Danilo Sarti*, Alessandra Lemos*, Rafael Moral*, Andrew Parnell*
Die meisten von uns nutzen das maschinelle Lernen im täglichen Leben, ohne sich dessen bewusst zu sein. Wir schauen Serien oder Filme, die uns automatisch empfohlen werden, und nutzen Anwendungen, um Restaurants auszuwählen oder das Konzert am Wochenende zu besuchen. Aber was hat das mit den Entscheidungen von Landwirten oder der Regulierung von Pflanzensorten zu tun?
Maschinelles Lernen ist die Untersuchung von Routinen (Algorithmen), die sich automatisch verbessern, indem sie die dem System zur Verfügung gestellten Daten nutzen. Mit anderen Worten: Die Daten, die von anderen Nutzern für Videostreaming oder Restaurantempfehlungen bereitgestellt werden, helfen dem Algorithmus, das am besten geeignete Objekt zu finden, das er uns empfehlen kann. In einer Welt, in der immer mehr Daten zur Verfügung stehen, sind Techniken des maschinellen Lernens von entscheidender Bedeutung.
Im Rahmen des InnoVar-Projekts werden Techniken des maschinellen Lernens eingesetzt, um neue Systeme zu entwickeln, die Daten nutzen, die in Versuchen in mehreren Ländern gesammelt wurden, um neu entwickelte Weizensorten zu bewerten. Diese Daten werden an Anwendungen des maschinellen Lernens weitergegeben, um den Landwirten eine Empfehlung für die Sorte zu geben, die an einem bestimmten Standort angebaut werden soll.
Die maschinellen Lernlösungen von InnoVar werden als Empfehlungsanwendung eingesetzt, damit die Landwirte wissen, welche Weizensorten am besten für ihre Bedürfnisse und ihr Betriebsumfeld geeignet sind, einschließlich der Aspekte Bodentypen und Krankheitsresistenz. Die gleiche Anwendung kann auch Regulierungsbehörden bei der Entscheidung über die Zulassung neuer Sorten helfen.
Die Techniken des maschinellen Lernens sind ein wesentlicher Beitrag des InnoVar-Projekts zur Etablierung der digitalen Landwirtschaft in Europa. Sie helfen den Landwirten, ihre Produktionsrisiken zu verringern und ihre Ressourcenzuweisung zu optimieren, wobei die Umweltauswirkungen minimiert werden.
* Hamilton Institute/Mathematics and Statistics Department, National University of Ireland, Maynooth.