Распределённые реестры для обмена данными в фенотипировании растений

Фенотипирование растений, изучающее взаимодействие генотипов с окружающей средой, продвинулось благодаря автоматизированному высокопроизводительному скринингу в теплицах. Однако управление обширными наборами данных сложно, а их обмен ограничен из-за дороговизны и технических сложностей.

Несмотря на существующие стандарты управления данными, такие как MIAPPE и FAIR, в применении машинного обучения (ML) сохраняются проблемы, в основном из-за потребности в больших объёмах качественных размеченных данных. Нежелание заинтересованных сторон делиться данными из-за опасений по поводу прав собственности тормозит прогресс.

В июле 2023 года журнал Plant Phenomics опубликовал статью-перспективу, в которой предлагается использовать распределённые реестры и смарт-контракты для преодоления текущих ограничений в совместной обработке данных и обучении ИИ-моделей для фенотипирования растений.

Проблемы текущей системы:

• Нестандартизированный сбор и обработка данных.
• Риски нарушения прав собственности и потенциального misuse данных.
• Отсутствие гармонизации данных и недостаточные стимулы для обмена.

Предлагаемое решение:

Создание экосистемы на основе технологии распределённых реестров, известной безопасным и подотчётным обменом данными. Система включает:

• Стимулы для поощрения участия (финансовые и коллаборационные).
• Механизмы электронного управления (e-governance) в динамичной, интероперабельной и децентрализованной сети.
• Множество интероперабельных маркетплейсов для предотвращения монополий и поощрения разнообразия.

В экосистеме активное участие принимают заинтересованные стороны: поставщики данных, пользователи, кураторы и создатели ИИ/ML-моделей.

Потенциал и проблемы:

В сельском хозяйстве эта экосистема может революционизировать сбор и использование данных, особенно для прогнозирования болезней и урожайности. Фермеры могут выступать как поставщиками, так и потребителями данных, повышая точность ML-моделей и надёжность прогнозов.

Однако признаются и проблемы: вопросы конфиденциальности, интеграция с устаревшими системами, соответствие законодательству и необходимость механизма расчётов между токенами и фиатными валютами.

Вывод:

Предлагаемый подход представляет комплексное решение текущих проблем обмена данными в фенотипировании растений. Связывая разнообразные наборы данных с метаданными и стимулируя участников, он направлен на повышение точности и полезности ML-моделей в сельском хозяйстве, потенциально преобразуя современные методы земледелия.