深度科學：人工智能存在於空氣，水，土壤和鋼鐵中
2020年3月4日
由柏拉圖重新發布
研究論文來了 太快了，以至於所有人都無法閱讀它們，特別是在機器學習領域，這現在影響著幾乎每個行業和公司（並在其中產生論文）。 本專欄旨在收集一些最相關的最新發現和論文，尤其是在但不限於人工智能方面，並解釋了它們為何如此重要。
這週帶來了機器學習中一些不尋常的應用或發展，以及對與大流行相關的分析方法的特別不尋常的拒絕。
僅僅因為人們認為聯邦監管機構在這種事情上落後於時代，就很難期望在政府監管領域找到機器學習。 因此，美國環境保護署（US Environmental Protection Agency）與斯坦福大學（Stanford）的研究人員合作， 從算法上消除違反環境規則的行為.
當您看到問題的範圍時，這是有道理的。 EPA當局需要處理數百萬份與《清潔水法》合規有關的許可和觀察，諸如各種行業自我報告的污染物排放量以及實驗室和現場團隊的獨立報告之類的事情。 斯坦福大學設計的流程對這些分類進行了分類，以分離出各種模式，例如哪種類型的植物，哪些地區最有可能影響哪些人口統計數據。 例如，城市周邊地區的廢水處理可能傾向於低估污染程度，並使有色人種處於危險之中。
將合規性問題簡化為可以通過計算分析和比較的問題的過程，有助於弄清該機構的優先事項，這表明，儘管該技術可以識別出更多具有輕微違規行為的許可證持有人，但它可能會引起人們的注意，而不再是像無花果葉的多個大型違規者。
浪費和費用的另一大來源是加工廢金屬。 它要經過分類和回收中心，那裡的工作仍然大部分是由人來完成的，而且您可能會想到，這是一項危險而乏味的工作。 Eversteel是東京大學之外的一家初創企業 旨在實現流程自動化，以便可以在工人介入之前完成大部分工作。
帶有AI檢測到的各種物品標籤的廢金屬圖像。
Eversteel使用計算機視覺系統將進入的廢料分類為近兩類，並標記雜質（即不可回收的合金）或 異常物品 清除。 它仍然處於早期階段，但是這個行業並沒有發展，並且缺乏任何大型數據集來訓練他們的模型（在鋼鐵工人和圖像的幫助下，他們必須自己製作模型）表明Eversteel這確實是處女區對於AI。 幸運的是，他們將能夠使他們的系統商業化，並吸引他們進入這個龐大但技術匱乏的行業所需的資金。
計算機視覺的另一個不尋常但可能會有所幫助的應用是在土壤監測中，這是每個農民必須定期執行的一項任務，以監測水和養分含量。 當他們設法實現自動化時，它會以繁重的方式完成。 來自南澳大利亞大學和巴格達中級技術大學的一個團隊表明，現在使用的傳感器，硬件和熱像儀可能會過大。
在各種各樣的光下顯示的土壤桶。
令人驚訝的是，他們的答案是標準的RGB數碼相機，它可以分析土壤的顏色以估算濕度。 創作者之一阿里·納吉說：“我們在不同的距離，時間和照明水平下對其進行了測試，並且該系統非常精確。” 它可以（併計劃）用於製造廉價但有效的智能灌溉系統，從而可以為那些無法負擔行業標準系統的人們提高作物產量。
資料來源：https://zephyrnet.com/zh-TW/%E6%B7%B1%E5%BA%A6%E7%A7%91%E5%AD%B8AI%E6%98%AF%E7%A9%BA%E6%B0%A3%E4%B8%AD%E7%9A%84%E6%B0%B4%E5%9C%9F%E5%A3%A4%E5%92%8C%E9%8B%BC%E9%90%B5/
