Bu məqalə Science X-nin redaktorluq prosesi və siyasətlərinə uyğun olaraq nəzərdən keçirilib. Tərcüməçilər məzmunun etibarlılığını təmin edərkən aşağıdakı xüsusiyyətləri vurğulayıblar:
Queensland Universitetinin alimləri tərəfindən yaradılan proqramlar süni intellekt platformalarına bitki tədqiqatlarında dəyərlərini məhdudlaşdıran kör nöqtəni aradan qaldırmağa kömək edə bilər. UQ doktoranturasının tələbəsi Tianqi Wei hətta qabaqcıl görmə dili modellərinin (VLM) mikroskopik bitki detallarının şəkillərinin şərh edilməsində çətinlik çəkdiyini söylədi.
Wei deyib: "VLM-lər mikroskopik sahələrdə tədqiqat vasitələri kimi geniş istifadə olunur, lakin bitki elmində deyil, çünki hüceyrə detallarını dəqiq təhlil etmək üçün etibar edilə bilməz". "Sonunda, qida təhlükəsizliyi və ətraf mühitin davamlılığı kimi sahələrdə tədqiqatların inkişafına kömək edən kəşflər etmək üçün bu vasitələrdən istifadə etməyimizə mane olan kör nöqtələr var".
VLM-ləri bitki mikroskopiyasının daha güclü bir anlayışına yönəltmək üçün Wei və UQ-nun Elektrik Mühəndisliyi və Kompüter Elmləri Fakültəsindəki əməkdaşları, hazırda GitHub-da mövcud olan PlantMicro adlı AI benchmarking məlumat dəstini yaradıblar. Tədqiqat 8 sentyabrda İsveçin Malmö şəhərində keçirilən Kompüter görmə üzrə Avropa Konfransında (ECCV 2026) təqdim edilib.
UQ-nun Kənd Təsərrüfatı və Qida Dayanıqlılığı Məktəbi ilə əməkdaşlıq edərək hazırlanmış və Qəhvə Tədqiqat və İnkişaf Korporasiyası (GRDC) tərəfindən qismən dəstəklənən proqram minlərlə mikroskopik görüntüləri inteqrasiya edir və VLM-lərin bitkilər və bitki xəstəliklərində dəqiq detalları müəyyənləşdirmək, sıralamaq və saymaq qabiliyyətini sınamaq üçün mühitiyyətli təlim mexanizmlərindən istifadə edir.
Wei deyib: "Yampaq mikroskopiyasında süni intellektin performans boşluğunun bir səbəbi, VLM-lərin tam olaraq harada çatmadığını və necə yaxşılaşa biləcəyini görə bilməməyimizdir". "PlantMicro ilə bu əsas süni intellekt modellərinin harada çətinlik çəkdiyini aydın şəkildə müəyyən edə bilərik".
Xülasə — davamını mənbədə oxuyun.
