人工智能暢想農(nóng)業(yè)未來

孟璐

俗話說：“民以食為天”。糧食問題一直以來都是全世界高度關(guān)注的問題。近年來隨著人類社會的飛速發(fā)展，世界人口數(shù)量不斷膨脹，這意味著有限的耕地要養(yǎng)活更多的人口。加之全球變暖以及水資源的匱乏，未來農(nóng)業(yè)的發(fā)展遇到了極大的挑戰(zhàn)。美國《連線》雜志日前撰文指出，機器學習和人工智能在作物培育、防治病蟲害以及農(nóng)業(yè)資源分配方面取得的一系列成果將對未來農(nóng)業(yè)發(fā)展產(chǎn)生深遠影響。

智能機器人技術(shù)以及機器學習算法為人類社會帶來了新的農(nóng)業(yè)革命，我們可以稱之為新的“綠色革命”（Green Revolution）。太空中的衛(wèi)星可以探測氣候是否會出現(xiàn)干旱；田間的智能拖拉機可以觀察種植物的生長狀況并剔除不良作物；而基于人工智能的智能手機應(yīng)用可以實時告訴農(nóng)業(yè)人員什么疾病正在影響農(nóng)作物的健康生長。

忘記田間的那些稻草人吧，農(nóng)業(yè)的未來掌握在機器人手中。

數(shù)字化培育技術(shù)

深度學習是計算機行業(yè)的創(chuàng)新方式。通過深度學習，程序員不用再明確告訴計算機需要做什么，而是訓練機器識別特定的模式。目前深度學習技術(shù)已經(jīng)應(yīng)用于園藝技能（Green Thumb），你可以在計算機中輸入患病作物葉子以及健康作物葉子的相關(guān)照片，通過深度學習算法計算機就可以識別出哪些作物是健康的。

生物學家戴維·休斯（David Hughes）和作物流行病學家馬塞爾·薩拉斯（Marcel Salathé）運用深度學習算法可以檢測出14種作物的26種疾病。他們將關(guān)于植物葉子的5萬多張照片導入計算機，并運行相應(yīng)的深度學習算法，最終程序正確識別作物疾病的準確率高達99.35%。但是這一技術(shù)的實現(xiàn)，要求在明亮的光線條件及合乎標準的背景下拍攝出植物的照片。若在互聯(lián)網(wǎng)上隨機選取植物葉子照片，其識別準確率將降至30%至40%。

休斯和薩拉斯希望將這種人工智能算法應(yīng)用于他們開發(fā)的手機應(yīng)用Plant Village。目前，世界各地的農(nóng)民可以上傳患病作物的照片到該手機應(yīng)用，然后農(nóng)業(yè)專家將給出相應(yīng)的診斷和解決方案。休斯指出，“大部分妨礙作物生長的因素都是生理性的，譬如土壤養(yǎng)分中缺鈣元素或鎂元素，亦或是鈉含量過多或環(huán)境溫度過高。農(nóng)民卻往往認為是細菌或真菌導致的作物疾病?！睂ψ魑锏恼`診導致農(nóng)民濫用農(nóng)藥和除草劑，浪費大量的時間和金錢。而在未來，人工智能可以幫助農(nóng)民快速準確地查明問題所在。休斯和薩拉斯將導入更多的患病作物照片，豐富數(shù)據(jù)庫，使這種人工智能算法更為精準。薩拉斯表示，“我們從多個來源獲取了農(nóng)作物的大量圖片，其中多數(shù)圖片標明了照片的拍攝方式、拍攝地點、年份等大量信息。這些照片能夠有效提升算法的精確度?！?/p>

拖拉機升級版

目前，發(fā)達國家存在濫用殺蟲劑和除草劑的情況。據(jù)統(tǒng)計，美國農(nóng)民每年使用在玉米、大豆和棉花種植的除草劑費用就高達3.1億美元，這完全是一種粗放式的防治手段。

而農(nóng)業(yè)機器人公司Blue River Technology則針對生菜種植提出了一種新的解決方式。其開發(fā)的農(nóng)業(yè)機器人Lettuce Bot外觀與田間的拖拉機沒有什么兩樣，但卻是一個智能化的機器人。公司稱Lettuce Bot可在田間運行，工作時其攜帶的照相設(shè)備每分鐘可掃描約5000株幼苗，利用機器學習以及計算機視覺技術(shù)識別出作物幼苗和雜草。Blue River Technology開發(fā)的Lettuce Bot機器人對雜草和作物幼苗的定位精度能夠達到四分之一英寸。如果機器確定當前植株是雜草或長勢不好的作物，就會利用農(nóng)藥噴霧殺死植物；如果機器判斷兩棵幼苗的種植間距過小，就會拔掉一棵。

這種方法為農(nóng)業(yè)帶來了顯著改變，大幅減少了除草劑的使用。公司商務(wù)副總裁本·考斯特納（Ben Chostner）表示，“此前的方法就像是舊金山市的少部分人感染了病菌，你唯一的方法就是讓城市中的每一個人都使用抗生素。這種方法雖然可以治愈疾病，但卻開銷巨大。”而相比之下，使用 LettuceBot則可以幫助農(nóng)民減少90%的化學藥劑使用。目前，LettuceBot服務(wù)的生菜種植面積占到美國生菜種植的10%左右。

LettuceBot功能之所以強大，是因為它將機器學習技術(shù)與機器固有的操作精確優(yōu)勢相結(jié)合。機器人或許不能夠像人類一樣在田間勞作，但是作物管理方面卻有著不可比擬的精度優(yōu)勢。

穹頂之上

在距地面600英里的太空軌道中，美國航空航天局的遙感衛(wèi)星可以精確探測到地球表面的大范圍光譜。雖然這些數(shù)據(jù)無法被人們直接利用，但通過機器學習算法，能夠為農(nóng)業(yè)提供幫助。

特別是在發(fā)展中國家，當政府和銀行向農(nóng)民發(fā)放貸款或是提供緊急援助時，往往面臨相關(guān)數(shù)據(jù)匱乏的問題，很難做出正確的決策，把每一份援助送給真正需要的人。譬如在印度發(fā)生了干旱，不同地區(qū)的受災(zāi)狀況不同，有些地區(qū)急需水源，而其他地區(qū)或許有更好的獲得水源的方式，因缺乏相關(guān)分析數(shù)據(jù)，政府無法根據(jù)實地情況提供更精準的援助。

目前一個名為Harvesting的初創(chuàng)企業(yè)正在通過機器學習技術(shù)分析衛(wèi)星數(shù)據(jù)，以幫助政府和民間機構(gòu)更好地分配援助資源。Harvesting首席執(zhí)行官什特·加格（Ruchit Garg）指出，“我們希望通過這種技術(shù)，篩選出那些真正需要幫助的農(nóng)民和村莊，讓銀行和政府的援助資金都能夠物盡其用。分析人員一次可以處理10個或 15個信息變量，但機器學習算法卻可以一次性處理2000個信息變量，這將大幅提高工作效率。”

在全球變暖加劇，氣候變化捉摸不定的大環(huán)境下，如何合理分配農(nóng)業(yè)資源是各國政府普遍面臨的迫切問題。在印度，以往人們能夠按照自己的經(jīng)驗來適應(yīng)氣候環(huán)境變化給農(nóng)作物帶來的影響。但現(xiàn)在，由于氣候劇烈變化，農(nóng)業(yè)已經(jīng)很難僅憑經(jīng)驗來適應(yīng)環(huán)境變化了。

人工智能井噴式的發(fā)展將給人類農(nóng)業(yè)發(fā)展開啟一個全新的時代，提供更廣闊、環(huán)境更好、更可持續(xù)發(fā)展的解決方案。