STELAR KLMS: Αξιολόγηση σεναρίων στους τομείς της ασφάλειας τροφίμων και της γεωργίας ακριβείας.
Η Τεχνητή Νοημοσύνη εισέρχεται στη ζωή μας όλο και περισσότερο τα τελευταία χρόνια, μιας και αποτελεί έναν από τους ταχύτερα αναπτυσσόμενους τομείς της τεχνολογικής ανάπτυξης. Πεδίο στόχευσης αποτελούν πολλοί τομείς και από αυτούς δεν θα μπορούσε να απουσιάζει ο Αγροδιατροφικός τομέας.
Προς αυτή την κατεύθυνση κινείται και το σύστημα διαχείρισης δεδομένων (STELAR KLMS) το οποίο «τρέχει» το Ινστιτούτο Πληροφοριακών Συστημάτων του Ερευνητικού Κέντρου Αθηνά.
Πρόκειται για ένα σύστημα το οποίο στοχεύει να αλλάξει δραστικά την οργάνωση, επεξεργασία και ανάλυση δεδομένων στον κλάδο της Αγροτικής Ανάπτυξης και των Τροφίμων βοηθώντας, μεταξύ άλλων, την ανάπτυξη μοντέλων Τεχνητής Νοημοσύνης που θα προβλέπουν κινδύνους και θα αποτρέπουν την ανάκληση τροφίμων.
«Η διάρκεια του έργου STELAR είναι τριετής (Σεπτέμβριος 2022 – Αύγουστος 2025) και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση. Κατά τον πρώτο χρόνο του έργου, οι εργασίες επικεντρώθηκαν κυρίως στη συλλογή απαιτήσεων, την περιγραφή σεναρίων χρήσης και την σχεδίαση της αρχιτεκτονικής» δήλωσε στο Αθηναϊκό – Μακεδονικό Πρακτορείο Ειδήσεων ο διαχειριστής του STELAR και Κύριος Ερευνητής στο Ινστιτούτο Πληροφοριακών Συστημάτων του Ερευνητικού Κέντρου Αθηνά, Δημήτρης Σκούτας.
Όπως πρόσθεσε, «παράλληλα, έχει ξεκινήσει και είναι σε εξέλιξη η ανάπτυξη των επιμέρους υποσυστημάτων και εργαλείων, δηλαδή είμαστε στη φάση της υλοποίησης της πλατφόρμας» ενώ σταδιακά όπως σημείωσε «ξεκινάει και η αξιολόγηση με βάση τα σενάρια χρήσης που έχουν περιγραφεί. Η τελική έκδοση του συστήματος θα παραδοθεί τον Αύγουστο του 2025 με την ολοκλήρωση του έργου.
Τα οφέλη και οι στόχοι του προγράμματος
Καθώς τα δεδομένα που παράγονται από τον αγροδιατροφικό τομέα αυξάνονται διαρκώς, τόσο σε όγκο όσο και σε ποικιλία «το STELAR KLMS είναι ένα σύστημα που διευκολύνει και επιταχύνει την οργάνωση και επεξεργασία τους προκειμένου να επιτρέψει την καλύτερη αξιοποίησή τους» σύμφωνα με τον κ. Σκούτα.
Πιο συγκεκριμένα βοηθάει έναν αναλυτή δεδομένων να εντοπίζει ποια δεδομένα είναι πιο σχετικά για την ανάλυση που θέλει να κάνει αλλά και να επεξεργάζεται τα δεδομένα προκειμένου να έχουν την κατάλληλη μορφή και ποιότητα που απαιτείται για χρήση από αλγόριθμους Τεχνητής Νοημοσύνης.
Όπως επισήμανε στο ΑΠΕ-ΜΠΕ ο κ. Σκούτας «στόχος του έργου είναι να σχεδιάσει και να υλοποιήσει μια πλατφόρμα και ένα σύνολο εργαλείων λογισμικού που θα βελτιώνουν την διαχείριση, επεξεργασία και ανάλυση μεγάλων όγκων ετερογενών δεδομένων, συνδυάζοντας δεδομένα από διάφορες πηγές και βελτιώνοντας την ποιότητά τους, ώστε να έχουν μεγαλύτερη αξία και χρησιμότητα για τη λήψη αποφάσεων. Το σύστημα αυτό θα αξιολογηθεί σε σενάρια χρήσης στους τομείς της ασφάλειας τροφίμων και της γεωργίας ακριβείας».
Με την ολοκλήρωσή του, το σύστημα θα απευθύνεται σε επιχειρήσεις που συλλέγουν και αναλύουν δεδομένα του αγροδιατροφικού τομέα για να αναπτύξουν λύσεις Τεχνητής Νοημοσύνης και να υποστηρίξουν τη λήψη αποφάσεων.
Η Τεχνητή Νοημοσύνη στον Αγροδιατροφικό τομέα
Σε ό,τι αφορά τη χρήση της Τεχνητής Νοημοσύνης στον Αγροδιατροφικό τομέα τα βοφέλη επιμερίζονται σε πολλούς τομείς.
Στον πρωτογενή τομέα υπάρχει «επιτακτική ανάγκη για έξυπνες και αυτοματοποιημένες λύσεις, καθώς απαιτείται διαρκώς αύξηση της παραγωγής, ενώ ταυτόχρονα παρατηρείται μείωση του ανθρώπινου δυναμικού που απασχολείται σε αυτόν τον τομέα, απαιτείται μείωση των πόρων (π.χ. νερό, ενέργεια) που καταναλώνονται προκειμένου να επιτευχθούν οι στόχοι για βιωσιμότητα, και σημειώνεται αύξηση της συχνότητας και έντασης ακραίων καιρικών φαινομένων λόγω της κλιματικής κρίσης» όπως επισήμανε ο διαχειριστής του STELAR.
Αναφορικά με το στάδιο της παραγωγής, η Τεχνητή Νοημοσύνη θα αποτελέσει τον ακρογωνιαίο λίθο για τη γεωργία ακριβείας, αυξάνοντας την αυτοματοποίηση διαφόρων εργασιών και επιτρέποντας την πιο έξυπνη και αποδοτική διαχείριση των πόρων.
«Στο στάδιο της εφοδιαστικής αλυσίδας και του καταναλωτή, η Τεχνητή Νοημοσύνη μπορεί επίσης να προσφέρει σημαντικές λύσεις για την βελτίωση της ασφάλειας και ποιότητας των προϊόντων και τη μείωση του κόστους, για παράδειγμα επιτρέποντας πιο στοχευμένους ελέγχους» είπε ο κ. Σκούτας και κατέληξε ότι «σε κάθε περίπτωση, η χρήση Τεχνητής Νοημοσύνης είναι εφικτή και αποτελεσματική μόνο εφόσον υπάρχουν διαθέσιμα αρκετά και αξιόπιστα δεδομένα. Συνεπώς, τα οφέλη της Τεχνητής Νοημοσύνης είναι άρρηκτα συνδεδεμένα με θέματα διαχείρισης δεδομένων».
ΑΠΕ
Ακολουθήστε το Cibum 
