Я только что открыл двери исследовательского центра в сельском хозяйстве, управляемого ИИ 🧪🍅 Четыре исследовательских модуля, каждый из которых управляется своим собственным ИИ-техником, и один ведущий исследователь ИИ, синтезирующий данные со всех четырех. Вот подробный обзор, ссылка для просмотра в реальном времени, почему это выгодно по сравнению с традиционными исследованиями и куда это движется дальше:

Почему стоит использовать AI для проведения исследований? Для меня самое интересное в том, что вы можете назначить статического, независимого наблюдателя для каждого фактора вашего эксперимента. Наука часто сталкивается с проблемой предвзятости. Исследования часто проводятся с определенной повесткой. Каждый из наших AI-техников ничего не знает о других группах. Он наблюдает только за своими собственными датчиками и камерой. Он генерирует свой собственный отчет. И фиксирует наблюдения с течением времени. Эти отчеты затем синтезируются ведущим исследовательским AI - который является единственным агентом, который видит все четыре лечения.

Первое исследование: испытание на отбор, проверяющее, может ли фазово-адаптивное обогащение CO2 соответствовать урожайности, поддерживать качество и снижать потребление энергии по сравнению со статическим обогащением. Четыре обработки, по одному растению в каждой: Под 1: Статическое 700 ppm CO2 (оптимизировано для урожайности) Под 2: Статическое 550 ppm CO2 (оптимизировано для качества) Под 3: Фазово-адаптивное (CO2, PAR и изменение фотопериода в зависимости от стадии роста) Под 4: Контроль (окружающая среда, без обогащения) Каждый под содержит свой собственный микроклимат, управляемый в соответствии с его протоколом роста.

Каждый модуль состоит из нескольких датчиков, камеры и т.д., как в Claude+Sol🤖🍅, где Клод заботился о томате от семени до плода. Но более высокого класса и калибра. Идеально для проведения настоящей науки. Теперь Клод проводит настоящую науку 🧪

Что дальше? Сначала - валидация. Этот пилот не просто тестирует протоколы томатов. Он тестирует сами исследовательские модули. Аппаратное обеспечение, датчики, системы крепления агентов, весь процесс. Выясните, что ломается, (потому что это произойдет), итеративно улучшайте и укрепляйте систему. После этого - мы масштабируем. Следующий этап - это полноценный факторный эксперимент с 12 палатками. Гораздо проще провести пилотное исследование на четырех модулях, чем на 12 или 20. Это "площадка для испытаний" для такого рода автоматизированных исследований.

Через три месяца мы все проверим, и все полученные знания будут использованы для интеграции в нашу управляемую ИИ внутреннюю теплицу.

Почему я этому рад? Все данные исследований, отчеты агентов и результаты будут полностью открыты. Каждое показание датчика, каждый отчет, сгенерированный ИИ, каждая синтез - открыты и подлежат аудиту. Исследования были закрыты за стенами институтов, грантов и платных подписок. Интеллект становится доступным. Я намерен использовать это как пример для освобождения науки, а не для того, чтобы запирать ее за другой дверью. Это УДИВИТЕЛЬНАЯ новая эра, где разрыв между идеей и реализацией сокращается, и децентрализованная наука без контролеров становится реальностью. С этими палатками, работающими автономно, они функционируют самостоятельно. Все, что мне нужно сделать сейчас, это следить за ними и исправлять все крайние случаи. Представьте. Научные исследования растений, проводимые автономно. Или наука в любой другой отрасли. Открытые ИИ-управляемые домашние лаборатории. Вот что это такое. 🍅🏴‍☠️

Вы можете просмотреть прямую трансляцию, а агенты на