一套集成了传感器、物联网、云计算、大数据的智能化的农业综合服务平台。
农业沃土云平台是一个“物理分散、逻辑集中、资源共享、按需服务”的分布式云数据中心,主要由分布式云平台、云管理、云存储和大数据基础平台系统构建,可实现将物理分散的数据中心资源进行逻辑统一管理,形成融合资源池,融合资源池通过分布式管理能力,将分布在多个数据中心的计算、网络、存储等资源统一进行管理和池化,实现灵活的资源调度策略。
在“海水稻”案例中,基地中心对各个分基地的光、温、ph值、盐度、碱度、氮磷钾、重金属、有机质含量、株叶形态、生长态势,对地下对排水管的流量流速、排盐量等进行监控,实现对农业生产的全方位监控,并对农机的状态、位置、作业信息同样进行监控,实现对农机的管理和调度控制,除此之外还可对虫情信息、病菌孢子进行采集和监控,构建病虫害诊断预警系统,从而实现实时监测、精准控制,快速响应。
目前,海水稻除在国内遍地开花外还走出国门,甚至在中东都有其身影。根据公开资料显示,迪拜的海水稻在今年5月的亩产测评最高超过500公斤,成为首个在全球热带沙漠实验成功种植的水稻,实际上海水稻已成为智慧农业的一个代表性案例。
目前,现代农业正向着 “精准农业”的方向发展,即利用云计算、物联网、人工智能等技术,收集有关田地的精确数据,制定策略,对每一小块土地精耕细作,从每一颗种子中榨取出最高的价值,而实现这一切的华为智慧农业沃土云平台背后离不开华为的AI全栈解决方案。
以海水稻的异地推广为例,尽管目前远程视频已非常普及,但是在技术人员数量和精力都有限的情况下,想要时刻监控全球各地的水稻生长状况并给出相应的指导显然并不现实,而这个时候就需要借助人工智能系统来进行辅助。在“海水稻”的案例中,华为的沃土云平台可通过分布在田地内大量摄像头拍摄的照片进行深度学习和训练来正确识别农作物的生长状态,并给出相应的建议,比如病虫防治和除草。与此同时平台也可从这些图片中估算水稻的生长周期和产量,帮助农业专家更好的调整和优化种植策略。
食品安全一直是消费者最关心的问题,而最近几年被数字货币所带火的区块链技术正凭借其不可篡改的特性成为解决食品安全问题的最佳利器,在此背景下,华为农业区块链应运而生。
农业区块链作为华为农业沃土云平台的重要组成部分,打通从种子、农业生产、农业投入品、稻米加工、流通、食味等多环节,在这其中,既包括了种植阶段的所有详细数据,比如生长记录、种植数据,也包括了物流和销售,基于区块链构建起从种子到餐桌的端到端的农产品溯源体系,实现 “从农田到餐桌”的全过程质量追溯。另一方面,依托区块链技术所呈现的消费者画像也能指导生产者针对市场需求做出相应的调整。
智慧农业不是简单的将各种尖端技术应用到农业生产之中,而是通过建立一个完整的技术+平台+生态体系实现从生产到物流再到销售的全面变革。在这个过程中,云计算、大数据、GIS、视频、物联网以及AI人工智能技术将渗透到每一个环节中,并与传统农业中包括种子生产商、农药厂、线下线上经销商等各个组织紧密合作,最大程度降低生产成本,提高生产效率。华为农业沃土云平台的推出必将掀起一场智慧农业变革,实现从1.0的传统农业、2.0的机械化农业、3.0的信息化农业之后进步到智能化的更高阶段的目标。
总而言之,华为农业沃土云平台将让生产、物流、销售以及最终消费者各个环节都能享受到技术所带来的红利,而这正是华为将数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界——这个愿景的最好呈现。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。