|
Food Security and Machine Learning: Opportunities and Challenges
Hruška, Adam ; Špelda, Petr (vedoucí práce) ; Plattner, Simon Antonin (oponent)
Vzhledem k rostoucímu vlivu globálního oteplování a kontinuální závislosti na neobnovitelných zdrojích, jako jsou fosilní paliva či úrodná půda, existuje velmi reálná hrozba pro budoucnost agrární sféry. Vedle budoucích omezení ovšem dochází k stále stupňujícímu populačnímu růstu především v méně rozvinutých regionech, kdy řada odhadů poukazuje na nutnost 70-110 procentního nárůstu v produkčních kapacitách potravinové produkce v reakci na růst populace. Navzdory soudobým technologiím, mezi něž patří precizní zemědělství, lze s poměrně velkou jistotou očekávat nedostatečný růst produkce ve vztahu k růstu požadavků populace. Strojové učení, které v současnosti patří mezi nejvíce rozvíjené technologie, je považováno za potenciální řešení pro výše zmíněné hrozby, ovšem rozsah jeho úspěšného nasazení zůstává nejistý. Hlavním cílem práce je zkoumání a rozbor potenciálních následků implementace strojového učení v agrární sféře, přičemž výzkum budoucnosti je realizován pomocí metodologického rámce nové scenáristiky. Analýza pro svůj cíl užívá řadu empirických dat, soudobé výzkumné projekty v rámci strojového učení a kombinaci projekcí současných fenoménů. Přesto, že metodologický rámec potenciálně umožňuje tvorbu neomezeného počtu scénářů, se práce soustředí na tři hlavní narativy. První ze scénářů se...
|