Lehet, hogy nem tudod, de az Egyesült Nemzetek Élelmezésügyi és Mezőgazdasági Szervezete (FAO) szerint a világszerte évente megtermelt élelmiszer körülbelül egyharmada soha nem kerül az emberi asztalra, ami körülbelül 1 billió dollár értékű ehető élelmiszernek felel meg. hulladéklerakókba kerül. A szálloda- és étteremipar ennek mintegy 10%-át adja. Ezzel a helyzettel szembesülve a Winnow technológiai megoldásokkal foglalkozó csoportnak az az ötlete támad, hogy számítógépes látást és gépi tanulást alkalmazzanak az élelmiszer-feldolgozás során keletkező hulladék csökkentésére.
A 2013-ban Londonban alapított Winnow technológiát eddig viszonylag hatékonyan alkalmazták és alkalmazták a konyhában, például egy alatta elhelyezett mérlegként működő eszköz. a kidobott étel mennyiségéről, miután a szakács érintőképernyőn beírja az általa a kukába dobott termékekre vonatkozó információkat.
Ezt az információt továbbítják a Winnow felhőalapú analitikai rendszerébe, amely meghatározza a kidobott élelmiszer mennyiségének értékét, és rendszeresen részletes jelentéseket készít, amelyek kiemelik a hulladékot, a költségeket és a gazdasági előnyöket, amelyeket az emberek a hulladék csökkentésével nyerhetnek. élelmiszer-feldolgozás minden nap.
A Winnow rendszere azonban eddig még mindig nagyobb mennyiségű kézi bevitelt igényel, és részletesebb, ami azt jelenti, hogy a szakácsoknak pontosabbnak kell lenniük az általuk feldolgozott ételtípusokat illetően. Ez nagyon bonyolult és időigényes.
A probléma megoldására a Winnow most egy hibrid automatizálási megközelítést vezet be, amely a mesterséges intelligencia és a mozgásérzékelő számítógépes kamera kombinációját használja, amely képes automatikusan képeket készíteni a szemetesbe öntött hulladékról, majd a gépi tanulási technológia lesz a felelős. elemezni és jelezni, hogy milyen típusú élelmiszerről van szó, és mi az értéke.
Gépi tanulási modellek képzése
Az elmélet ellenére a gyakorlatban a rendszer nem működik tökéletesen – sokféle gyümölcsöt és zöldséget képes azonosítani, de még mindig nehezen azonosítja őket. Határozzon meg homályosabb elemeket, például különböző húsfajtákat! Éppen ezért a szakácsoknak és a konyhai személyzetnek továbbra is össze kell fogniuk a fejlesztőkkel a gépi tanulási rendszer betanításában. Például megkérhetjük az alkalmazottakat, hogy válasszák ki az éppen kidobott élelmiszert az érintőképernyőn megjelenő listáról. Szakértők becslései szerint 200-1000 képre lesz szükség ahhoz, hogy a Winnow Vision gépi tanulási rendszert megtanítsák egy élelmiszer felismerésére.
Egy ehhez kapcsolódó lépésként a Winnow Vision-t korábban több kísérleti projekt részeként használták több jelentős márkával tavaly január óta, köztük a svéd Ikea konglomerátummal, azzal a céllal, hogy az üzletág által termelt élelmiszer-hulladék mennyiségét a felére csökkentsék.
„Ambíciózus célt tűztünk ki magunk elé, hogy minden tevékenységünk során akár 50%-kal csökkentsük az élelmiszer-pazarlást, és ezt 2020 szeptemberére el is fogjuk érni. Az Ikea és a Winnow együttműködése nagyon fontos szerepet játszik e cél megvalósításában. "Tudjuk, hogy az élelmiszer-pazarlás sok pazarlást okoz, és ennek a hulladékmennyiségnek a csökkentése nem egyszerű probléma, de a Winnow bebizonyította, hogy megvannak a megoldásai a probléma megoldására. igazán hatékony módon" - nyilatkozta Hege Sæbjørnsen. az Ikea brit és ír ügyvezető igazgatója.
A perben részt vevő további jelentős vállalkozások közé tartozik a UK Morrisons és az Emaar áruházláncok az Egyesült Arab Emírségekben. Mától azonban a Winnow Vision világszerte elérhető lesz, és a világ minden éttermében és konyhájában használható lesz.
„Az élelmiszer-pazarlás globális probléma, amellyel az emberiség szembesül. Nemcsak a pénzpazarlás és a környezetszennyezés problémáihoz kapcsolódik, hanem ami még fontosabb, más élelmiszer-biztonsági problémákat is magába foglal. És a világ minden konyhájában és feldolgozóüzemében "fejfájás" van az élelmiszer-pazarlás miatt. Ezért megfelelő irányítási eszközök nélkül a vállalkozások nehezen tudják felfogni, mennyit pazarolnak és mennyi pénzt takaríthatnak meg, ha hatékonyabban használják fel az élelmiszereket. A mesterséges intelligencia segítségével az élelmiszer-pazarlás, valamint a tényleges költségek elemzésére és konkrét jelentésére – a Winnow Vision hatékony asszisztens lesz a modern konyhai és élelmiszer-feldolgozó vonalon.” – mondta Marc Zornes, a Winnow vezérigazgatója.
A gazdasági előnyök
A Winnow egy modellt alkalmaz ehhez a szoftverhez szolgáltatásként (SaaS), ami azt jelenti, hogy előfizetési díjat számít fel a megfigyelő szoftver eléréséhez. Bár az egyes szolgáltatási csomagok konkrét ára nem kerül nyilvánosságra, a cég számításai szerint az étkeztetési egységek azonnal 2-10-szeres tőkemegtérülésre számíthatnak. Az első évben akár 50 000 dollárt is megtakaríthatnak, ami egyébként esedékessé válna. az élelmiszer-feldolgozás hulladékkal kapcsolatos problémáira.
"A mesterséges intelligencia technológia használatának köszönhetően, különösen a gépi tanulásnak, amely képes öntanulni és fejlődni minden használat után, a Winnow Vision képes kezelni az élelmiszer-pazarlás problémáit a világban. globális léptékű" - nyilatkozta Marc Zornes vezérigazgató.
A Winnow mellett számos startup is működik azon a területen, hogy különböző megoldásokat kínáljanak az élelmiszer-előállítás és -feldolgozás során keletkező hulladék csökkentésére. A Karma nevű svéd cég tavaly 12 millió dollárt gyűjtött egy olyan piac kialakítására, amely arra ösztönzi az éttermeket és szupermarketeket, hogy a megmaradt élelmiszereiket – esetleg süteményt, kenyeret vagy frissen facsart gyümölcslevet – kedvezőbb áron értékesítsék, ahelyett, hogy a szemétbe dobnák. hatalmas pazarlás.
Egy másik Full Harvest nevű, San Francisco-i (USA) cég szintén a közelmúltban sikeresen gyűjtött be 8,5 millió dolláros befektetést, hogy támogassa a hibás termékek kibocsátását az Egyesült Államok farmjairól.
Visszatérve Winnow projektjére, a cég képviselője elmondta, hogy jelenlegi manuális rendszerüket több mint 40 országban szakácsok ezrei használják, és ezzel 30 millió dollárnak megfelelő mennyiségű élelmiszert takarítottak meg a feldolgozás során.
Az átlagember számára a Winnow egy menő mesterséges intelligencia-alkalmazás-fejlesztő cégnek mondható, de lényegében egy adatszolgáltató vállalat – az adatok lehetővé teszik a konyhákat, a gyártósorokat és egyebeket. A termelés látja a hulladékot a működésében, és ez az, ami segít feltárni a hardver értékét.
Ha valóban sikeresen alkalmazzák, a Winnow Vision projekt megmutatja, hogy az élelmiszer-feldolgozási lépésekben elpazarolt dollármilliárdokat teljesen ellenőrizni lehet, ez nem csak gazdasági haszon, hanem fontos tényező a globális élelmezésbiztonság biztosításában is.
A kutatók felfedezték, hogy a webkamerák és az okostelefonok kamerái kombinálhatók speciális mesterséges intelligencia-algoritmusokkal, hogy rendkívül hatékony távoli személyes egészségfigyelő rendszerként működjenek.
Úgy tűnik, hogy a modern élet egyre negatívabb hatással van az emberi kapcsolatokra.
Az élgráfokon alapuló összetett neurális hálózati architektúra segítségével a Google Brain mesterséges intelligencia modellje az emberi időnek csupán töredéke alatt képes alaprajzokat megtervezni.
A Python számos nagy könyvtárral és keretrendszerrel rendelkezik, amelyek kényelmesek a kódíráshoz és a számítástechnika fejlesztéséhez. A Docs.NeoTechSystems felkéri Önt, hogy beszéljen néhány hasznos Python-eszközről mind a gépi tanulási, mind az adattudományi alkalmazásokhoz.
Az izraeli Tel Avivi Egyetem informatikusainak egy csoportja a közelmúltban bejelentette, hogy megtalálták a módját, hogy mesterséges intelligencia segítségével megkerüljék a legtöbb biometrikus arcfelismerő technológiát anélkül, hogy ismernék az áldozat arcát.
Nemrég a Netflix kiadott egy 3 perces animációs filmet The Dog and the Boy címmel, amely mesterséges intelligencia technológiával készült a cég YouTube csatornáján a japán piac számára.
A Mathpix Snip egy olyan eszköz, amellyel szöveget, és különösen matematikát lehet kinyerni képekből és dokumentumokból.
Az Adobe Presenter az Adobe Systems által kiadott e-Learning szoftver, amely Microsoft Windows platformon Microsoft PowerPoint beépülő modulként érhető el.
Láthatatlan billentyűzet? Érdekesen hangzik, de még mindig elég homályos...
Tegnap, május 5-én, a Google hivatalosan is kiadta a Google-Landmarks-v2 AI képzési adattárházat nyílt forráskóddal, fontos lépésként a számítógépes látásmodellek sikeres fejlesztésére irányuló tervben, amelyek gyorsabban, pontosabban és kifinomultabban képesek felismerni a világ tereptárgyait.
