智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
品牌
明基環保
【中國智能制造網 智造快訊】當人工智能技術與農業領域產生火花，“智慧農業”的發展也隨之進入了快車道。在這個充滿挑戰的世界，農業對于人類來說至關重要，而人工智能也許將是保障人類生存的重要動能。
據福布斯雜志報道，當“綠色革命之父”諾曼·博洛格(Norman Borlaug)1970年獲得諾貝爾獎時，諾貝爾獎委員會當時表示：“這個年齡段的人比任何其他年齡段的人都要多，他已經幫助這個饑餓的世界提供面包。”博洛格幫助引入抗病高產的作物品種和先進的農業技術，并成為游戲規則的改變者，促使農業產量大幅增加，幫助數百萬人免于饑餓。
在博洛格獲得諾貝爾獎后半個世紀，我們生活在產量穩定增長的世界，而耕地總量卻在持續減少。氣候模式的變化和水資源的可用性正在改變某些農業地區的生產力。與此同時，世界人口繼續增長，預計到2050年將至少達到90億人，其中大部分增長集中在發展中國家。在這些國家，快速的經濟擴張使人們對卡路里和蛋白質的需求不斷增加。隨著人口增長和對糧食需求的增長，我們正接近所謂的“馬爾薩斯末日(Malthusian doomsday)”。在這種假設中，人口增長速度超過了糧食供應的增長，從而導致大規模饑荒。預防這種末日場景很可能是21世紀重要的挑戰之一。
消費增加推動了對農業生產增長的需求。各地的種植者都在應對這樣的挑戰，但他們必須以一種不會對地球資源造成無法彌補傷害的方式來應對這一挑戰。為了平衡增加生產和節約資源的目標，研究人員和企業家正在研究如何在現有的碳足跡上發展可持續性增強型農業。就像博洛格那樣，這些研究人員和企業家們可以借助植物遺傳學、化學、農學以及機械等工具。然而，今天他們還有全新的工具可用，即人工智能(AI)技術。
農業迅速實現數字化
盡管在數字化行業調查中排名接近墊底，但農業正迅速實現數字化。高速變量種植設備的采用正提供準確的種植信息，產量監測設備提供了關于收獲顆粒的各類信息。這類基礎數據(投入與產出)是構建預測算法的關鍵。農民們正在使用傳感器和取樣技術收集土壤水分和養分水平的數據。有各種各樣的農業信息管理系統，使操作和財務數據獲取變得更容易。現在的農民可以使用軟件工具來輔助實地考察，從移動應用到無人機，這些工具收集的數據可以用來評估作物的健康狀況，并監測不同季節的病蟲害情況。
隨著這種轉變，農業數據變得更加豐富和實用。這些數據的可用性正在為開發和部署農業AI鋪平了道路。今天AI的應用主要是由科技行業推動的，從增強信息安全到移動廣告植入，再到無人駕駛汽車。五年前，谷歌資助的研究人員在AI領域取得了突破性進展，他們的神經網絡軟件學會了識別貓和人的形狀，準確率達到70%。今天，在一年一度的ImageNet Challenge上，許多團隊已經展示了超過人類的圖像識別能力，分類錯誤率還不到3%。谷歌和IEEE計算協會正在舉辦名為iNaturalist Competition的競賽，希望訓練AI算法識別5000多種不同種類的植物和動物。
這些算法的力量也延伸到語言解釋方面。利用AI技術，微軟的語音識別系統現在的出錯率僅為5.1%，與專業人員的識別率相當。他們的系統準確性每年都有很大幅度的提高。美國私募股權投資數據庫及數據分析服務提供商Pitchbook的數據顯示，在過去10年里，超過170億美元資金投資于美國的AI創業企業身上。自2012年以來，已經有200多起與AI相關的收購。這些收購活動主要由谷歌、Facebook、微軟以及亞馬遜等科技巨頭主導，因為它們希望能獲得更多的能力，幫助改變交通、醫療、零售以及制造業等行業。農業會成為下個被改變的目標嗎？
農業AI技術迅猛發展
雖然AI已經成為技術社區的重要支柱，但許多大公司、設備制造商以及服務提供商還沒有大力發展農業領域的AI應用。這種猶豫的部分原因可能是缺乏對AI技術進步和潛在應用不夠熟悉所致，這篇文章希望能部分地彌補這一缺陷。此外，AI算法在農業領域的發展也具有挑戰性。AI應用需要大量數據來對算法進行恰當的訓練。而在農業中，雖然有大量的空間數據，但大部分數據只能在每年的生長季節使用一次。因此，可能需要數年時間才能收集到關于某個給定字段或農場具有統計意義的數據。通常，這個領域收集的數據需要大量的預處理(清理)，然后才能被放心地用于訓練AI算法。
今天，與數據連接相關的挑戰仍然存在。《華爾街日報》近撰文指出，在農場里，手機接收信號不夠穩定或根本不存在，因此很難將數據轉移到可以分析的地方。缺乏數據使用和所有權的標準和透明度，以及收集和共享數據的困難，都導致農業領域的AI算法開發人員仍然無法找到合適的數據。幸運的是，像Climate Corporation公司的FieldView Drive、John Deere的JD Link以及Farmobile的PUC這樣的產品，旨在使設備數據的收集和傳輸變得更容易和無縫。
新興農業技術(AgTech)公司開發AI算法也可能加劇這個問題。許多初創公司正在構建決策自動化工具，而在數據收集、準備和基準測試能力等方面仍然存在很大差距。在歷史上，農場始終缺乏信息技術基礎設施和數據倉庫系統，而硅谷科技公司一直依賴這些技術來開發和部署AI應用。在大規模農業AI部署成功之前，農場中的數據基礎設施需要變得更加強大。
此外，有些新興公司傾向于避免使用經過科學驗證的、統計控制的實地試驗來量化其產品的收益。相反，這些公司采用了“精益方法”，迅速在少量客戶中進行推廣，此舉遵循了創辦科技初創企業的策略。雖然精益方法在軟件方面很有效，但在農業領域，種植者不會冒險在整個農場采用全新技術，為此其可能行不通。
在推出產品之前，主要的農業公司需要通過多年的實地測驗來確保產品的性能和明顯的效益。即使進行了這樣的測試，許多種植者還是希望看到新產品在自己的土地上采用之前，能夠有上佳的表現。因此，普遍的“快速進入市場”和“快速擴張”心態可能不合適，而是需要采用更加漸進的產品發布策略。
終的挑戰是對AI人才的競爭非常激烈。在科技初創企業社區中，人們普遍抱怨，在與軟件、互聯網和無人駕駛汽車行業的雇主進行競爭的情況下，很難找到合適的AI人才。此外，即使招募到這些人之后，留住他們也是不小的挑戰。一家MGV投資公司的機器學習專家近被科技巨頭招募，年薪超過700萬美元。
農業AI技術的前景
盡管農業領域AI技術面臨諸多挑戰，但我們有理由相信，AI在農業領域的成功和大規模推廣將會成為現實。以下就是有望部分改變農業的AI技術。
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
