旨在客观遴选2024年度具有影响力和前瞻性的全球农业研究热点前沿,揭示农业研究热点前沿发展趋势,洞察全球农业研究热点前沿国家和机构竞争格局,分析中国农业研究热点前沿发展的优劣势,为推动完善中国农业科技创新发展战略提供数据支撑...旨在客观遴选2024年度具有影响力和前瞻性的全球农业研究热点前沿,揭示农业研究热点前沿发展趋势,洞察全球农业研究热点前沿国家和机构竞争格局,分析中国农业研究热点前沿发展的优劣势,为推动完善中国农业科技创新发展战略提供数据支撑。以Web of Science平台SCI论文、CSCD论文以及EI论文数据(2019—2023年)为基础,遴选2024年农业9大学科76个农业研究热点,其中13个研究热点最具前瞻性,被确定为农业研究前沿。展开更多
近年来,在算法、数据、算力三大引擎驱动下,人工智能(artificial intelligence,AI)发展迅速,并在AlphaFold3、核聚变智能控制、新冠药物设计等前沿领域取得诸多令人瞩目的成果。AI驱动的科学研究(AI for Science,AI4S)解决了科学数据分...近年来,在算法、数据、算力三大引擎驱动下,人工智能(artificial intelligence,AI)发展迅速,并在AlphaFold3、核聚变智能控制、新冠药物设计等前沿领域取得诸多令人瞩目的成果。AI驱动的科学研究(AI for Science,AI4S)解决了科学数据分析维度高、尺度跨度大以及局限性科研实验制约大规模跨学科科研活动的瓶颈问题,促进科学研究迈向以“平台协作”为主要特征的新模式。分析了AI4S的国际态势,梳理了当前我国农业数字化发展现状及现实困境,将文献、统计数据、调研案例分析相结合,提出推动AI4S赋能我国农业发展的实践路径。AI4S将成为撬动农业生产从“看天、看地、看庄稼”的传统模式向智能感知、智能决策、可视化管理等模式转变的强力引擎,推动科学研究从单打独斗的“小农作坊模式”迈向“安卓模式”的平台科研。在此平台上,科研人员共享算力、模型、算法、数据库和知识库等基础设施,围绕农业全产业链全生命周期研发应用,通过“滚雪球效应”加速科研创新和成果应用。利用AI技术赋能农业生产数字化、网络化和智能化,为支撑理论-实验的在线迭代,还需要完善高质量农业科学数据资源体系、适度超前推进AI关键技术与基础设施、优化新范式下的交叉创新科研生态、加强农业数据安全监管、制定完善的配套政策和激励机制等措施来打通数据壁垒,推动AI+农业落地,从源头强化农业科技创新,推动农业强国建设。展开更多
认知计算是认知科学、神经科学、数据科学和云计算的交叉学科。数据的急剧增长、算法的不断优化和高性能计算能力的发展加速了认知计算在健康医疗、智慧城市、农业等各个领域的研究和应用。认知计算提供了一种新的模式,是大数据、机器...认知计算是认知科学、神经科学、数据科学和云计算的交叉学科。数据的急剧增长、算法的不断优化和高性能计算能力的发展加速了认知计算在健康医疗、智慧城市、农业等各个领域的研究和应用。认知计算提供了一种新的模式,是大数据、机器学习、深度学习、自然语言处理、IOT (The Internet of Things)、云计算等不同成熟技术的结合体。在此模式下,研究人员不再满足于继续延用传统的数据分析方法,开始寻求新的方法以期在大规模结构和非结构数据中探索其中模式和相关性。从而认知系统可以提供学习、推理、发现、自然语言交流、决策支持的功能。农业领域的数据量呈现爆发式的增长,认知计算和农业大数据的结合有效促进了智慧农业的发展,但是由于数据不仅包括时空数据、图像、视频等多种类型,其数据质量和地理位置、网络连接和数据来源密切相关。所以对于认知计算在农业领域的应用,这既是机遇也是挑战。基于已有研究工作探讨了认知计算的概念和相关学科;阐述了认知计算的发展历程、不同架构类型和技术体系;总结了近年来认知计算的研究进展;简要介绍了认知计算在农业领域的应用现状,同时对认知计算在农业领域应用中的挑战和发展趋势进行了总结、思考与展望。展开更多
文摘旨在客观遴选2024年度具有影响力和前瞻性的全球农业研究热点前沿,揭示农业研究热点前沿发展趋势,洞察全球农业研究热点前沿国家和机构竞争格局,分析中国农业研究热点前沿发展的优劣势,为推动完善中国农业科技创新发展战略提供数据支撑。以Web of Science平台SCI论文、CSCD论文以及EI论文数据(2019—2023年)为基础,遴选2024年农业9大学科76个农业研究热点,其中13个研究热点最具前瞻性,被确定为农业研究前沿。
文摘近年来,在算法、数据、算力三大引擎驱动下,人工智能(artificial intelligence,AI)发展迅速,并在AlphaFold3、核聚变智能控制、新冠药物设计等前沿领域取得诸多令人瞩目的成果。AI驱动的科学研究(AI for Science,AI4S)解决了科学数据分析维度高、尺度跨度大以及局限性科研实验制约大规模跨学科科研活动的瓶颈问题,促进科学研究迈向以“平台协作”为主要特征的新模式。分析了AI4S的国际态势,梳理了当前我国农业数字化发展现状及现实困境,将文献、统计数据、调研案例分析相结合,提出推动AI4S赋能我国农业发展的实践路径。AI4S将成为撬动农业生产从“看天、看地、看庄稼”的传统模式向智能感知、智能决策、可视化管理等模式转变的强力引擎,推动科学研究从单打独斗的“小农作坊模式”迈向“安卓模式”的平台科研。在此平台上,科研人员共享算力、模型、算法、数据库和知识库等基础设施,围绕农业全产业链全生命周期研发应用,通过“滚雪球效应”加速科研创新和成果应用。利用AI技术赋能农业生产数字化、网络化和智能化,为支撑理论-实验的在线迭代,还需要完善高质量农业科学数据资源体系、适度超前推进AI关键技术与基础设施、优化新范式下的交叉创新科研生态、加强农业数据安全监管、制定完善的配套政策和激励机制等措施来打通数据壁垒,推动AI+农业落地,从源头强化农业科技创新,推动农业强国建设。
文摘认知计算是认知科学、神经科学、数据科学和云计算的交叉学科。数据的急剧增长、算法的不断优化和高性能计算能力的发展加速了认知计算在健康医疗、智慧城市、农业等各个领域的研究和应用。认知计算提供了一种新的模式,是大数据、机器学习、深度学习、自然语言处理、IOT (The Internet of Things)、云计算等不同成熟技术的结合体。在此模式下,研究人员不再满足于继续延用传统的数据分析方法,开始寻求新的方法以期在大规模结构和非结构数据中探索其中模式和相关性。从而认知系统可以提供学习、推理、发现、自然语言交流、决策支持的功能。农业领域的数据量呈现爆发式的增长,认知计算和农业大数据的结合有效促进了智慧农业的发展,但是由于数据不仅包括时空数据、图像、视频等多种类型,其数据质量和地理位置、网络连接和数据来源密切相关。所以对于认知计算在农业领域的应用,这既是机遇也是挑战。基于已有研究工作探讨了认知计算的概念和相关学科;阐述了认知计算的发展历程、不同架构类型和技术体系;总结了近年来认知计算的研究进展;简要介绍了认知计算在农业领域的应用现状,同时对认知计算在农业领域应用中的挑战和发展趋势进行了总结、思考与展望。
