پیشرفت ترجمۀ ماشینی --- ارتقا یا تنزل جایگاه مترجمان

Cisco ،فروشندۀ فناوریِ ذخیره سازی و شبکه بندی، تخمین می زند تا سال 2016 ترافیکِ جهانیِ شبکه های ابری سالیانه 45 درصد افزایش پیدا کند. بر اساس یافته های Common Sense Advisory، همگام با افزایش سرسام آور نرخِ تولیدِ محتوا، تقاضا برای خدمات ترجمه نیز سالیانه 15 الی 20 درصد افزایش پیدا خواهد کرد. چنین واقعیتی بدان معناست که سالانه ده ها هزار مترجم جدید برای مدیریت محتوای تولید شده می بایست وارد بازار کار شوند. ترجمۀ ماشینی کمک بزرگی است، اما نمی توان پیش بینی کرد که این فناوری قادر است روزی جایگزین انسان شود و یا خیر.

Ray Kurzweil، فیوچریستِ (futurist) مشهور، اعتقاد دارد تا سال 2029 ماشین ها همتراز با هوش انسانی پیشرفت خواهند کرد و قادر خواهند بود کارهای برجسته ای را انجام دهند که پیش از آن صرفاً در اختیار بشر بوده است، مانند انجام ترجمه های باکیفیت.

از ماه ژوئن سال گذشته، سه دستگاه ترجمۀ همزمان پا به عرصۀ وجود گذاشته اند، یکی از آن ها بوسیلۀ مایکروسافت تولید شده است که واژه های شفاهی را برگردان می کند و در نهایت ترجمۀ صوتی آن را، دقیقاً متناسب با تنِ صدای گوینده، در اختیار مخاطب قرار می دهد.

برای دهه های متمادی، دانشمندانِ حوزۀ کامپیوترْ تلاش کرده اند تا از یک رویکرد مبتنی بر قواعد (rules-based approach) استفاده کنند --- یعنی آموزش قواعد زبان شناسیِ زبان مبدا و مقصدْ به سیستم های ترجمه و فراهم کردن دیکشنری های ضروری برای این سیستم ها.

در برخی دیگر از شرکت ها مانند گوگل، پژوهشگران به دنبال پیاده سازی رویکردهای آماری (statistical approach) بوده اند. در این رویکرد، حجم متنابهی از متون با زمینه های مختلف به همراه ترجمۀ آن ها به سیستم خورانده می شود. بدین صورت، سیستم قادر به ارائۀ حدسیاتی [در مورد ترجمۀ متن مورد نظر] خواهد بود که تا اندازه ای دقیق اند --- اما ابزارهای ترجمۀ ماشینیْ زمینۀ متن، مقصودِ آن، و لحن نویسنده را در نمی یابند و مد نظر قرار نمی دهند.

ترجمۀ ماشینی به معنای استفاده از نرم افزار برای ترجمه متن یا گفتار از زبانی به زبان دیگر است. چنین ابزاری زمانی مؤثر خواهد بود که ادبیات استفاده شده در فایل مبدأ از زبانی به غایت استاندارد و ساختاریافته بهره مند باشد.

 زمانی که حجم ترجمه بالاستْ چنین ابزاری مفید به نظر می رسد؛ با وجود این، کلیۀ اشخاصی که در این حرفه کار کرده اند حذف مؤلفۀ انسانی از ترجمه را غیر ممکن ارزیابی خواهند کرد. در موارد بسیار، دخالت انسان برای ویرایش متن مبدا پیش از شروع فرآیند و متن ترجمه شده پس از اتمام فرآیند ضروری است. همچنین، انسان ها می بایست کامپیوتر را آموزش دهند تا بتواند با موضوعات و  ترمینولوژی های خاص آشنا شود. بدین منظور، و چنانچه بخواهیم چنین فرآیندی مقرون به صرفه از آب درآید، حجم عظیمی از واژها می بایست به وسیلۀ سیستم پردازش شوند. 

برخی از شرکت ها، ابتدای امر از ترجمۀ ماشینی استفاده می کنند سپس از ویراستاران انسانی برای اصلاح ترجمه بهره می برند. اما ترجمه با پشتیبانی کامپیوتر از اینجا رانده و از آنجا مانده نخواهد بود، و برای کمک به انسانْ بهترین گزینه ها را انتخاب می کند. ابزارهای پشتیبان مترجمْ از سرعت ماشین، و مهارت انسان برای درک زمینه و ظرایف متن، بهره مند می گردند تا در مقیاس بزرگ همان متونِ باکیفیتی را ارائه دهند که بهترین مترجمان انسانی ارائه می دهند. ابزارهای ترجمه با پشتیبانی کامپیوترْ بر وابستگی متقابل انسان و ماشین صحه گذاشته و در مقیاس های بزرگ قادرند ترجمه های سریع و باکیفیت ارائه دهند.

مواردی پیش می آیند که می بایست دقت را فدای سرعت کرد و بالعکس. به عنوان نمونه، ترجمۀ ماشینی برای مصرف کننده ای که صرفاً به دنبال یک فرآورده در یک سایت چینی است، سودمند خواهد بود. در این حالت، دقت مد نظر نیست و تنها می بایست نام فرآورده جستجو شود. اما برای محققی که به دنبال درک داده های پژوهش استْ به منظور اطمینان از دقت و صحتْ ترجمۀ انسانی سودمند خواهد بود.

این موضوع که کدام یک از انواعِ مترجم مفید فایده خواهد بود، بستگی به موقعیت دارد. شرکت هایی که پروژه های ترجمۀ آن ها بر اساس شرایط برنامه ریزی می شود، از منابعشان بهترین بهره را خواهند برد و شاهدِ ارتقاءِ بهتر مدیریت ریسک خواهند بود.

منبع:

این گزارش خبری در تاریخ 26.6.2013

تحت عنوان

"The rise of the machines is not lost in translation"

در bdlive.co.za منتشر شده است.

---

Common Sense Advisory:

http://www.commonsenseadvisory.com/Home.aspx

ترجمه حضوری --- همزمان و غیرهمزمان

...

ابزارهای کامپیوتری پشتیبان مترجم (CAT) --- قسمت سوم

روش دیگر برای ارتقای ترجمه، استفاده از کورپس های زبان های بین المللی است. چنین چیزی زمانی مهم است که از زبان مادری به زبان مقصد مبادرت به ترجمه می کنیم.

کورپس ها مجموعه ای از متون هستند که براساس اصولی خاص جمع آوری، انتخاب، و ساختار آن ها از لحاظ صرف و نحو تجزیه و تحلیل شده است، و دارای موتور جستجوی مخصوصند. اهمیت استفاده از کورپس ها برای مترجم در ذیل شرح داده شده است:

(1) کورپس ها نمونه هایی از جملات را از منابع گفتاری و نوشتاری گرد آورده اند (ادبیات، نوشته های علمی، مجلات و نشریات، گزارش های آکادمیک، و محاورات). زمانی که در مورد کاربرد صحیح واژه ها در یک کانتکست خاص شک داریم، کورپس ها مفید فایده خواهند بود؛

(2)  تمام متون ارائه شده در کورپس ها دارای داده های نمونه‌اند، زیرا تقریباً تمامی کورپس های مدرن شامل بیش از 100 میلیون واژه و ترکیب واژگانند؛

(3) کورپس ها قادرند بسیاری از مشکلات مرتبط با زبان شناسی را حل کنند، از جمله مشکلاتی که در حین ترجمه بروز می کنند.

با این حال، با وجود داشتن داده های نمونۀ حجیم و دقیق، کورپس ها نمی توانند تمامی زمینه های حرفه ای را پوشش دهند؛ این مساله کاربرد آن ها را در برخی شاخه های علمی غیرممکن می سازد.

محصولاتی که مبتنی بر نرم افزارهای «حافظه ترجمه» هستند، به منظور استفادۀ مترجمان و دارالترجمه ها طراحی می شوند.

ابزارهای پشتیبان مترجم مانند اس دی ال ترادوس، Déjà vu، استارترنزیت، وُردفست، و غیره در حال حاضر جزء جدایی ناپذیر فرآیند ترجمه هستند. اهمیت استفاده از آن ها زمانی نمایان می شود که قرار است یک پروژۀ بزرگ به وسیلۀ عدۀ زیادی مترجم انجام شود؛ در این مواقع، معادل هایی که گزینش می شوند می بایست در کل پروژۀ ترجمه انسجام داشته باشند. در نتیجه، ترجمه در یک پایگاه داده ذخیره شده و کلیۀ شرکت کنندگانْ در فرآیند آماده سازی پروژه به آن پایگاه دسترسی خواهند داشت. مترجمان قادرند به شکل محلی و یا از راه دور به شبکه ای واحد متصل شوند. چنین مساله ای برای شرکت هایی که دارای شعبه هایی در کشورهای مختلفند مهم تلقی می شود.

ادامه دارد ...

تلفن هوشمند شما در سال 2018: 15 ویژگی جدید --- قسمت 4

کنترل صدا

مسیر پیش رو: به لطف پردازنده های نیرومند و سنسورهای قوی، ظرف پنج سال آینده، کنترل های صدا تکامل یافته تر و حساس تر خواهند شد، به گونه ای که تمام command های دستگاه از جمله پلی بک کردن موسقی، answer call، آن و آف کردن زنگ موبایل، و بوت کردن اپلیکیشن ها از این طریق امکان پذیر است. 

پیش بینی:

پردازنده های قدرتمند به شما این امکان را می دهند تا با تلفن هوشمند خود مکالمه کنید و هندست شما تبدیل خواهد شد به یک ترنسلیتور جهانی.

اسکرین های انعطاف پذیر

مسیر پیش رو: افراد زیادی تلفن های هوشمند طومار مانند را پیش بینی می کنند که می توان آن ها را لوله کرد و در یک جعبۀ استوانه ای قرار داد. این پیش بینی از فن آوری های کنونیِ اسکرین های انعطاف پذیر ناشی می شود، مانند 

Samsung's YOUM flexible OLED، Corning's Willow Glass، و اسکرین منعطف شرکت LG که هنوز نامش فاش نشده است. به احتمال زیاد، تلفن های آینده صفحاتی خواهند داشت که گرد یک لوحِ تلفن هوشمند پیچیده شده اند.

پیش بینی: به لطف موادی مانند پلی مرهای الاستور، بوردهای مدار انعطاف پذیر، و پیکربندی مجدد باتری ها، صفحه نمایش تلفن های هوشمند انعطاف پذیر تر خواهد شد. در واقع، بدنۀ تلفن شما پیچ می خورد و خم می شود، به گونه ای که تطبیق پذیری بیشتری با بدن خواهد داشت و می توان عملکردهای جدیدی را از آن انتظار داشت. برای نمونه، می توانید برای روشن و خاموش کردن دستگاه آن را بپیچانید. بهتر از همه، در سال 2018 نشستن روی تلفن منجر به شکستن یا ترک خوردن آن نمی شود.

ادامه دارد ...

قسمت اول این گزارش را می توانید با کلیک بر روی این جمله مشاهد کنید.

قسمت دوم این گزارش را می توانید با کلیک بر روی این جمله مشاهده کنید.

قسمت سوم این گزارش را می توانید با کلیک بر روی این جمله مشاهده کنید.

تلفن هوشمند شما در سال 2018: 15 ویژگی جدید --- قسمت 3

پردازنده های 32 هسته ای

مسیر پیش رو: کلیۀ فعالیت های تلفن هوشمند به نوعی با قدرت ذهنی آن مرتبط است. ظرف سه سال آینده، تلفن های هوشمند می بایست دارای پردازنده های 32 هسته ایِ 256 بیتیِ 20 نانومتری باشند. احتمالاً، رقابت پیش رو میان ARM و Intel ممکن است به خلق پردازنده های میکروساختاری منجر شود.

پیش بینی: ظرف پنج سال آینده، تلفن های هوشمند از قدرتمندترین دسکتاپ های کنونی قوی تر خواهند بود.

دوربین های پردازشی

مسیر پیش رو:

ظرف پنج سال آینده، دوربین های دیجیتالیِ Point-and-Shoot همانند دوربین های فیلم برداریِ کنونی، منسوخ خواهند شد. دلیل آن این است که دوربین تلفن های هوشمند پردازشی خواهد شد و قادر است همانند چشم انسان فعالیت کند، به طور ناگهانی بر اشیاء تمرکز کند، اشیاء را دنبال کند، و خود را با سطوح روشنایی مختلف وقف دهد. پیشرفت هایی مانند فناوری های تمرکز خودکارِ  Nvidia Chimera و DigitalOptics راه را برای این منظور هموار خواهند کرد.

پیش بینی:

به لطف ویژگی هایی مانند مودِ three-second video-still  در ابزار HTC Zoe خط تفکیک کنندۀ تصویر ثابت و ویدئو از بین خواهد رفت. تا زمانی که دکمۀ Shutter فشرده شود، تمامی تصاویر  به شکل متحرک ضبط می شوند و صاحب تلفن در فرصت مناسب تصمیم خواهد گرفت که تصویر ضبط شده باید عکس ثابت باشد و یا ویدئو.

ادامه دارد ...

قسمت اول این گزارش را می توانید با کلیک بر روی این جمله مشاهد کنید.

قسمت دوم این گزارش را می توانید با کلیک بر روی این جمله مشاهده کنید.

تلفن هوشمند شما در سال 2018: 15 ویژگی جدید --- قسمت 2

چشم (و صدای شما) کلمۀ عبور شماست

مسیر پیش رو: Apple در صدد است تا فناوری اثر انگشت (finger print ID) را در iPhone5S تعبیه کند، اما تا سال 2015، تلفن های هوشمند قادرند چشم و شبکیۀ مالک خود را تشخیص دهند. فناوری موسوم به «پایش چشمی» و یا «بیومتریک رگ های چشمی» که به وسیلۀ EyeVerify تولید شده است احتمالاً تا سه برابر ایمن تر از finger print ID خواهد بود.

پیش بینی: به محض اینکه تصمیم بگیریم با تلفن خود صحبت کنیم، صدای ما نقش شناسۀ امنیتی را ایفا می کند، و در این میان از تکنیکی استفاده می شود که مشابه فناوری KIVOX شرکت Agito است، که در تلفن هوشمند A586 بایدو-لنوو به کار گرفته شده است. در دانشگاه Carnegie Mellon  نوعی فناوری امنیت صدا در حال طراحی است که می تواند صدای صاحب تلفن را به رشته های الفبایی تبدیل کرده که متعاقباً به کلمۀ عبور تبدیل خواهد شد.

ادامه دارد ...

قسمت اول این گزارش را می توانید با کلیک بر روی این جمله مشاهد کنید.

فناوری Goal Line در مسابقات بین المللی فوتبال

برای اولین بار در تاریخ مسابقات بین المللی، FIFA از تکنولوژی خط گل (Goal Line) در جام کنفدراسیون ها استفاده خواهد کرد. این رقابت ها روز شنبه با بازی برزیل و ژاپن آغاز خواهد شد. سایت خبری AP نگاهی انداخته است به دلیل پذیرش این فناوری و چگونگی عملکرد آن:

چرا حالا:

سپ بلاتر، رئیس فدراسیون فوتبال، سال های سال بر این مساله پافشاری می کرد که فناوری جایگاهی در فوتبال ندارد و اشتباهات داوری را بخشی از جذابیت این بازی می دانست. اما، پس از اشتباهات داوران در جام جهانی 2010 مخصوصا زمانی که گل سالم لمپارت مقابل آلمان مردود اعلام شد، مخالفت دیرینۀ بلاتر با مجهز کردن داوران به فناوری از میان رفت.

آزمایش فناوری:

پس از جام جهانی 2010، 10 سامانۀ مختلف برای آزمایش در اختیار FIFA قرار گرفت، اما عقیده بر این بود که هیچ کدام آن ها به اندازۀ کافی دقیق نیست. اما پس از اعمال اصلاحات لازم بر روی برخی از این سامانه ها، نهاد قانون گذاری فوتبال (International Football Association Board) متقاعد شد می توان از این فناوری در رقابت ها استفاده کرد و در نهایت مجوز تصمیم گیری با پشتیبانی کامپیوتر را صادر کرد.

گزینش سامانه:

برای اولین بار، FIFA این فناوری ها را در ماه دسامبر در جام باشگاهای جهان مورد آزمون قرار داد. GoalRef، که از میدان مغناطیسی استفاده می کند، در یکی از استادیوم ها استفاده شد. دیگر سامانه، که Hawk-Eye نام دارد و مبتنی بر دوربین است، در یک استادیوم دیگر استفاده شد. اما هیچ کدام از آن ها برای استفاده در جام کنفدراسیون ها و جام جهانی برزیل پذیرفته نشدند. سامانۀ آلمانی GoalControl-4D فناوری ای بود که در نهایت برای این منظور گزینش شد.

GoalControl-4D چگونه کار می کند؟

هفت دوربین سرعت بالا روبروی دهانۀ هر کدام از دروازه ها کار گذاشته می شوند. در صورتی که اختلافی بر سر گلِ به ثمر رسیده پیش آید، ظرف یک ثانیه سیگنالی به داور ارسال و به اطلاع وی رسانده می شود که آیا می بایست گل را پذیرفت و یا خیر. همچنین، تصمیم بر روی صفحات نمایش استادیوم به تصویر در خواهد آمد. در تنیس و کریکت، انتظار کشیدن برای تصمیمی که به وسیلۀ Hawk-Eye گرفته می شود، تبدیل به بخشی سرگرم کننده از بازی شده است. اما در فوتبال، تصمیم گیری نهایی همچنان بر عهدۀ داور است --- وی می تواند تصمیم کامپیوتر را نادیده بگیرد. تیری ویل یکی از مسئولان FIFA اظهار داشته است که «زیبایی کار در اینجاست که این فناوری چیزی را برای داور تغییر نداده است و صرفاً کمکی اضافه در اختیار وی قرار خواهد داد.» پیش از شروع بازی، آزمایش دوربین ها اجباری است و چنانچه دربارۀ دقت کار دوربین ها در یک روز خاص شبه ای وجود داشته باشد، مسئولان می توانند دستگاه مذکور را خاموش کنند.

هزینه:

نصب GoalControl-4D در هر استادیوم 267 هزار دلار و استفاده از آن در هر مسابقه 4 هزار دلار هزینه دارد. در صورتی که در حین استفاده از GoalControl-4D، در 16 مسابقه ای که قرار است در شش استادیم برگزار شود، مشکلی بروز کند، FIFA قادر است قرارداد خود را با تولید کننده مورد بازنگری قرار دهد.

فناوری بعدی چیست؟

FIFA اصرار دارد تا استفاده از فناوری را صرفاً به گل های مورد اختلاف محدود کند و به منظور تصمیم گیری دربارۀ موقعیت آفساید و خطای پنالتی استفاده از این سامانه ها در دستور کار قرار ندارد.

منبع:

این مقاله در تاریخ 15.6.2013

تحت عنوان

" International soccer gets goal-line technology"

در AP منتشر شده است.

کشاورزی دقیق (Precision Farming) در راه جهانی شدن

ثانیه به ثانیه، دنیای ما بزرگتر ... و  گرسنه تر می شود.

در واقع، هر یک ثانیه دو نفر به جمعیت جهان افزوده می شود، و تا سال 2050، تولید مواد غذایی می بایست 70 درصد افزایش یابد تا غذای جمعیت رو به رشد تامین گردد.

متاسفانه، ناکارآمدی تکنیک های برداشت محصول، انبارداری نامناسب، و حمل و نقل ضعیف منجر می شود نیمی از غذای تولیدی هیچ گاه مصرف نشود. تقریباً 30 درصد از غذای تولید شده مقصدی به جز سطل های زباله ندارد، و زنجیرۀ تأمین ناکارا این مسئله را پیچیده تر کرده است.

مطمئناً، رویدادهای آب و هوایی، مانند خشکسالی های بلندمدت، مشکلات بیشتری را برای علم کشاورزی خلق کرده است؛ از دست رفتن محصول، کمبود منابع غذایی، و قیمت های فزایندۀ کالاهای مصرفی شاهدی بر این مدعاست.

به منظور معکوس کردن چنین روندِ نگران کننده ای، و به منظور تولید غذای کافی برای برآورده کردن نیازهای جمعیت رو به رشد جهان، صنعت کشاورزی می بایست پذیرای روش های هوشمندِ زراعت باشد.

خوشبختانه، فناوری این کار در حال حاضر در دسترس بوده و از آن استفاده نیز می شود.

کشاورزی دقیقْ (precision agriculture) نام شیوه ای است که زراعت را بهینه خواهد ساخت. در این شیوه از داده های جمع آوری شده از مزرعه و مناطق پیرامون به منظور پیش بینی شرایط جوی و بهینه سازی عملیاتِ زراعتْ استفاده می گردد. به همان اندازه که تجهیزات و نیروی کار مهم است، داده های زمان-واقعی نیز مهم است. این داده ها با شرایط جوی، خاک، سلامت محصول، و کیفیت هوا مرتبطند. علاوه بر آن، آنالیز پیشگویانه نیز می تواند رویکردی هوشمندانه برای تصمیم گیری های خردمندانه در حوزۀ کشاورزی باشد.

کشاورزی دقیق (precision agriculture) می تواند به کشاورزان --- از برونئی تا برزیل --- کمک کند تا مناسب ترین زمان برای برداشت را تخمین زنند تا صدمه به محصول و نقصان آن کاهش یابد؛ تا تعداد کارگران مورد نیاز برای برداشت را برآورد کنند؛ تا زمان دقیق درخواست و اعزام خودروهای حامل محصول را تعیین نمایند --- مسئله ای مهم در مزارعی که نبود جادۀ آسفالته توزیع را فلج کرده است.

موارد فوق و سایر روشهای هوشمند زراعت --- از جمله تکنیک هایی که در اوایل چرخۀ رشد به کار گرفته می شود --- صدمات جوی به محصول را تا 25 درصد تقلیل می دهند، و به این وسیله هدررفت محصول کاهش یافته و غذای بیشتری راهی میز غذا می شود.

توسعه، و استفاده از، فناوری های مبتنی بر آنالیز و پیش بینی به مزارع عظیم محدود نمی گردد. مزارع کوچک و خانوادگی نیز می توانند از این فناوری ها بهره مند شوند تا تولید را افزایش و هدررفت محصول را کاهش دهند.

نود درصد صدماتی که به محصولات کشاورزی وارد می شود، به گفتۀ وزارت کشاورزی ایالات متحده، ناشی از حوادث جوی است. کشاورزی دقیق (precision agriculture)، از طریق پیش بینی شرایط جوی و مدلسازی جوی، و محلی سازی آن --- حتی در سطح یک مزرعۀ خاص --- توانسته این مشکل را مرتفع کند.

در IBM، از طریق استفاده از Deep Thunder، نوعی سرویس مدلسازی جوی ابداع شده است --- نوعی فناوری تحلیلگر برای پیش بینی جوی در سطح محلی، به شکل مناسب سازی شده، با رزولوشن بالا، و سرعت مناسب. حسگرهای تعبیه شده در مزرعه دما و رطوبتِ خاک و هوای پیرامون را اندازه گیری می کنند؛ دستگاه مذکور این داده ها را گردآوری می نماید. تصاویر چند-طیفی که از سامانه های دوربین دار پیشرفته گرفته شده اند با این اطلاعات ترکیب می شوند؛ این تصاویر را ماهواره ها و یا هواپیماها برای دستگاه ارسال می کنند.

در مرحلۀ بعد، سیستم مذکور داده های میدانی را با داده های جمع آوری شدۀ سراسری ترکیب می کند. یک ابر-کامپیوتر این داده ها را پردازش کرده و در نهایت یک مدل ریاضی و چهاربعدی تولید می کند.

Deep Thunder قادر است وضعیت جوی یک نقطۀ خاص را تا سه روز آینده پیش بینی کند؛ محاسبات این سیستم به حدی دقیق است که می تواند بازۀ مکانی یک مایلی و بازۀ زمانی 10 دقیقه ای را پوشش دهد.

در واقع، کشاورزی که به طور کامل از وقایع جوی پیش رو آگاه است می تواند کوددهیِ منطقه ای از مزرعه را که بارش بیشتری دریافت می کند، به تعویق اندازد؛ و یا، می تواند تنها بخشی از مزرعه را آبیاری کند که قرار است بارش کمتری دریافت کند. با توجه به اینکه 70 درصد منابع آب نصیب بخش کشاورزی می شود، قطره قطرۀ آب مصرفی باارزش محسوب می شود.

همچنین، درک بهتر و پیش بینی دقیق ترِ شرایط جوی و تأثیر آن بر شبکۀ حمل و نقلْ می تواند برای کشاورزان سودمند باشد. به کمک این روش، آن ها قادر خواهند بود دربارۀ سریع ترین مسیر و بهترین شیوۀ جابجایی محصول تصمیم گیری کنند. چنین امکانی در کشورهایی مانند برزیل از اهمیتی حیاتی برخوردار است که در آن ها جاده های غیرآسفالته و باران های سنگین موجب می شود کامیون ها در گل و لای گیر کنند.

تجمیع آنالیزهای پیشگویی کننده و تکنیک های مدل سازی با سایر روش های پیشرفتۀ زراعتْ در برهه ای از زمان که منابع در حال تحلیلندْ بسیار سودمند خواهد بود.

برای نمونه، بسیاری از کشاورزان به منظور افزایش عملکرد محصول، از آبیاری flow-through، آبیاری قطره ای، و آبیاری بارانی استفاده می کنند و یا از آب های زیرزمینی به شکل کارا بهره می برند. «بهره مند کردن جحم بالایی از محصول با حداقل آب مصرفی» نه تنها بهره وری مزرعه را ارتقا می دهد، بلکه بازدۀ سرمایه را نیز افزایش می دهد تا بتوان بر راهکارهای هایتِکِ بیشتری سرمایه گذاری کرد.

هنوز هم در بسیاری از کشورها --- خصوصاً کشورهای در حال توسعه --- کشاورزان به منظور تصمیم گیری در مورد کاشت، آبیاری، و برداشتْ از حدس و گمان استفاده می کنند.

از طریق ترکیب ابرکامپیوترها و تحلیل های Deep Thunder با سایر نوآوری های فنی، حتی کشاورزانِ فاقد امکانات نیز می توانند تولید و سود را ارتقا دهند. و تمامی مصرف کنندگان نیز از آن ها ممنون خواهند شد.

منبع:

این مقاله در تاریخ 14.6.2013 تحت عنوان

"Precision Farming Gains Global Foothold" در LiveScience.com منتشر شده است.