Veštačka inteligencija na farmama gusaka u Kini
Tim od 16 studenata sa Univerziteta Šendžen razvio je program veštačke inteligencije (AI) koji pomaže uzgajivačima na farmama gusaka “lavlje glave” da otkriju bolesne životinje, povećavajući tako stopu preživljavanja za 30 odsto, piše Sinhua.
Guske “lavlje glave” su glavni sastojak za pravljenje lokalnih specijaliteta od marinirane guščetine u oblasti Čaošan u južnoj kineskoj provinciji Guangdong. Ta vrsta gusaka poznata je po dobrom kvalitetu mesa, ali ih je prilično teško uzgajati.
Više od 300 godina, uzgajivači u okrugu Čengaj, grada Šantou, oslanjali su se na sopstveno iskustvo da bi procenili zdravlje gusaka posmatrajući da li su predugo mirne i mereći pipanjem rukama temperaturu njihovog tela.
Iako je to bilo delotvorrno nije bilo dovoljno efikasno u hitnim situacijama. Dešavalo se da boelst opustoši farmu od preko hiljadu gusaka za samo deset dana. U zimu 2018. epidemija ptičjeg gripa neočekivano je zahvatila selo Housi – preživelo je samo pet od hiljada gusaka lavlje glave.
Kao mladi preduzetnik koji se vratio u svoj rodni grad, Đin Šutao, profesionalni uzgajivač gusaka u selu Housi, u okrugu Čengaj, razmišljao je o tome da iskoristi moć tehnologije.
On je 2022. godine pozvao 16 studenata sa Šendžen univerziteta-Tencent cloud AI BEng programa u svoju zadrugu za uzgoj guske lavlje glave. Uz uputstva nastavnika sa univerziteta i inženjera iz kineskog internet giganta Tencent, oni su imali za cilj da se pozabave ovim teškim problemom.
U prostoru od 500 kvadratnih metara sa preko 4.000 tesno zbijenih gusaka, tim se suočio sa izazovom da identifikuje bolesne guske usred kakofoničnih zvukova. Odlučili su da utvrde bolest merenjem trajanja mirovanja guske i podelili su projekat u četiri grupe, odnosno hardver, frontend, backend i algoritam.
Međutim, prvi izazov sa kojim su se susreli bio je da instaliraju kamere jer tradicionalne metode za prepoznavanje životinja zasnovane na KR kodu, kao što su krave, ovce ili svinje, nisu radile za guske. Da bi prikupili dovoljno podataka za obuku veštačke inteligencije, učenici su koristili postojeće kamere na farmi da bi snimili slike i ručno ih označili.
Ovaj proces označavanja uključivao je kategorizaciju i označavanje 6.000 slika 300.000 gusaka. Naporan rad je bio neophodan da bi se shvatio nivo detalja i preciznosti potrebnih za rad AI. Morali su biti 100 posto fokusirani jer bi čak i mala greška mogla uticati na rezultate treninga AI, rekao je Vang Jifeng, jedan od članova tima.
Štaviše, morali su kontinuirano da optimizuju algoritam, jer različiti scenariji mogu uticati na tačnost. Pod vođstvom Tencent inženjera, prvo su poboljšali algoritam za prepoznavanje kako bi poboljšali stopu identifikacije gusaka s lavljom glavom u scenama s puno ljudi. Zatim su optimizovali algoritam praćenja da zabeleže trajanje koje je svaka guska provela na jednom mestu, pomažući da se identifikuju sve anomalije.
Nakon desetina prilagođavanja modela, učenici su naučili da ne postoji algoritam koji odgovara svima. Mora se prilagoditi na osnovu specifičnih uslova.
Kako su radili, više su se upoznavali sa guskama. Otkrili su da je teško meriti telesnu temperaturu odraslih gusaka lavljih glava zbog njihovog debelog perja. Stoga su se okrenuli identifikovanju grozničavih beba gusaka kao dodatnog sredstva.
Neki studenti su čak otkrili kroz istraživanje da su bolesti guske usko povezane sa vremenskim uslovima kao što su tajfuni i izmaglica. Zbog toga su dodali funkcije posmatranja i analize podataka u program za optimizaciju.
Kroz više od sto dana i noći i bezbroj onlajn sastanaka, AI goose program se neprestano ažurirao.
Trenutno, program pruža upozorenja u realnom vremenu za „bezvoljene guske“ i „grozničke guske“, prikazujući temperaturu, vlažnost, nivoe PM2,5 i trendove u promenama podataka na farmi. Ovo je pomoglo farmi da poveća stopu preživljavanja gusaka lavljih glava za 30 procenata.
„Razvijanje veštačke inteligencije nije sedenje u klimatizovanoj prostoriji i pisanje koda. Radi se o učenju pisanja koda u „guščjoj balegi“,“ rekao je Šen Linlin, direktor instituta za vizuelna istraživanja Univerziteta Šendžen.
