Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 پیش‌بینی آسیب آفت‌کش‌ها برای زنبورها به وسیله هوش مصنوعی

پیش‌بینی آسیب آفت‌کش‌ها برای زنبورها به وسیله هوش مصنوعی

زمان مطالعه: 2 دقیقه

پژوهشگران دانشگاه اورگان ‌استیت در حال پژوهش درباره آسیب آفت‌کش‌ها برای زنبورهای عسل هستند و برای محافظت از زنبورها در برابر آفت‌کش‌ها، از قدرت پیش‌بینی هوش مصنوعی بهره می‌گیرند.

کوری سیمون، استاد مهندسی شیمی و چیائولی فرن، استاد علوم کامپیوتر، توانستند با یادگیری ماشینی و تحلیل ساختار مولکولی علف‌کش‌ها، قارچ‌کش‌ها و حشره‌کش‌ها، احتمال آسیب‌رسانی آن‌ها به زنبورهای عسل را پیش‌بینی کنند.

با توجه به وابستگی بذر بسیاری از میوه‌ها، سبزیجات و سایر محصولات زراعی به گرده‌افشانی زنبورها، یافته‌های این پژوهش که در The Journal of Chemical Physics به چاپ رسیدند، از اهمیت بالایی برخوردارند. اگر زنبورها بذر لازم را برای تولید مثل محصولات منتقل نکنند، حدود 100 محصول تجاری در ایالات متحده ناپدید خواهد شد. طبق برآوردها، اثرگذاری زنبورها بر اقتصاد جهانی از 100 میلیارد در سال فراتر می‌رود.

سیمون توضیح می‌دهد: «آفت‌کش‌ها کاربرد گسترده‌ای در کشاورزی دارند، چون برداشت محصول را افزایش داده و امنیت غذایی را فراهم می‌آورند. با این حال، ممکن است به گونه‌های دیگر همچون زنبورها نیز آسیب برسانند. از آنجایی که حشرات، علف‌ها و سایر گونه‌های هدف نسبت به این مواد مقاوم می‌شوند، مدام باید به دنبال ساخت آفت‌کش‌های جدید بود؛ آنچه اهمیت دارد این است که آفت‌کش‌های جدید به زنبورها آسیبی نرسانند.»

آسیب آفت کش ها برای زنبورها

کاربرد مفهوم سیر تصادفی آفت‌کش‌ها

پینگ یانگ و آدرین هنلی، دانشجویان دانشگاه اورگان‌استیت، از داده‌های حدود 400 مولکول آفت‌کش متفاوت استفاده کردند، تا به الگوریتم‌های هوش مصنوعی آموزش دهند، تا آسیب آفت‌کش‌ها برای زنبورها را پیش‌بینی کند؛ این داده‌ها میزان سم موجود در زنبورهای عسل را که ناشی از مواجه با آفت‌کش‌ها بود، نشان می‌دادند.

یانگ می‌گوید: «این مدل با انجام سیر تصادفی آفت‌کش‌ها، گراف‌های مولکولی آفت‌کش‌ها را ترسیم می‌کند.»

در واقع، سیر تصادفی مفهومی ریاضیاتی است که برای توصیف مسیرهای دایره‌ای‌شکل، مثل آنچه در ساختار شیمیایی آفت‌کش‌ها دیده می‌شود، به کار می‌رود. تک‌تک گام‌های این مسیر به صورت تصادفی انتخاب می‌شوند.

وی اضافه می‌کند: «تصور کنید وارد ساختار شیمیایی یک آفت‌کش شده‌اید و بدون هدف مشخصی، قدم می‌زنید: مسیر را گام‌به‌گام و اتم‌به‌اتم، از طریق اتصالاتی که این مولکول را کنار هم نگه می‌دارد، انتخاب می‌کنید. شاید در مسیرهای گوناگون حرکت کنید، اما راه، یعنی توالی‌ از اتم‌ها و اتصالات را که از آن‌ها گذر می‌کنید، به خاطر می‌سپارید. سپس به مولکول دیگری می‌روید و پیچش‌ها و گردش‌های این دو را با هم مقایسه می‌کنید.»

اگر دو مولکول مسیرهای مشابهی با توالی یکسان از اتم‌ها و اتصالات داشته باشند، الگوریتم آن‌ها را شبیه به یکدیگر تشخیص می‌دهد. به گفته‌ یانگ، سیر تصادفی آفت‌کش‌ها را می‌توان برای آزمایش میزان سم موجود در زنبورهای عسل به کار برد، تا آسیب آفت‌کش‌ها برای زنبورها مشخص شود و به سرعت، آفت‌کش‌ها را از نظر آسیب‌رسانی و سمی بودن غربال کرد. این پژوهش از سوی بنیاد ملی علوم، پشتیبانی شده است.

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]