各位老师大家好，我是甘肃农业大学的常芳国，主要从事玉米优异基因资源发掘与分子育种研究，今天由我代表“新创众联”小组值日，我们小组的成员有赵广熙老师（组长）、王荣海老师、唐景运老师、周振华老师、杨小磊老师、刘学玲老师、徐伯阳老师、王长成老师、唐玉魁老师、夏云鹏老师、宋维周老师、刘久洋老师、肖牧老师和我。
随着2008年9月《Nature》杂志出版了“大数据”专栏，2011年2月《Science》杂志推出了“处理数据”专刊，同年5月，麦肯锡全球研究院发布了一份名为“大数据：下一个具有创新力、竞争力与生产力的前沿领域”的报告，大数据被首次给出相对明确的定义：大数据是指那些规模巨大到无法通过典型数据库软件工具进行获取、存储、处理和分析的数据集。
自此以后，大数据的概念才逐渐被公众认可，并在全球范围内引起了广泛关注，美国、英国、法国、中国等许多国家都将发展大数据提升到了国家战略层面，将其视为推动国家创新、竞争力和生产力的关键战略资源。大数据在社会各领域的广泛应用，预示着大数据正在深刻地影响和改变着当今人类社会活动。随着大数据与各行各业的深度融合，将催生人类社会发展的新产业、新模式和新动能，推动社会生产力的彻底革新，产生新时代高质量发展所需的新质生产力。
而智能概念的提出，早在《荀子.正名》中就有记载“知有所合，谓之智，能有所合，谓之能”。1956年，麦卡锡召集哈佛大学、麻省理工学院、IBM公司、贝尔实验室的研究人员召开达特茅斯会议，会议中正式提出“人工智能”的概念。纵观人工智能的发展历史，它分别经历了推理期、知识期、学习期等的第一代人工智能（计算智能）、第二代人工智能（感知智能）和第三代人工智能（认知智能）的发展阶段，从能存会算到能听会说、能看会认，发展到今天的能理解、会思考。
在此发展过程中，人工智能也有不被看好的时候，它经历过寒冬而依旧发展迅猛，人工智能发展的近期目标是研究如何使计算机去做那些靠人的智力才能做的工作，比如育种工作，而它的最终目标研究是探讨智能形成的基本机理，研究利用计算机模拟人的思维过程。
众所周知，传统育种与分子育种方法相比，传统育种方法如选择育种和杂交育种，存在周期长、效率低的问题。分子育种则基于现代分子生物学技术，包括标记辅助选择（MAS）、基因组选择（GS）、基因编辑和转基因育种等。例如在玉米育种中，GS 可用于提高产量、抗病性和适应性，显著缩短育种周期、降低成本。可见分子育种具有效率高、精度准、多样性强的明显优势，它能缩短育种周期，精确控制目标基因，还能在遗传层面实现育种目标多样化。如通过基因编辑和 GS 技术可培育高产作物品种，通过调整代谢途径改善作物营养品质和口感的新路径。
大数据技术包括大数据收集、存储、处理、分析和可视化等大数据全链条所涉及到的技术。比如，大家所熟知的测序获得的生物大数据，一般会采用分布式存储或者云存储管理这些数据。大数据技术在全基因组选择（GS）中应用广泛，可提高育种效率和精度。如在玉米育种中，GS用于筛选优良品种。基于高通量SNP标记的全基因组关联研究（GWAS）快速定位控制玉米重要农艺性状的 QTLs，为人工智能设计育种提供理论支持。
随着智能育种技术的快速发展，全方位地提升了作物育种水平。比如，利用机器学习算法可构建 GS 模型，计算机视觉和深度学习技术用于自动化作物表型测量和分析；通过整合多源数据，预测作物育种值，优化育种策略。如在实验田中，根据实时环境数据和作物生长状况调整灌溉、施肥和病虫害防治策略；智能温室可精确控制环境参数，自动化设备可完成从种子处理到收获的全过程，提高育种效率。
未来，大数据技术、人工智能等技术的进步将推动作物分子育种向智能化方向发展。智能育种决策支持系统将更精准地预测作物性状，优化育种策略；更先进的传感器将实时监控作物生长环境，提供精确数据支持；云计算和边缘计算将提升大数据平台的计算能力，助力复杂分析和建模。这将实现更高效、精准、可持续的作物改良，为全球粮食安全和农业可持续发展贡献力量。
以上关于大数据与人工智能在作物分子育种中应用的思考，是本人的初步认识，如有不妥之处，请各位老师批评指正。
