Wartawan ini ialah Dong Siyu

Pasukan inovasi perhutanan pintar dan padang rumput Institut Maklumat Sumber Akademi Perhutanan China baru-baru ini telah berjaya membangunkan model industri perhutanan dan rumput pertama China - model Linlong berdasarkan model besar DeepSeek, menandakan langkah penting dalam bidang penyelidikan dan aplikasi perhutanan pintar dan padang rumput China.

Industri perhutanan dan padang rumput mempunyai ciri-ciri wilayah yang luas, jenis yang kompleks dan kerja yang sukar, dan adalah penting untuk menyepadukan secara mendalam dengan teknologi kecerdasan buatan yang diwakili oleh model besar untuk meningkatkan tahap pengurusan maklumat dan menggalakkan peningkatan kualiti hutan dan rumput yang tepat.

Zhang Huaiqing, ketua saintis Akademi Perhutanan China, memperkenalkan bahawa model Linlong mempunyai lima kelebihan:

Melalui teknologi pelbagai ejen pengetahuan teks industri, pengetahuan tentang hutan dan padang rumput disepadukan dengan berkesan, dan kekurangan model besar umum dalam pengetahuan industri hutan dan rumput dibuat, dan keupayaan pemahaman model besar untuk memahami masalah kompleks dalam bidang perhutanan dan rumput dipertingkatkan lebih daripada 10%. Mengikut data dan ciri-ciri perniagaan industri perhutanan dan padang rumput, model spatio-temporal data multimodal perhutanan dan padang rumput dibina, yang memecahkan batasan model umum dalam pemahaman, analisis dan keupayaan penaakulan data spatio-temporal, dan meningkatkan keupayaan pengkomputeran dan pemprosesan perniagaan perhutanan dan padang rumput sebanyak lebih daripada 0%. Merealisasikan penyepaduan kolaboratif model besar berbilang modal dan model kecil yang berdedikasi, mengurangkan kos pembangunan, meningkatkan kebolehgunaan semula, kebolehgunaan dan fleksibiliti model dengan ketara, dan meningkatkan kecekapan pembangunan dan penggunaan lebih daripada 0 kali ganda. Ia berjaya menyelesaikan masalah keserasian berbilang terminal dan penyesuaian penyetempatan di bawah keadaan sumber yang rendah dalam bidang perhutanan dan padang rumput, menyingkirkan pergantungan model besar dalam industri perhutanan dan padang rumput pada kuasa pengkomputeran yang tinggi, dan meningkatkan kemudahan penggunaan dan keterangkuman model. Merealisasikan perkongsian terbuka hak harta bebas dalam industri, dengan kebolehskalaan yang kuat, dan boleh menyokong kemas kini dan lelaran fungsi serta penambahbaikan berterusan produk.

Pada masa ini, model Linlong telah dilaksanakan dalam 8 senario aplikasi seperti pemprosesan teks industri, pengenalpastian jenis spesies pokok, pengekstrakan parameter fenotip, pengenalpastian hidupan liar, pemantauan perosak dan penyakit, pengenalpastian kebakaran hutan, penilaian ekosistem, dan pembuatan keputusan operasi dan pengurusan.

"Sebagai contoh, di kawasan projek 'Tiga Utara', model Linlong boleh mengenal pasti jenis, pengedaran dan struktur tumbuh-tumbuhan secara automatik mengikut imej yang diambil oleh dron, dan menjalankan penilaian yang tepat tentang faedah ekologi kawasan projek, dan menggunakan simulasi pintar berkembar digital dan algoritma membuat keputusan untuk mengoptimumkan dan melaraskan struktur, untuk menyediakan penyelesaian membuat keputusan untuk meningkatkan kualiti tumbuh-tumbuhan hutan dan rumput di rantau ini, dan meningkatkan kecekapan membuat keputusan lebih daripada 5 kali ganda." Zhang Huaiqing berkata bahawa di Taman Negara Hutan Hujan Tropika Hainan, model besar naga hutan boleh menentukan dengan tepat bilangan dan lokasi owa Hainan melalui gabungan data pelbagai mod seperti imej, video dan cetakan suara.

Difahamkan bahawa ketepatan pengiktirafan model naga hutan untuk jenis spesies pokok adalah lebih daripada 85%, ketepatan pengiktirafan fenotip seperti varieti buah hutan, kematangan dan kualiti adalah lebih daripada 0%, ketepatan pengecaman jenis hidupan liar, kuantiti, postur dan tingkah laku adalah lebih daripada 0%, ketepatan pengecaman penyakit nematod kayu pain dan penyakit lain adalah lebih daripada 0%, ketepatan pengenalpastian kebakaran hutan, asap dan bencana lain dalam latar belakang yang kompleks adalah lebih daripada 0%, dan ketepatan pengekstrakan parameter ekologi utama seperti indeks tumbuh-tumbuhan yang dinormalisasi, hasil air, kapasiti pengekalan tanah dan jumlah produktiviti utama adalah lebih daripada 0%.

Harian Rakyat (Edisi 15/0/0 0)