Платформа «Агрориск»Управление рисками в АПК

Статья журнала

ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СЕЛЕКЦИИ ВОДОРОСЛЕЙ

Цитирование

ДРЫКИН, А.С. ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СЕЛЕКЦИИ ВОДОРОСЛЕЙ / А.С. ДРЫКИН // Управление рисками в АПК. – 2024. – № S3 (53). – C. -. – .

Аннотация

На основе современных тенденций развития цифровых технологий был предложен новый метод упрощения получения биотоплива на основе микроводорослей. Выдвинута гипотеза о том, что применение искусственного интеллекта упростит работу с большим объёмом полученных данных, и как следствие, удешевит изготовления биотоплива.

Ключевые слова

искусственный интеллект, биотопливо, биодизель, альтернативные источники энергии, водоросли.

Введение

Экосистема цифровой экономики включает рынки и отрасли традиционной экономики, цифровые технологии и решения, нормативно-правовое регулирование, инфраструктуру цифровой экономики, кадры для интенсивного развития цифровой экономики [1]. В отличие от традиционной экономики цифровая экономика в большей степени использует прогнозы на основе цифровых технологий. Модель конкуренции цифровой экономики основана на конкуренции за создание новых рынков, конкуренции систем управления [2]. Цифровая экономика предполагает активное развитие общественных институтов [3]. Проблема возможного топливного кризиса, связанная с невозобновляемостью природных источников энергии, давно волнует научное сообщество. В связи с этим ещё с семидесятых годов ведутся исследования по созданию топлива из альтернативных материалов. Наибольшую эффективность показало топливо на основе микроводорослей. На это есть много причин, в частности простота выращивания большой биомассы водорослей (рисунок 1).

Методология

Рисунок 1 – Схема производства биотоплива из водорослей [4] Однако не все виды водорослей одинаково эффективны при производстве биотоплива. Так, например, разные виды Chlorella показали отличные друг от друга результаты при выращивании на биомассу [5]. Для увеличения эффективности производства топлива необходимо применить селекцию для создания новых, более производительных форм микроводорослей.

Результаты

Несмотря на свою простоту микроводоросли обладают сравнительно длинным генетическим кодом. Этот нюанс сильно усложняет работу с этими организмами. Для упрощения анализа большого объёма данных учёное сообщество уже достаточно давно использует различные сервисы для работы с геномами организмов, например, The Basic Local Alignment Search Tool (BLAST) [6]. Даже наличие таких инструментов всё ещё оставляет учёным большой объём работы по анализу обработанных данных.

Результаты

Поэтому нами была предложена идея использования современных текстовых моделей искусственного интеллекта для обработки данных, полученных в результате исследований и дальнейшей селекции необходимых форм микроводорослей. Из существующих на данный момент моделей искусственного интеллекта выбор пал на ChatGPT от компании OpenAI, так как эта модель наиболее приспособлена для работы с текстовой информацией, а также постоянно совершенствуется своими разработчиками. Однако дальнейшее развитие больших языковых моделей может внести изменения в наш выбор модели.

Обсуждение

Как правило, на первоначальных этапах внедрения передовых достижений науки и техники, особенно таких новейших и прорывных, каковыми являются цифровые технологии, их эффективность не столь очевидна.

Обсуждение

Однако уже в настоящее время применение цифровых технологий во всех отраслях сельского хозяйства стало неотъемлемым условием повышения его эффективности, но все же некоторые факторы сдерживают внедрение цифровых технологий в сельское хозяйство. Определение проблем перехода сельского хозяйства на цифровой уровень и выявление направлений для их решения позволит повысить интенсивность цифровой трансформации в современных условиях [2].

Выводы

Несмотря на то, что такие технологии как искусственный интеллект или машинное обучение ещё имеют определенные недостатки, мы не можем точно сказать, как именно будут развиваться эти технологии, но можем уверенно заявить об упрощении селекционного процесса при их использовании.

Источники

  1. Библиографический список:
  2. 1. Худякова, Е. В. Факторы эффективности глобализации цифровой платформы агробизнеса / Е. В. Худякова, М. И. Горбачев, М. Н. Кушнарева // Управление бизнесом в цифровой экономике: Сборник тезисов выступлений, Санкт-Петербург, 21–22 марта 2019 года / Под общей редакцией И.А. Аренкова, М.К. Ценжарик. – Санкт-Петербург: Санкт-Петербургский государственный университет промышленных технологий и дизайна, 2019. – С. 22-25.
  3. 2. Худякова, Е. В. Основные проблемы цифровой трансформации сельского хозяйства и пути их решения / Е. В. Худякова, М. Н. Степанцевич, М. И. Горбачев // Известия Международной академии аграрного образования. – 2022. – № 62. – С. 156-160.
  4. 3. Кушнарева, М. Н. Методические особенности определения эффективности внедрения информационных технологий на предприятии / М. Н. Кушнарева // Образование и наука без границ: фундаментальные и прикладные исследования. – 2016. – № 4. – С. 45-49.
  5. 4. The potential of sustainable algal biofuel production using wastewater resources / Jon K. Pittman, Andrew P. Dean , Olumayowa Osundeko
  6. 5. Milledge, J.J., Heaven, S. A review of the harvesting of micro-algae for biofuel production. Rev Environ Sci Biotechnol 12, 165–178 (2013). https://doi.org/10.1007/s11157-012-9301-z
  7. 6. Novakovsky, G., Dexter, N., Libbrecht, M.W. et al. Obtaining genetics insights from deep learning via explainable artificial intelligence. Nat Rev Genet 24, 125–137 (2023). https://doi.org/10.1038/s41576-022-00532-2