Tôi vừa mở cửa một cơ sở nghiên cứu nông nghiệp được điều hành bởi AI 🧪🍅 Bốn pod nghiên cứu, mỗi pod được quản lý bởi một kỹ thuật viên AI riêng, và một nhà nghiên cứu trưởng AI tổng hợp thông tin từ cả bốn pod. Dưới đây là một cái nhìn sâu sắc, liên kết để xem TRỰC TIẾP, lý do tại sao điều này có lợi hơn so với nghiên cứu truyền thống, và hướng đi tiếp theo của nó:

Tại sao lại sử dụng AI để tiến hành nghiên cứu? Điều thú vị nhất đối với tôi là bạn có thể chỉ định một người quan sát độc lập, tĩnh cho mỗi yếu tố trong thí nghiệm của bạn. Khoa học thường gặp vấn đề thiên lệch. Các nghiên cứu thường được thực hiện với một chương trình nghị sự. Mỗi kỹ thuật viên AI của chúng tôi không biết gì về các nhóm khác. Nó chỉ quan sát các cảm biến và camera của riêng mình. Nó tạo ra báo cáo riêng của mình. Và ghi lại các quan sát theo thời gian. Những báo cáo đó sau đó được tổng hợp bởi AI nghiên cứu viên chính - người duy nhất thấy được toàn bộ bốn phương pháp điều trị.

Nghiên cứu đầu tiên: một thử nghiệm sàng lọc kiểm tra xem việc làm giàu CO2 thích ứng theo giai đoạn có thể đạt được năng suất, duy trì chất lượng và giảm tiêu thụ năng lượng so với việc làm giàu tĩnh hay không. Bốn phương pháp điều trị, mỗi phương pháp một cây: Pod 1: CO2 tĩnh 700 ppm (tối ưu hóa năng suất) Pod 2: CO2 tĩnh 550 ppm (tối ưu hóa chất lượng) Pod 3: Thích ứng theo giai đoạn (CO2, PAR và thay đổi chu kỳ ánh sáng theo giai đoạn phát triển) Pod 4: Kiểm soát (môi trường xung quanh, không có sự làm giàu) Mỗi pod chứa một vi khí hậu riêng, được quản lý theo giao thức phát triển của nó.

Mỗi pod bao gồm nhiều cảm biến, một camera, v.v., giống như trong Claude+Sol🤖🍅, nơi Claude đã chăm sóc một quả cà chua từ hạt đến trái. Nhưng với chất lượng và cấp độ cao hơn. Hoàn hảo để tiến hành khoa học thực sự. Claude hiện đang tiến hành khoa học thực sự 🧪

Tiếp theo là gì? Đầu tiên - xác thực. Thí điểm này không chỉ kiểm tra các giao thức cà chua. Nó đang kiểm tra chính các pod nghiên cứu. Phần cứng, cảm biến, dây đai tác nhân, toàn bộ quy trình. Tìm ra những gì bị hỏng, (bởi vì nó sẽ hỏng) lặp lại và củng cố hệ thống. Sau đó - chúng ta mở rộng. Vòng tiếp theo là một thí nghiệm đúng nghĩa với 12 lều. Dễ dàng hơn nhiều để thực hiện một nghiên cứu thí điểm trên bốn pod, so với 12 hoặc 20. Đây là "mặt đất chứng minh" cho loại nghiên cứu tự động này.

Trong ba tháng nữa, chúng tôi sẽ xác thực mọi thứ, và tất cả kiến thức thu được sẽ được sử dụng để tích hợp vào phòng trồng cây trong nhà do AI quản lý.

Tại sao tôi lại hào hứng về điều này? Tất cả dữ liệu nghiên cứu, báo cáo của các tác nhân và kết quả sẽ được công khai hoàn toàn. Mỗi lần đọc cảm biến, mỗi báo cáo do AI tạo ra, mỗi tổng hợp - đều mở và có thể kiểm toán. Nghiên cứu đã bị giữ lại bởi các tổ chức, quỹ tài trợ và tường phí. Trí tuệ đang trở nên phong phú. Tôi dự định sử dụng điều này như một ví dụ để giải phóng khoa học, không phải khóa nó lại sau một cánh cửa khác. Đây là một kỷ nguyên TUYỆT VỜI mới, nơi khoảng cách giữa ý tưởng và thực thi đang thu hẹp lại và khoa học phi tập trung không có người giữ cửa đang trở thành hiện thực. Với những chiếc lều này hoạt động, chúng tự vận hành. Tất cả những gì tôi cần làm bây giờ là giám sát chúng và sửa tất cả các trường hợp ngoại lệ. Hãy tưởng tượng. Khoa học thực vật được thực hiện tự động. Hoặc khoa học trong bất kỳ ngành nào khác. Các phòng thí nghiệm tại nhà được điều khiển bởi AI mã nguồn mở. Đó chính là điều này. 🍅🏴‍☠️

Bạn có thể xem luồng trực tiếp, và các đại lý tại