Искусственный интеллект и Интернет вещей могут помочь накормить растущее население Земли

Мир движется к серьезному кризису, и это не апокалипсис AI. К 2050 году человеческое население планеты достигнет 9 миллиардов, что потребует удвоение производства продуктов питания для удовлетворения растущих потребностей. Между тем, такие параметры, как глобальное потепление и урбанизация жизни, затрудняют рост урожая.

В то время как промышленные революции и технологические достижения в предыдущие столетия позволили нам использовать (как казалось в то время) бесконечные ресурсы планеты, на этот раз мы имеем дело с нехваткой земли для выращивания продуктов, изменением климата и нехваткой водных ресурсов.

Технологические достижения в области искусственного интеллекта и Интернета вещей могут помочь нам найти ответ на эти вызовы. Вот как AI может сделать использование ресурсов более продуктивным. 

Умное хозяйство

В последние годы искусственный интеллект трансформировал работу многих компаний и организаций. Сегодня эти алгоритмы влияют на многие сервисы, с которыми мы взаимодействуем в Интернете. Это включает в себя результаты поиска Google, предложения друзей в Facebook, предложения продуктов на Amazon и многое другое.

Инновация, стоящая за этими преобразованиями, - это машинное обучение, своего рода алгоритм, который поглощает и анализирует массу данных для поиска общих шаблонов и превращает эти шаблоны в прогнозы и решения. Применяемая в сельском хозяйстве, эта технология может помочь предотвратить возможный ущерб и сократить другие издержки.

Практика, известная как «прецизионное (точное) земледелие», использует данные в режиме реального времени и исторические данные вместе с алгоритмами машинного обучения в целях принятия конкретных решений для небольших областей приложения вместо выполнения той же самой задачи для очень большой области в традиционном режиме. Так, например, вместо того, чтобы применять большие количества пестицидов к обширной территории, вы сможете применять меньшие количества к конкретным деревьям, кустам или даже листьям, уменьшая затраты и отходы производства, избегая при этом ущерба, который может вызвать химическое вещество, когда применяется в массовом порядке.

Примером точного земледелия является Prospera, компания, которая хочет превратить сельское хозяйство в практику, основанную на данных. Prospera использует полевые видеокамеры, датчики и микро-метеорологические данные для мониторинга и предоставления информации о сельскохозяйственных культурах в режиме реального времени. Алгоритмы глубокого обучения и компьютерного зрения анализируют собранные данные, чтобы узнать и сообщить, когда происходит что-то важное. Это помогает в ряде начинаний, таких как поиск и устранение ранних признаков заболеваний, чтобы предотвратить повреждение и увеличить урожайность. Одним из преимуществ использования компьютерного зрения для анализа изображений является то, что, если AI хорошо обучен, алгоритмы часто могут видеть вещи, которые остаются незамеченными для человеческого глаза, даже подготовленных экспертов. Аналогичный подход используется в медицине для диагностики рака.

Arable, другая компания, которая работает в области прецизионного сельского хозяйства, использует интеллектуальные датчики, которые собирают различные типы данных из области посадок, такие, как осадки, влажность, потребность в воде для полива, данные микроклимата и т.п. Данные могут помочь фермерам внимательно следить за урожаем и автоматизировать решения и прогнозы, основанные на реальных измерениях, а не на интуиции. Эти задачи могут быть такими же простыми, как управление ирригацией в разных частях поля на основе данных о влажности, полученных с датчиков.

Другие игроки в этой сфере пытаются выполнять задачи точного фермерства без необходимости в специальном оборудовании. ConserWater использует спутниковые снимки NASA и данные о погоде вместе с алгоритмами глубокого обучения в целях прогнозирования потребностей в воде для сельскохозяйственных культур. Хотя результаты будут не такими точными, как наличие датчиков и камер в полевых условиях, в любом случае, значительное сокращение затрат приведет к снижению входного барьера для фермеров с более низким бюджетом.

Одной из основных проблем при развертывании технологий искусственного интеллекта в сельском хозяйстве является плохое покрытие связью полей. Это может ограничить сбор данных. Однако, по мере роста интереса к данной сфере деятельности и увеличения числа компаний эти препятствия постепенно преодолеваются.

За пределами ферм

Поле сегодня не является единственным местом, где искусственный интеллект может помочь улучшить производительность сельского хозяйства и сократить количество отходов. В лабораториях и исследовательских центрах алгоритмы машинного обучения помогают в выведении лучших генов растений, создании более безопасных и более эффективных средств защиты растений и удобрений, а также разработке других сельскохозяйственных продуктов. Фактически, эти сферы деятельности более пригодны для применения возможностей AI, поскольку данные там более многочисленны, а результаты могут быть получены намного быстрее.

Кроме того, большая часть отходов сельскохозяйственных культур может возникать во время сбора урожая и его транспортировки. Например, неподходящий рельеф местности может привести к повреждению сельскохозяйственных культур во время сбора урожая. Кроме того, удобство использования многих маршрутов транспортировки сельскохозяйственной продукции может зависеть от погодных условий, таких как дождь, что может привести к задержкам и объездам, которые, в свою очередь, могут негативно повлиять на сохранность груза.

Это проблема, с которой могут справиться датчики почвы и метеорологическая аналитика. Алгоритмы машинного обучения могут использовать данные для прогнозирования, когда будет наилучшее время для сбора урожая, с учетом влажности полей, наступающих погодных условий и возможного воздействия погоды маршруты движения грузовиков. Автоматизация и координация посадки, сбора и транспортировки урожая может помочь обеспечить экономию времени на переезды между фермами и складскими помещениями, что уменьшит издержки. 

Поскольку связь становится все более и более распространенной, и технологии, основанные на искусственном интеллекте, продолжают развиваться, мы можем ожидать, что сельское хозяйство станет более автоматизированным при помощи машинного анализа данных. Являются ли эти инновации на рядку с другими технологиями достаточными для того, чтобы накормить растущее население планеты, нам еще предстоит увидеть. Но, на данный момент, кажется, что AI - это наша лучшая ставка в решении этих глобальных проблем человечества. 

Подробней, фото1, фото2, фото3, фото4