Dunia ya biashara ya shinikizo la juu na kilimo hufanya kazi kwa saa tofauti sana - moja katika nanoseconds, nyingine katika msimu. Hata hivyo, mbinu mpya inajitokeza ambayo inatumia mantiki ya haraka ya fedha na e-commerce inayotokana na data ili kutatua changamoto za kudumu zaidi za sekta ya kilimo. Mabadiliko haya yanahusisha kurekebisha algorithms za kisasa ili kukabiliana na upungufu wa mfumo katika mzunguko wa chakula wa kimataifa, kutoka kwa matumizi ya rasilimali hadi silos ya habari. Katika mbele ya kuunganisha hii ni Kranthi Kumar Gajji, Mhandisi wa AI Full Stack Cloud huko Amazon na ujuzi unaounganisha Bio-Resource Engineering na Mwalimu wa Business Analytics. Ujuzi wake ni juu ya kujenga mifumo ya busara, msingi wa wingu ambayo kutafsiri kanuni za maoni ya haraka na uboreshaji kwa faida za kimwili kwa kilimo. Uzoefu wa Gajji hutoa ufahamu wa jinsi data ya wakati halisi na AI inaweza kurekebisha latency katika fursa, kuunda mfumo wa chakula endelevu zaidi na ufanisi. Kuondoa upungufu wa mfumo Katika masoko ya kifedha, utunzaji ni sanaa ya kuchukua faida ya tofauti za bei. Katika mzunguko wa usambazaji wa kilimo, fursa za sawa hazihesabiwa katika milliseconds lakini katika vipande vidogo vya mfumo ambapo thamani isiyojulikana iko. Usumbufu huu—kutoka data isiyo ya kutosha juu ya sensori za udhaifu wa udongo hadi upungufu katika vifaa vya usambazaji—kuwakilisha aina tofauti ya kuharibiwa. Gajji anafafanua dhana hii kwa kilimo. "Kama ninafikiri juu ya arbitrage katika mzunguko wa usambazaji, sio kuhusu milliseconds - ni kuhusu vipande vidogo. Kila wakati data inachukua muda usiofaa - kwenye sensors ya unyevu wa udongo, katika mifumo ya vifaa, au katika ERP ya hifadhi - hiyo ni thamani isiyojulikana," anaelezea. Mtazamo huu unabadilisha lengo kutoka kwa kasi kwa ufahamu, kutumia AI na uchambuzi wa wingu wa wakati halisi ili kukamilisha upungufu wa maarifa. tayari inaongeza uwazi kwa kuthibitisha matumizi ya ardhi na mazao ya mazao. IoT na AI katika kilimo endelevu Lengo ni kurekebisha nyakati hizi za latency katika faida za kimwili, mchakato uliowekwa na kuongezeka kwa , ambayo hupunguza muda wa usindikaji kwa kushughulikia data kwa ndani. Kama Gajji anasema, "Spread" tunayochukua sio fedha; ni muda, usahihi, na endelevu. Edge AI katika kilimo cha IoT Kuunganisha nyakati tofauti changamoto ya msingi katika kutumia mifano ya kifedha kwa kilimo ni kulinganisha kasi ya nanosecond ya biashara na saa ya msimu wa asili. algorithm iliyoundwa kwa hatua ya haraka lazima kurekebisha ulimwengu wa utamaduni wa wagonjwa. muhimu ni katika kuunda mifumo ya kiwango ambayo inafanya kazi kwa kasi nyingi kwa wakati mmoja. "Haraka na uvumilivu sio kinyume; wao ni vichwa vya mfumo mmoja. Katika fedha, algorithm inafanya majibu; katika kilimo, inajifunza kwa kipindi cha msimu," Gajji anasema. mbinu hii mbili inahusisha kujenga mifano kwa ajili ya maamuzi ya haraka ya micro wakati kuendelea kufundisha tena juu ya mifano ya mzunguko mrefu. mfano huu, kutumia data ya sasa ili kufanya marekebisho ya haraka ndani ya mfumo wa utabiri. Mfano wa Usimamizi wa Predictive (MPC) kwa ajili ya udongo wa wakati halisi Usanifu wa kisasa wa wingu ni muhimu kwa mchanganyiko huu, usindikaji wa data ya wakati halisi ili kuwasilisha mifano ya muda mrefu ya kimkakati. "Ulinzi wa wingu unaruhusu kasi zote mbili kuishi pamoja: majibu ya muda halisi ya upana yanayohamasisha akili ya muda mrefu," anaongeza Gajji. "Ni mazungumzo kati ya sekunde na majira." Mpango wa Mpango wa Mpango wa Mpango wa Mpango wa Mpango wa Mpango wa Mpango wa Mpango Utamaduni kwa ajili ya kutokuwa na uhakika Mfumo wa kifedha unatengenezwa ili kupunguza hatari inayoweza kupimwa, lakini kilimo hufanya kazi katika uwanja wa kutokuwa na uhakika wa kina unaosababishwa na sababu zisizoweza kutabiri kama vile hali ya hewa na wadudu. Ufafanuzi huu unahitaji mabadiliko ya msingi katika kubuni ya usanifu, kuhamia kutoka utabiri wa uhakika hadi uvumilivu wa kukabiliana. Badala ya kujaribu kuondoa uhakika, lengo linakuwa kujenga mifumo ambayo inaweza kufanya kazi kwa ufanisi ndani yake. “Mazingira yanashughulikia hatari; asili yanashughulikia upungufu. Unaweza kuzuia hatari, lakini unaweza tu kujiandaa kwa kutokuwa na uhakika,” Gajji anaelezea. Ili kukabiliana na hili, mifumo ya akili katika kilimo inapaswa kutegemea hoja ya uwezekano na simulations. kuonyesha jinsi mifano inaweza kuimarisha malengo ya kushindana, wakati mifano mingine ina lengo la . Uendelezaji wa mfumo wa kilimo endelevu kupunguza gharama na uzalishaji chini ya vikwazo vya hatari Njia hii inajumuisha mifumo isiyojulikana ya kubuni ambayo inaweza kufanya uchaguzi salama na muhimu hata na habari isiyo ya kamili. "Kwa hiyo mifumo yetu ya AI inategemea chini ya utabiri wa deterministic na zaidi juu ya uvumilivu wa kurekebisha-jumuishi, simulations, na sababu ya uwezekano," Gajji anaelezea. "Kwa maneno mengine, tunajenga kwa unyenyekevu: mifumo ambayo inajua wakati haina kujua na bado hufanya uchaguzi salama, muhimu." Kuunda thamani ya kipekee Logic ya biashara ya jadi ya e-commerce na biashara mara nyingi centralizes data na udhibiti, optimizing kwa faida ya jukwaa moja. Katika kilimo, mfano endelevu lazima kuwawezesha wazalishaji na usambazaji wa thamani katika mazingira. Gajji anapendekeza mbinu hii ya kipekee. "Mwisho wa mifumo ya akili sio udhibiti wa kituo - ni akili iliyosambazwa. Tunajenga miundombinu ambapo wakulima, washirika wa vifaa, na wauzaji kila mmoja kudhibiti node yao ya data lakini husaidia mfumo wa pamoja wa ufahamu." kuwezesha hili kwa kuruhusu mifano kuwa mafunzo juu ya data decentralized bila kufichua habari nyekundu. Mafunzo ya Cross-Silo Njia hii inaimarisha uhuru wa data kwa wakulima, dhana iliyotolewa na mapendekezo kama vile "Kwa kutumia APIs salama na mifano ya shirikisho, tunasukuma uchambuzi hadi kiwango cha juu, hivyo uumbaji wa thamani huanza mahali ambapo data hutoka - kilimo, kiwanda, shamba," Gajji anasema. Maelezo ya data ya kilimo » Optimize kwa usawa wa muda mrefu Katika biashara na e-commerce, kazi ya lengo ni wazi: kuongeza faida au kuboresha uongofu. Kwa mazingira magumu ya mzunguko wa chakula, kiwango cha mafanikio cha mwisho ni mchanganyiko wa usawa wa uzalishaji, endelevu, na ustawi wa binadamu. "Kwa ajili yangu, metric sahihi sio namba moja. Ni vektor yenye usawa: uzalishaji, faida, endelevu, na ustawi wa binadamu," Gajji anasema. Ufanisi wa kweli unatafuta hali ya usawa ambapo mfumo unaweza kuendesha vizuri leo wakati unahifadhi uwezo wake kwa kesho. Algoritma ya Maendeleo ya Multifunctional Mtazamo huu unaathiri fedha za kilimo, na kuongezeka kwa Kama Gajji anaelezea, "Ikiwa algorithms yetu huongeza uzalishaji lakini hupoteza ardhi, tumeongeza kazi mbaya. ufanisi wa kweli unamaanisha usawa wa muda mrefu - mifumo ambayo inafanya kazi vizuri leo na kuacha uwezo kwa kesho." Mifumo ya kifedha ya msingi ya utendaji Kufikia Liquidity ya Habari Masoko yenye ufanisi yanaendelea kwa ufanisi wa habari, ambapo data muhimu inapatikana na inapita kwa uhuru. Katika kilimo, data hii mara nyingi ni siloured, kuzuia washirika kufanya kazi juu ya chanzo kimoja cha ukweli. changamoto ni kujenga jukwaa ambazo kuunganisha ufahamu kutoka ardhi moja kwa moja na maamuzi yaliyotolewa na wasambazaji na watumiaji. "Usafiri wa habari unamaanisha kila mshiriki anaweza kuchukua hatua kwa ukweli katika muda halisi," Gajji anasema. "Tunatumia mtiririko wa matukio wa wingu na API za AI kuunganisha data ya micro-data - kutoka kwa drones, sensors, mafao - kwa maamuzi ya makro katika biashara na sera." , ambayo hutumia blockchain kuunda rekodi ya wazi ya utendaji wa kilimo kwa wawekezaji na wauzaji. tayari kutumia kujifunza kwa kushirikiana ili kujenga maelezo ya mkopo wa digital kwa wakulima bila kuonyesha data nyekundu. Maelezo ya juu ya Precision Agriculture Ledger Mji wa Afrika Lengo ni kujenga mfumo wa nguvu ambapo habari inapita kwa usahihi kama fedha. Kama Gajji anasema, "Lengo ni soko la kuishi la data, ambapo ufahamu unapoingia kwa uhuru kama fedha ilivyokuwa. Kutoka Milliseconds kwa Maamuzi ya Micro Kanuni za msingi ambazo zinaondoa milliseconds kutoka kwa shughuli za kifedha zinaweza kutumika tena ili kuokoa rasilimali muhimu katika kilimo. vikwazo vya juu vya maoni, muhimu katika biashara ya barua pepe na biashara, hutoa template yenye nguvu kwa ajili ya kuboresha mifumo ya asili kama maji na udongo. "Kwa BNY Mellon, kupiga milliseconds kutoka kwa biashara ilimfundisha nguvu ya kuondoa shinikizo," Gajji anahisi. "Miaka kadhaa baadaye, wakati wa kuboresha muda wa e-commerce, nilielewa kanuni hiyo inaweza kuokoa rasilimali, sio tu wakati." ambayo imethibitisha kupunguza matumizi ya maji kwa kuunganisha data ya mtazamo wa wakati halisi. Mfumo wa irrigation smart Kutumia fikra hii inabadilisha usimamizi wa rasilimali katika mfululizo wa vitendo vya usahihi, vinavyotokana na data. Kwa mfano, mifumo fulani ya automatiska imefikia “Kwa kutumia mzunguko wa maoni wa aina ya mzunguko wa juu kwenye udhibiti wa udongo, tumepunguza matumizi ya maji kwa kiasi kikubwa,” Gajji anaongeza. “Kila millisecond ilikuwa uamuzi wa micro ambayo ulilinda rasilimali ya asili badala ya fedha.” Uhifadhi wa maji kwa asilimia 29 Mfumo wa Universal Feedback Katika maeneo tofauti kama kifedha, e-commerce, na kilimo, kanuni ya injini ya umoja inategemea mafanikio: kasi na ubora wa mzunguko wa maoni. Ikiwa ufanisi wa biashara au mazao, mchakato wa msingi ni sawa. mifumo inapaswa kuwa na uwezo wa kuhisi hali, kufanya maamuzi ya busara, na kujifunza kutoka kwa matokeo daima. "Kwa kila uwanja ambao nimefanya kazi katika - fedha, e-commerce, kilimo - kanuni moja inachukuliwa: mifumo inafanikiwa wakati maoni ni ya haraka na kujifunza ni ya kuendelea," Gajji anasema. kanuni hii ni msingi wa kilimo cha kisasa cha kisasa, ambapo teknolojia kama: kutoa data ya kuaminika, ya wakati halisi kutoka kwa vifaa vya IoT. Kwa kuongeza, mfumo wa kisheria wa inatoa msingi kwa shughuli za automatisering kulingana na data hii. Oracle ya Decentralized Mkataba wa Smart Mzunguko huu wa daima wa kuboresha ni kile kinachoendesha uvumbuzi na ufanisi, bila kujali programu. "Ikiwa ni bot ya biashara au jukwaa la kilimo cha usahihi, moyo ni sawa: kujisikia, kuamua, kujifunza, na kuboresha," anasema. Kutafsiri mantiki ya kasi ya masoko ya digital kwa ulimwengu wa matunzo wa kilimo sio juu ya kufanya kilimo haraka. Ni juu ya kuwafanya kuwa na akili zaidi, ujasiri zaidi, na kuwa na vifaa bora kukabiliana na uhakika mkubwa wa ulimwengu unaobadilika. Kwa kujenga mifumo ambayo kujifunza kutoka kila msimu na kukabiliana na kila data point, sekta ya kilimo inaweza kuhamia kwa siku zijazo endelevu na ufanisi zaidi. 
 
 Makala hii ilichapishwa chini ya Programu ya Blogging ya Biashara ya HackerNoon. Makala hii ilichapishwa chini ya Programu ya Blogging ya Biashara ya HackerNoon. Makala hii iliandikwa chini ya HackerNoon's . Business Blogging Program Programu ya Blogging ya Biashara Programu ya Blogging ya Biashara

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Sauti hii imetolewa katika lugha asilia ya hadithi!

Logic ya biashara inakutana na kilimo: kujenga mifumo ya chakula ya akili na AI

About Author

MAONI

HANG TAGS

MAKALA HII ILIWASILISHWA NDANI

Related Stories

Details of the Aerial Voyage.—Kennedy silenced

Speed up Swift compile time

Sweet Security Unveils First Unified Detection And Response Platform

Master Crypto Security: Your Complete Guide to Safe Wallet Management

Details of the Aerial Voyage.—Kennedy silenced

Speed up Swift compile time

Sweet Security Unveils First Unified Detection And Response Platform

Master Crypto Security: Your Complete Guide to Safe Wallet Management

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps