AI賦能農(nóng)業(yè)，解決地球人的吃飯問(wèn)題
現(xiàn)在，世界即將面臨一個(gè)重大危機(jī)，這個(gè)危機(jī)不是人工智能帶來(lái)的世界末日，而是地球人的吃飯問(wèn)題。預(yù)計(jì)到2050年，地球人口將達(dá)到90億，為了滿足大幅增長(zhǎng)的糧食需求，未來(lái)糧食產(chǎn)量至少需要達(dá)到現(xiàn)在糧食產(chǎn)量的兩倍。然而，全球變暖和城鎮(zhèn)化發(fā)展等不利因素正制約著農(nóng)作物的生長(zhǎng)，糧食增產(chǎn)相當(dāng)困難。
幾個(gè)世紀(jì)以前，工業(yè)革命和技術(shù)革新大大提高了我們對(duì)地球資源的利用程度，在當(dāng)時(shí)看來(lái)，地球資源仿佛是取之不盡的。而現(xiàn)在，我們卻在因?yàn)橥恋睾退Y源的短缺而緊張，因?yàn)樘鞖鉅顩r的不穩(wěn)定而煩惱。
現(xiàn)在，人工智能的技術(shù)革新和互聯(lián)網(wǎng)的發(fā)展可能會(huì)有助于緩解、甚至解決這些問(wèn)題。本文，我將介紹人工智能如何幫助我們更高效地利用現(xiàn)有的地球資源。
人工智能和智能農(nóng)業(yè)
過(guò)去幾年，人工智能已經(jīng)改變了大多數(shù)公司和組織的運(yùn)作方式。如今，這些人工智能算法影響了許多你接觸過(guò)的網(wǎng)絡(luò)服務(wù)，比如谷歌的搜索引擎、Facebook的好友推薦系統(tǒng)、亞馬遜的產(chǎn)品推薦服務(wù)等等。
隱藏在這些服務(wù)轉(zhuǎn)型背后的技術(shù)創(chuàng)新其實(shí)是機(jī)器學(xué)習(xí)，它實(shí)際上是一種算法，它通過(guò)處理和分析海量數(shù)據(jù)來(lái)找到常見(jiàn)模式，然后將這些模式轉(zhuǎn)變?yōu)轭A(yù)測(cè)和行為結(jié)果。當(dāng)機(jī)器學(xué)習(xí)被用于農(nóng)業(yè)生產(chǎn)時(shí)，它就能幫助防止農(nóng)作物被破壞和浪費(fèi)。這一實(shí)踐被稱為精準(zhǔn)農(nóng)業(yè)，它利用了實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)以及機(jī)器學(xué)習(xí)算法，對(duì)較小的區(qū)域和較短的時(shí)間區(qū)間采取一些針對(duì)性行為，而不是在非常大的區(qū)域按照常規(guī)，不加分析地執(zhí)行完全相同的操作。舉例來(lái)說(shuō)，我們應(yīng)該在受蟲(chóng)害的某棵樹(shù)或者是某根樹(shù)枝，甚至是某片葉子上使用少量的農(nóng)藥，而不是大面積地噴灑。這樣，我們才能有效地減少農(nóng)藥的支出，既避免農(nóng)藥的浪費(fèi)，也避免了農(nóng)藥過(guò)量使用所帶來(lái)的危害。
Prospera公司是精準(zhǔn)農(nóng)業(yè)實(shí)踐的一個(gè)典型例子，它希望將傳統(tǒng)農(nóng)業(yè)轉(zhuǎn)變?yōu)橐粋�(gè)數(shù)據(jù)驅(qū)動(dòng)的實(shí)踐。Prospera利用了設(shè)置在田地里的攝像頭、傳感器以及收集到的微氣象數(shù)據(jù)，對(duì)農(nóng)作物進(jìn)行監(jiān)控并且發(fā)布農(nóng)作物的實(shí)時(shí)分析。深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)算法通過(guò)對(duì)收集到的數(shù)據(jù)進(jìn)行分析，進(jìn)而了解并報(bào)告農(nóng)作物的生長(zhǎng)情況。這對(duì)于早期農(nóng)作物疾病的發(fā)現(xiàn)和處理相當(dāng)重要，有助于減少農(nóng)作物的損害，KUKA機(jī)器人示教器維修，從而擴(kuò)大糧食產(chǎn)量。利用計(jì)算機(jī)視覺(jué)技術(shù)來(lái)分析農(nóng)作物圖片的優(yōu)勢(shì)之一在于，如果經(jīng)過(guò)了良好的訓(xùn)練，算法可以隨時(shí)發(fā)現(xiàn)那些即使是優(yōu)秀的人類專家都難以發(fā)現(xiàn)的問(wèn)題。在醫(yī)學(xué)界的癌癥診斷領(lǐng)域也使用了與之類似的方法和技術(shù)。
Arable是另一家從事精準(zhǔn)農(nóng)業(yè)的公司，它利用了一種智能傳感器來(lái)收集農(nóng)田里的各種信息，比如降雨量、濕度、農(nóng)作物的蓄水量、水壓、微氣候數(shù)據(jù)、樹(shù)冠生物量和葉綠素等等。這些數(shù)據(jù)能夠幫助農(nóng)民時(shí)刻關(guān)注農(nóng)作物的情況，根據(jù)實(shí)際的測(cè)量值而不是依靠主觀經(jīng)驗(yàn)和猜測(cè)，進(jìn)而作出農(nóng)作物相關(guān)的預(yù)測(cè)，并且有針對(duì)性地采取某些自動(dòng)化措施。這些精準(zhǔn)農(nóng)業(yè)的操作其實(shí)很簡(jiǎn)單，就像我們根據(jù)濕度數(shù)據(jù)來(lái)控制不同的田地和區(qū)域一樣。該領(lǐng)域的其他公司還在嘗試在沒(méi)有硬件設(shè)施的情況下進(jìn)行精準(zhǔn)農(nóng)業(yè)的操作。ConserWater公司利用了NASA的衛(wèi)星圖像和、天氣數(shù)據(jù)以及深度學(xué)習(xí)算法來(lái)預(yù)測(cè)農(nóng)作物的需水量，庫(kù)卡機(jī)器人，盡管這些預(yù)測(cè)不如傳感器和攝像頭得出的預(yù)測(cè)精準(zhǔn)，但是它的投入成本相對(duì)較低，這實(shí)際上降低了農(nóng)民進(jìn)入精準(zhǔn)農(nóng)業(yè)的門檻。
人工智能技術(shù)在農(nóng)業(yè)部署上面臨的一個(gè)主要挑戰(zhàn)是硬件設(shè)施在農(nóng)田覆蓋的聯(lián)通性很差。這限制了數(shù)據(jù)的收集，而數(shù)據(jù)收集恰恰是機(jī)器學(xué)習(xí)算法的關(guān)鍵。但是隨著人們對(duì)這一領(lǐng)域興趣的不斷增加，越來(lái)越多的公司開(kāi)始行動(dòng)，這些障礙正不斷被克服。
人工智能可不止于智能農(nóng)業(yè)
人工智能技術(shù)可以用于提高糧食產(chǎn)量、減少浪費(fèi)，但這并不是其發(fā)揮作用的唯一領(lǐng)域。在實(shí)驗(yàn)室和研究中心，機(jī)器學(xué)習(xí)算法能夠幫助培育更好的植物基因，創(chuàng)造更安全、更高效的農(nóng)作物保護(hù)產(chǎn)品和化肥，并且開(kāi)發(fā)更多的農(nóng)產(chǎn)品。實(shí)際上，人工智能在這些領(lǐng)域的介入更加成熟，因?yàn)檫@一領(lǐng)域的數(shù)據(jù)更加豐富，數(shù)據(jù)獲取的速度也更快。
糧食的損失和浪費(fèi)很可能會(huì)發(fā)生在收獲和運(yùn)輸?shù)倪^(guò)程中。舉例來(lái)說(shuō)，不合適的地形狀況會(huì)在收獲的過(guò)程中導(dǎo)致大量的農(nóng)作物損耗。另外，農(nóng)作物運(yùn)輸途中的天氣狀況也會(huì)影響到農(nóng)作物的產(chǎn)量，比如運(yùn)輸途中的降雨會(huì)導(dǎo)致運(yùn)輸延遲，對(duì)農(nóng)作物造成不利的影響。
這個(gè)問(wèn)題我們可以利用土壤傳感器和天氣分析系統(tǒng)來(lái)解決，機(jī)器學(xué)習(xí)算法能夠根據(jù)一些必要的數(shù)據(jù)，例如土壤濕度、未來(lái)天氣狀況以及運(yùn)輸途中將面臨的潛在影響因素，預(yù)測(cè)出收獲的最佳時(shí)機(jī)。自動(dòng)化和協(xié)調(diào)性種植、農(nóng)作物收獲和分配能夠盡量縮減農(nóng)作物在運(yùn)輸途中的時(shí)間，從而減少農(nóng)作物損耗。隨著硬件聯(lián)通性的不斷完善，人工智能技術(shù)的不斷發(fā)展，KUKA機(jī)器人示教器維修，我們可以期待自動(dòng)化的、數(shù)據(jù)驅(qū)動(dòng)的未來(lái)農(nóng)業(yè)的發(fā)展方向。這些技術(shù)革新究竟是否能夠解決不斷增長(zhǎng)的人口的吃飯問(wèn)題，我們還未可知。但就現(xiàn)在而言，人工智能才是我們的最佳選擇。