Проблемы искусственного интеллекта в сельском хозяйстве

Группа фермеров, выращивающих кукурузу, окружила агронома и его компьютер рядом с оросительной станцией в центральной части Южной Африки. Агроном только что пролетел над поворотной опорой на гибридном БПЛА, который взлетает и приземляется с помощью пропеллеров, но сохраняет расстояние и скорость для сканирования огромных гектаров земли с помощью неподвижных крыльев.

БПЛА оснащен прецизионным датчиком с четырьмя спектральными диапазонами, который выполняет обработку на борту сразу после полета, что позволяет фермерам и полевому персоналу практически немедленно устранять любые аномалии урожая, которые могли быть зарегистрированы датчиком, что делает сбор данных действительно в режиме реального времени.

В этом случае фермеры и агрономы ищут специализированное программное обеспечение, которое даст им точный подсчет популяции растений. Прошло 10 дней с момента появления всходов кукурузы, и фермер хочет определить, есть ли какие-либо части поля, требующие повторной посадки из-за отсутствия всходов или повреждения ветром, что может быть серьезным на ранних этапах летнего сезона дождей.

На этой стадии роста растения у фермера есть еще 10 дней на то, чтобы провести повторную посадку, прежде чем потребуется большая часть его удобрений и химикатов. После их применения становится экономически нецелесообразным предпринимать корректирующие действия, делая любые дальнейшие собранные данные историческими и полезными только для информирования будущих практик на предстоящий сезон.

Программа завершает свою обработку менее чем за 15 минут, создавая карту подсчета популяции растений. 

Программа завершает свою обработку менее чем за 15 минут, создавая карту подсчета популяции растений. Трудно понять, насколько это впечатляет, не понимая, что чуть больше года назад для обработки того же набора данных потребовалось бы от трех до пяти дней, что свидетельствует о достижениях, достигнутых в точном земледелии и дистанционном зондировании за последние годы. . Поскольку программное обеспечение было разработано в Соединенных Штатах для того же сорта сельскохозяйственных культур в, казалось бы, схожих условиях, агроном уверен, что программное обеспечение даст почти точный результат.

В 2011 году IBM через свою штаб-квартиру исследований и разработок в Хайфе, Израиль, запустила проект сельскохозяйственных облачных вычислений. Проект в сотрудничестве с рядом специализированных ИТ-партнеров и партнеров по сельскому хозяйству преследовал одну цель - взять различные академические и физические источники данных из сельскохозяйственной среды и превратить их в автоматические прогностические решения для фермеров, которые помогут им в создании решения в реальном времени в полевых условиях.

Интервью с некоторыми членами проектной группы IBM в то время показали, что команда верила, что «алгоритмическое» сельское хозяйство вполне возможно, то есть алгоритмы могут решить любую проблему в мире. Ранее в том же году система когнитивного обучения IBM, Watson, соревновалась в Jeopardy с бывшими победителями Брэдом Раттером и Кеном Дженнингсом с поразительными результатами. Несколько лет спустя Уотсон добился новаторских достижений в области медицины, что привело к закрытию или сокращению масштабов сельскохозяйственных проектов IBM. В конце концов, IBM осознала, что задача создания решений когнитивного машинного обучения для сельского хозяйства намного сложнее, чем они могли подумать.

Так почему же проект имел такой успех в медицине, а не в сельском хозяйстве?

Когда карта появляется на экране, лицо агронома начинает опускаться. Пройдя по посаженным рядам перед полетом, чтобы получить физическое представление о ситуации на земле, он знает, что в тот момент, когда он видит данные на своем экране, что подсчет растений неправильный, как и фермеры, даже с их ограниченными возможностями. понимание того, как читать карты дистанционного зондирования.

Возможности искусственного интеллекта в сельском хозяйстве

Гипотетически машины могут научиться решать любую проблему на Земле, связанную с физическим взаимодействием всех вещей в определенной или ограниченной среде ... с помощью искусственного интеллекта и машинного обучения.

Принцип искусственного интеллекта - это принцип, при котором машина может воспринимать окружающую среду и с помощью определенной способности гибкой рациональности предпринимать действия для достижения определенной цели, связанной с этой средой. Машинное обучение - это когда эта же машина в соответствии с заданным набором протоколов улучшает свою способность решать проблемы и решать задачи, связанные с окружающей средой, по мере того, как увеличивается статистический характер данных, которые она получает. Проще говоря, по мере того, как система получает все большее количество аналогичных наборов данных, которые можно разделить на определенные протоколы, ее способность рационализировать возрастает, что позволяет ей лучше «прогнозировать» ряд результатов.

Развитие цифрового сельского хозяйства и связанных с ним технологий открыло множество новых возможностей для обработки данных.

Развитие цифрового сельского хозяйства и связанных с ним технологий открыло множество новых возможностей для обработки данных. Дистанционные датчики, спутники и БПЛА могут собирать информацию 24 часа в сутки по всему полю. Они могут контролировать здоровье растений, состояние почвы, температуру, влажность и т. Д. Объем данных, которые могут генерировать эти датчики, огромен, и значимость цифр скрыта в лавине этих данных.

Идея состоит в том, чтобы позволить фермерам лучше понять ситуацию на местах с помощью передовых технологий (таких как дистанционное зондирование), которые могут рассказать им о своей ситуации больше, чем они могут увидеть невооруженным глазом. И не только точнее, но и быстрее, чем когда он идет или едет по полям.

Дистанционные датчики позволяют алгоритмам интерпретировать окружающую среду поля как статистические данные, которые могут быть понятны и полезны фермерам для принятия решений. Алгоритмы обрабатывают данные, адаптируются и обучаются на основе полученных данных. Чем больше входных данных и статистической информации будет собрано, тем лучше алгоритм будет предсказывать ряд результатов. И цель состоит в том, чтобы фермеры могли использовать этот искусственный интеллект для достижения своей цели - получения лучшего урожая за счет принятия более эффективных решений на поле.