Właśnie otworzyłem drzwi do zautomatyzowanego laboratorium badawczego w rolnictwie 🧪🍅 Cztery moduły badawcze, z których każdy jest zarządzany przez własnego technika AI, oraz jeden główny badacz AI, który syntezę prowadzi we wszystkich czterech. Oto szczegółowy przegląd, link do podglądu NA ŻYWO, dlaczego to jest korzystne w porównaniu do tradycyjnych badań i dokąd zmierza dalej:

Dlaczego warto używać AI do prowadzenia badań? Najciekawsze dla mnie jest to, że można przypisać statycznego, niezależnego obserwatora do każdego czynnika w twoim eksperymencie. Nauka często ma problem z uprzedzeniami. Badania często są prowadzone z określoną agendą. Każdy z naszych techników AI nie wie nic o innych grupach. Obserwuje tylko swoje własne czujniki i kamerę. Generuje własny raport. I notuje obserwacje w czasie. Te raporty są następnie syntetyzowane przez głównego badacza AI - który jest jedynym agentem, który widzi wszystkie cztery terapie.

Pierwsze badanie: próba przesiewowa testująca, czy adaptacyjne wzbogacenie CO2 może dorównać plonom, utrzymać jakość i zmniejszyć zużycie energii w porównaniu do statycznego wzbogacenia. Cztery zabiegi, po jednej roślinie każdy: Pod 1: Statyczne 700 ppm CO2 (optymalizacja plonów) Pod 2: Statyczne 550 ppm CO2 (optymalizacja jakości) Pod 3: Adaptacyjne (CO2, PAR i zmiana fotoperiodu w zależności od etapu wzrostu) Pod 4: Kontrola (środowisko naturalne, bez wzbogacenia) Każdy pod zawiera swój własny mikroklimat, zarządzany zgodnie z jego protokołem wzrostu.

Każdy pod składa się z wielu czujników, kamery itd., tak jak w Claude+Sol🤖🍅, gdzie Claude zajmował się pomidorem od nasionka do owocu. Ale wyższej klasy i kalibru. Idealny do prowadzenia prawdziwej nauki. Claude teraz prowadzi prawdziwą naukę 🧪

Co dalej? Najpierw - walidacja. Ten pilotaż nie testuje tylko protokołów pomidorowych. Testuje same moduły badawcze. Sprzęt, czujniki, uprzęże agentów, cały proces. Dowiedz się, co się psuje, (bo na pewno się zepsuje), iteruj i wzmacniaj system. Potem - skalujemy. Następna runda to prawdziwy eksperyment z 12 namiotami. O wiele łatwiej jest przeprowadzić badanie pilotażowe na czterech modułach, w porównaniu do 12 czy 20. To jest "pole doświadczalne" dla tego rodzaju zautomatyzowanych badań.

Za trzy miesiące zweryfikujemy wszystko, a cała zdobyta wiedza zostanie wykorzystana do włączenia jej do naszego zarządzanego przez AI wewnętrznego pomieszczenia do uprawy.

Dlaczego jestem tym podekscytowany? Wszystkie dane badawcze, raporty agentów i wyniki będą w pełni publiczne. Każdy odczyt z czujnika, każdy raport generowany przez AI, każda synteza - otwarte i audytowalne. Badania były dotąd zablokowane przez instytucje, dotacje i płatne dostępności. Inteligencja staje się powszechna. Zamierzam wykorzystać to jako przykład do uwolnienia nauki, a nie zamykania jej za kolejnymi drzwiami. To jest WSPANIAŁA nowa era, w której luka między pomysłem a realizacją się zmniejsza, a zdecentralizowana nauka bez strażników staje się rzeczywistością. Gdy te namioty działają, funkcjonują samodzielnie. Wszystko, co muszę teraz zrobić, to je monitorować i naprawić wszystkie przypadki brzegowe. Wyobraź sobie. Nauka o roślinach prowadzona autonomicznie. Albo nauka w jakiejkolwiek innej branży. Oparte na otwartym kodzie AI napędzane domowe laboratoria. To jest to. 🍅🏴‍☠️

Możesz zobaczyć na żywo transmisję, a agenci w