Von der Züchtung bis zum Anbau: Große Modelle machen die Landwirtschaft intelligenter

Wang Yaojun

Vor Kurzem wurde Sora veröffentlicht, ein großes textgeneriertes Videomodell. Das große Modell ist in der Lage, die reale physikalische Welt umfassend zu simulieren. Durch das Verständnis der Existenz von Objekten in der physischen Welt können komplexe Szenen mit mehreren Charakteren generiert werden. Seit dem Aufkommen von ChatGPT im Jahr 2022 hat das große Modell die Aufmerksamkeit aller Gesellschaftsschichten auf sich gezogen. Große Modelle, insbesondere große Sprachmodelle, sind zu einem Meilenstein in der technologischen Entwicklung im Bereich der künstlichen Intelligenz geworden. Einfach ausgedrückt ist ein großes Modell ein Modell mit einer großen Anzahl von Parametern, das mithilfe umfangreicher Daten in Kombination mit fortschrittlichen Algorithmen trainiert wird. Es kann komplexe Muster und Gesetze in großen Datenmengen erfassen und dadurch ein Verständnis des Problems erreichen und Schlussfolgerungen ziehen.

Aus der Perspektive der Anwendungsfelder können große Modelle in allgemeine große Modelle und industrielle große Modelle unterteilt werden. Das allgemeine Großmodell basiert auf einem groß angelegten, bereichsübergreifenden Datentraining und wird auf zahlreiche allgemeine Branchen angewendet. Das Branchen-Großmodell ist auf die Bedürfnisse einer bestimmten Branche oder eines bestimmten Bereichs ausgerichtet. Darunter basiert das große Agrarmodell auf groß angelegten Agrardaten und nutzt große Modelltechnologien, um Dienste für landwirtschaftliche Szenarioanwendungen zu erstellen.

Die traditionelle Pflanzenzüchtung erfolgt überwiegend in Form empirischer Züchtung und die wissenschaftliche Forschung wird größtenteils in Form wissenschaftlicher Forschungsteams durchgeführt. Tausende von großen und kleinen Pflanzenzuchtteams haben enorme Datenmengen angehäuft, es bestehen jedoch Probleme wie inkonsistente Datenformate, ein niedriger Informatisierungsgrad und die grundsätzliche Unfähigkeit, eine wirksame Integration und gemeinsame Nutzung der Daten zu erreichen. Bei der biologischen Züchtung müssen zunächst die Gene entdeckt und analysiert werden, welche Gene mit den Eigenschaften der Sorte in Zusammenhang stehen. Das Genom landwirtschaftlicher Organismen enthält Hunderte Millionen oder Milliarden von Basenpaaren, die letztendlich zu Zehntausenden oder Hunderttausenden von Genen zusammengesetzt sind. Das große Agrarmodell kann enorme Mengen landwirtschaftlicher genetischer Daten analysieren und verarbeiten, mithilfe von Algorithmen die Beziehungen zwischen verschiedenen Merkmalen und Genen auswählen und abgleichen, wissenschaftliches Management, professionelle Arbeitsteilung und rationalisierte Abläufe im Züchtungsprozess implementieren und dazu beitragen, die „empirische Züchtung“ in eine „Präzisionszucht“ umzuwandeln.

Die traditionelle landwirtschaftliche Bepflanzung hängt in hohem Maße vom Wetter ab und wird stark von natürlichen Veränderungen beeinflusst. Durch die Anwendung großer landwirtschaftlicher Modelle können Daten wie Klimawandel, Bodenart, Wasser- und Düngebedingungen erfasst, analysiert und Entscheidungen dazu getroffen werden, wodurch eine intelligente Bepflanzung ermöglicht wird.
Große landwirtschaftliche Modelle können der landwirtschaftlichen Produktion helfen, mit den Auswirkungen des Klimawandels umzugehen. Durch die Erfassung und Analyse von Klimadaten können Klimavorhersagemodelle erstellt werden, die es landwirtschaftlichen Erzeugern ermöglichen, rechtzeitig Maßnahmen zu ergreifen, um die negativen Auswirkungen widriger Wetterereignisse abzumildern und landwirtschaftliche Risiken zu verringern.

Das große Agrarmodell kann Landwirten genaue und zuverlässige Dateninformationen liefern. Durch Echtzeitüberwachung und -analyse wichtiger Informationen wie Bodenfeuchtigkeit, Pflanzenwachstum, Katastrophenbedingungen, Insektenbefall usw. unterstützt es Landwirte bei der Formulierung wissenschaftlich fundierter und sinnvoller landwirtschaftlicher Produktionspläne, der Vorhersage des besten Aussaatzeitpunkts für Nutzpflanzen und der Bereitstellung von Düngeempfehlungen auf Grundlage von Nutzpflanzensorten und Wachstumszyklusdaten.

Die traditionelle landwirtschaftliche Viehzucht ist größtenteils auf menschliche Arbeitskraft angewiesen und stellt eine enorme Belastung für die Umwelt dar. Durch die Anwendung großer landwirtschaftlicher Modelle können Daten wie Vieh- und Geflügelzuchtumgebung, Futterverbrauch, Wachstumsrate, Gesundheitszustand usw. erfasst, analysiert und Entscheidungen auf der Grundlage dieser Daten getroffen werden, um eine intelligente Zucht zu erreichen.

Das große Agrarmodell kann dabei helfen, die Zuchtumgebung, wie Temperatur, Luftfeuchtigkeit, Ammoniakkonzentration usw., intelligent und in Echtzeit zu steuern. Durch intelligente Algorithmen kann es eine automatische Temperatur-, Feuchtigkeits-, Licht- und Belüftungssystemsteuerung realisieren und so die beste Umgebung für das Wachstum von Vieh und Geflügel schaffen und so dazu beitragen, die Wahrscheinlichkeit von Krankheiten zu verringern, den Energieverbrauch zu reduzieren, Ressourcenverschwendung zu vermeiden usw.

Das große landwirtschaftliche Modell kann mithilfe elektronischer Tags oder biometrischer Technologie jedes Vieh und Geflügel individuell identifizieren und eine präzise Fütterungs- und Gesundheitsverwaltung basierend auf der Wachstumsphase, dem Gesundheitszustand und den Ernährungsbedürfnissen des Tieres erreichen. Dies trägt nicht nur zur Verbesserung der Futterverwertungseffizienz bei, sondern hilft auch dabei, gesundheitliche Probleme der Tiere frühzeitig zu erkennen und zu behandeln.

Das landwirtschaftliche Großmodell kann durch die Verknüpfung der intelligenten Überwachungsplattform mit der Big-Data-Plattform für Vieh und Geflügel eine Echtzeitdiagnose bereitstellen und so eine Echtzeitüberwachung und rechtzeitige Warnung des gesamten Zuchtprozesses ermöglichen. Durch die Analyse der aufgezeichneten Daten des gesamten Züchtungsprozesses hilft das landwirtschaftliche Großmodell, den gesamten Züchtungsprozess zu optimieren.

(Der Autor ist außerordentlicher Professor und Doktorvater am College of Information and Electronics der China Agricultural University.)