私はAIが操作する農業研究施設🧪🍅の扉を開けたばかりです 4つの研究ポッドがあり、それぞれが独自のAI技術者によって管理され、4つすべてを統合する1人のAIリード研究者が配置されている。 以下は詳細な説明とライブビューのリンク、なぜこれが従来の研究に有利なのか、そして今後の方向性を示します。

なぜAIを使って研究を行うのか? 私にとって最も興味深いのは、実験の各ファクトリアルに静的で独立した観察者を割り当てられることです。 科学にはしばしば偏りの問題があります。 研究はしばしば何らかの目的を持って行われます。我々のAI技術者は他のポッドについて何も知らない。それは自らのセンサーとカメラのみを観察しています。独自のレポートを生成します。そして時間を超えた観察記録を残します。 その報告は、4つの治療すべてを通じて見通す唯一のエージェントである主任研究者AIによって統合されます。

最初の研究は、段階適応型CO2濃縮が静的濃縮に比べて収量に匹敵し、品質を維持し、エネルギー消費を削減できるかどうかを検証するスクリーニング試験です。 4つの処理、それぞれ1株ずつ: ポッド1:静止700 ppmのCO2(収量最適化済み) ポッド2:静止550 ppmのCO2(品質最適化済み) ポッド3:フェーズ適応型(CO2、PAR、成長段階による光周期のずれ) ポッド4:コントロール(アンビエント、エンリッチなし) 各ポッドには成長するプロトコルに従って管理される独自の微気候があります。

すべてのポッドは複数のセンサーやカメラなどで構成されており、クロード+Sol🤖🍅のようにトマトの種から果実まで世話をしました。 しかし、よりグレードとレベルのものだ。本物の科学を行うのにぴったりです。 クロードは今や本物の科学🧪を行っています

次は何をする? まずは、承認です。このパイロットは単にトマトのプロトコルをテストしているわけではありません。研究ポッド自体をテストしている。ハードウェア、センサー、エージェントハーネス、パイプライン全体が。 何が壊れるのかを見極めてください。(それが反復し、システムを強化します)。 その後はスケールアップします。次のラウンドは12テントの本格的なファクトリアルです。パイロット研究は12ポッドや20ポッドよりも4ポッドで行う方がずっと簡単です。ここはこの種の自動化研究の「試験場」です。

3か月以内にすべて検証し、得られた知識はすべてAI管理の社内栽培室に組み込むために活用されます。

なぜ私はこれにワクワクしているのでしょうか? すべての研究データ、エージェント報告書、結果は完全に公開されます。すべてのセンサー読み取り、すべてのAI生成レポート、すべての統合がオープンで監査可能です。 研究は機関や助成金、有料の壁の背後に閉ざされてきました。 知性は豊富になっています。私はこれを例として使うつもりであって、科学を別の扉の裏に閉じ込めるのではなく、解放するつもりです。 これはアイデアと実行、そしてゲートキーパーなしの分散型科学との間のギャップが縮まる素晴らしい新時代です。 これらのテントは自力で稼働しています。あとは監視して、すべての例外的なケースを修正するだけです。 想像してみて。植物科学は自律的に行われています。あるいは他の業界の科学も。オープンソースのAI主導のホームラボ。それが問題だ。🍅🏴‍☠️

ライブフィードやエージェントはこちらでご覧いただけます