Як штучний інтелект змінює агро і харчова промисловість щодня. Новини, тренди, можливості та загрози — саме для вашої галузі.
Google і NASA створили модель ШІ MAPL-EMIT, яка аналізує дані з інструментів на МКС для автоматичного виявлення метанових шлейфів. Вона знаходить на 50% більше викидів, ніж люди, і виявила понад 23 тисячі нових джерел викидів по всьому світу.
Google Research та NASA JPL створили модель глибокого навчання MAPL-EMIT, яка аналізує дані супутника EMIT для автоматичного виявлення шлейфів метану. Система знайшла на 50% більше шлейфів, ніж люди, та виявила понад 23 тисячі нових джерел викидів по всьому світу.
Китайські вчені представили гуманоидного робота GEAIR 2.0, який самостійно працює серед рослин, знаходить квіти та виконує перехресте опилювання. Точність визнаження рыльця виросла з 85% до 92,8%, що робить його перспективним інструментом для автоматизації селекції рослин.
Звіт McKinsey Global Farmer Insights 2026 показав, що 17% фермерів у світі сьогодні застосовують генеративний ШІ у сільському господарстві. Це одна з найшвидше зростаючих технологій в агросекторі, тоді як робототехніка, електрична техніка та ПО для стійкого розвитку ще практично не використовуються.
Автор завантажив фото хворих огірків у Yandex Alice AI, щоб отримати детальний аналіз симптомів, можливих причин та рекомендації з лікування. Це показало, як AI може швидко замінити довгі пояснення візуальним демонструванням проблеми.
Навчіть вашу команду працювати з AI за 5 днів
Кожен побудує автоматизацію для своєї ролі. Спеціальна програма для агро і харчова промисловість.
aiupskill.live →Вчені створили ШІ-інструмент AIMe, який передбачає та структурує дані про понад 100 млн відомих органічних молекул. Це розширює можливий хімічний простір для пошуку приблизно в тисячу разів, допомагаючи швидше ідентифікувати невідомі речовини.
Вчені в Испанії проаналізували 150 тисяч записів криків ворон за допомогою ШІ, виявивши сигнали тривоги, які викликають захист гнізда. Це відкриває можливість розуміння тварин, але небезпечно через ризик використання в полюванні або стресу для тварин.
Google DeepMind випустила модель WeatherNext 3 для глобального прогнозу погоди на архітектурі Functional Generative Network. Модель обробляє дані зі спутників та метеостанцій без фізичних симуляцій, що підвищує точність та скорочує цикл прогнозу до однієї години.
Google Research і DeepMind представили WeatherNext 3 — модель ШІ для прогнозу погоди, яка навчається прямо зі супутникових даних у реальному часі, а не за традиційними фізичними симуляціями. Вона дає прогнози з роздільною здатністю до 5 км на годину, що в п’ять разів детальніше, ніж попередня версія.
Дослідження 1040 фотографій грибів показало, що навіть кращі LLM можуть помилитися з токсичністю. Найменше помилок у Gemini 3.8 Flash — 11% небезпечних помилок.
Google представила WeatherNext 3 — нову ШІ-модель для погодних прогнозів, яка оновлює дані щогодини з роздільною здатністю до 5 км. Це покращує точність прогнозів опадів, вітру та сонячної радіації для енергетики та планування.
ШІ-генеровані зображення їжі часто виходять дивними та неапетитними: пончики з креветками, черв’якоподібна лапша. Це через помилки у дифузійних моделях, які використовують для реклами їжі.
Власники ресторанів використовують генеративний ШІ для створення меню. Клієнти відчувають однотипність і штучність, що робить їжу непривабливою.
Google запустив ШІ-модель WeatherNext 3, яка навчається на реальних супутникових даних у реальному часі. Це дозволяє оновлювати прогноз погоди кожну годину з роздільною здатністю 5 км і інтегрувати модель у пошук, Gemini, карти та Earth Engine.
Google Deepmind та Google Research представили модель WeatherNext 3 — нову ШІ-систему для прогнозу погоди. Вона використовує глибоке навчання для точнішого та частішого передбачення атмосферних змін.
Google випускає оновлену модель погоди WeatherNext 3 на штучному інтелекті. Вона передбачає дощ і сніг з п'ятьма рази більшою роздільною здатністю за попередньою версією.
Сэм Альтман заявив, що для виробництва одного миндального орешка в Калифорнії може потрібно стільки ж води, скільки витрачається на обробку близько 38 000 запитів до ChatGPT. Він використав це порівняння, щоб показати, насколько мала вода, що витрачається на один запит до ШІ, порівняно з сільським господарством.
LLM-помилково визначають смертельно небезпечні гриби, такі як бліда поганка, як з’їстні лисички. Це демонструє ризик покладання на AI у критичних завданнях без людської перевірки, що може призвести до трагічних наслідків для бізнесу, що залежить від точності розпізнавання.
John Deere тестує AI‑асистента JD, який відповідає на питання фермерів щодо налаштувань техніки, споживання палива та часу збору врожаю, використовуючи їхні дані. Це може підвищити ефективність господарств і знизити витрати, а також зміцнити довіру завдяки обіцянці не продавати дані.
Rainmaker випустив дрони над хмарами Аляски, розпилюючи йодид срібла, і заявив про 71 мільйон літрів додаткових опадів за три години. Це важливо, бо AI‑моделі підвищують точність і потенціал штучного зрошення, що може змінити аграрний ландшафт.