LLM в теплице не советует, а сама меняет свет растениям

Самое интересное в этой работе — не то, что LLM научилась объяснять состояние растений человеческим языком. Она получила доступ к исполнительным механизмам и стала сама менять микроклимат, запускать протоколы фенотипирования и управлять стрессовыми сценариями.

В основе — сеть из 49 каналов, которая собирает мультиспектральные, электрохимические и диэлектрические данные. Модель обрабатывает телеметрию и раз в два часа регулирует освещение: полный спектр, 450 нм и 660 нм. То есть это уже не привычный «копилот», подсказывающий оператору следующий шаг, а замкнутый контур: датчики → решение → действие → новые данные.

Практическая ценность появляется именно в оптимизации нескольких целей сразу. В режиме минимального времени система сократила производственный цикл на 35%. В режиме экономии энергии она снизила её расход на 18%, почти не увеличив срок выращивания.

Самый неожиданный результат — агент самостоятельно выработал стратегию накопления хлорофилла через периоды темноты. Авторы сообщили об экономии энергии 67,9%. Это важный сигнал: алгоритм может находить неочевидные режимы, которые человек заранее не заложил в инструкцию.

Но здесь же и главный риск. В описании всего три кейса — вертикальная ферма и установка с отдельным растением, — а подробностей о протоколах безопасности, воспроизводимости и стоимости вычислений нет. Неясно и то, насколько хорошо найденные стратегии перенесутся на другие культуры и реальные хозяйства. Поэтому пока это сильная демонстрация автономного управления, а не доказательство, что LLM можно без оговорок поставить за пульт любой теплицы.

Готовы ли вы доверить системе эксперимент с растениями, если она экономит энергию именно за счёт стратегии, которую заранее не смог объяснить человек? Источник: cs.AI updates on arXiv.org