Российские роботы проверят урожайность полей, а ИИ поможет ставить диагнозы
Робот, созданный студентами Санкт-Петербургского университета аэрокосмического приборостроения, может самостоятельно собирать пробы почв и анализировать данные, необходимые для повышения урожайности сельскохозяйственных территорий. Об этом сообщает ТАСС со ссылкой на пресс-службу Университета 2035.
Самоходная платформа, как её описывают учёные, сможет определять уровни азота, фосфора, калия и солей в пробах почвы. Своевременное удобрение полей этими минералами позволяет избежать истощения почв и, следовательно, снижения урожайности.
Робот может придерживаться заданного маршрута, собирать в заранее выбранных местах пробы и возвращаться.
Своей целевой аудиторией авторы разработки называют агрохолдинги. Хотя потенциально платформа может быть полезна во всех сферах, где требуется анализ почвы, к примеру, в экологической экспертизе, строительстве, геологии или космических исследованиях.
Роботизированные системы позволяют исследователям экономить время на сборе необходимых данных, при этом оставаясь в безопасности, если речь идёт об исследовании агрессивной среды, вроде глубин океана или космоса, или о возможности заражения опасной инфекцией.
Это позволяет ученым посвятить больше внимания анализу информации и поиску наилучшего решения для той или иной научной задачи.
К слову, на этом этапе работы учёным всё чаще приходит на помощь искусственный интеллект.
Исследователи из Сеченовского университета разработали искусственный интеллект, помогающий медикам ставить диагноз и прогнозировать успех лечения пациентов. Разработанная российскими учёными методика может сократить время лечения пациента на 20%, сообщили РИА Новости в пресс-службе университета.
ИИ принимает решения, опираясь на данные аппаратов компьютерной томографии, кардиостимуляторов, инсулиновых измерителей, аппаратов МРТ, кардиорегистраторов и другого медицинского оборудования. Вся эта информация позволяет составить индивидуальное представление о пациенте как о функционирующей биологической и химической системе.
Исследование уже прошло экспериментальную и клиническую фазы, в ходе которых ученые научились подбирать оптимальную модель лечения, отметили в пресс-службе.
Эта технология позволит сократить время лечения не менее чем на 20%, при этом минимизируя человеческий фактор — в таком огромном массиве данных без инструментов машинного обучения не так легко разобраться.
С помощью нового метода медики могут сделать прогноз развития болезни до операции или назначения рискованной терапии, а у врача появится больше свободного времени для других пациентов.