當(dāng)人工智能技術(shù)與農(nóng)業(yè)領(lǐng)域產(chǎn)生火花，“智慧農(nóng)業(yè)”的發(fā)展也隨之進(jìn)入了快車道。在這個(gè)充滿挑戰(zhàn)的世界，農(nóng)業(yè)對(duì)于人類來(lái)說(shuō)至關(guān)重要，而人工智能也許將是保障人類生存的重要?jiǎng)幽堋?/p>

據(jù)福布斯雜志報(bào)道，當(dāng)“綠色革命之父”諾曼·博洛格(Norman Borlaug)1970年獲得諾貝爾獎(jiǎng)時(shí)，諾貝爾獎(jiǎng)委員會(huì)當(dāng)時(shí)表示：“這個(gè)年齡段的人比任何其他年齡段的人都要多，他已經(jīng)幫助這個(gè)饑餓的世界提供面包。”博洛格幫助引入抗病高產(chǎn)的作物品種和先進(jìn)的農(nóng)業(yè)技術(shù)，并成為游戲規(guī)則的改變者，促使農(nóng)業(yè)產(chǎn)量大幅增加，幫助數(shù)百萬(wàn)人免于饑餓。

在博洛格獲得諾貝爾獎(jiǎng)后半個(gè)世紀(jì)，我們生活在產(chǎn)量穩(wěn)定增長(zhǎng)的世界，而耕地總量卻在持續(xù)減少。氣候模式的變化和水資源的可用性正在改變某些農(nóng)業(yè)地區(qū)的生產(chǎn)力。與此同時(shí)，世界人口繼續(xù)增長(zhǎng)，預(yù)計(jì)到2050年將至少達(dá)到90億人，其中大部分增長(zhǎng)集中在發(fā)展中國(guó)家。在這些國(guó)家，快速的經(jīng)濟(jì)擴(kuò)張使人們對(duì)卡路里和蛋白質(zhì)的需求不斷增加。隨著人口增長(zhǎng)和對(duì)糧食需求的增長(zhǎng)，我們正接近所謂的“馬爾薩斯末日(Malthusian doomsday)”。在這種假設(shè)中，人口增長(zhǎng)速度超過了糧食供應(yīng)的增長(zhǎng)，從而導(dǎo)致大規(guī)模饑荒。預(yù)防這種末日?qǐng)鼍昂芸赡苁?1世紀(jì)最重要的挑戰(zhàn)之一。

消費(fèi)增加推動(dòng)了對(duì)農(nóng)業(yè)生產(chǎn)增長(zhǎng)的需求。全球各地的種植者都在應(yīng)對(duì)這樣的挑戰(zhàn)，但他們必須以一種不會(huì)對(duì)地球資源造成無(wú)法彌補(bǔ)傷害的方式來(lái)應(yīng)對(duì)這一挑戰(zhàn)。為了平衡增加生產(chǎn)和節(jié)約資源的目標(biāo)，研究人員和企業(yè)家正在研究如何在現(xiàn)有的碳足跡上發(fā)展可持續(xù)性增強(qiáng)型農(nóng)業(yè)。就像博洛格那樣，這些研究人員和企業(yè)家們可以借助植物遺傳學(xué)、化學(xué)、農(nóng)學(xué)以及機(jī)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(shù)。

農(nóng)業(yè)迅速實(shí)現(xiàn)數(shù)字化

盡管在數(shù)字化行業(yè)調(diào)查中排名接近墊底，但農(nóng)業(yè)正迅速實(shí)現(xiàn)數(shù)字化。高速變量種植設(shè)備的采用正提供準(zhǔn)確的種植信息，產(chǎn)量監(jiān)測(cè)設(shè)備提供了關(guān)于收獲顆粒的各類信息。這類基礎(chǔ)數(shù)據(jù)(投入與產(chǎn)出)是構(gòu)建預(yù)測(cè)算法的關(guān)鍵。農(nóng)民們正在使用傳感器和取樣技術(shù)收集土壤水分和養(yǎng)分水平的數(shù)據(jù)。有各種各樣的農(nóng)業(yè)信息管理系統(tǒng)，使操作和財(cái)務(wù)數(shù)據(jù)獲取變得更容易?，F(xiàn)在的農(nóng)民可以使用軟件工具來(lái)輔助實(shí)地考察，從移動(dòng)應(yīng)用到無(wú)人機(jī)，這些工具收集的數(shù)據(jù)可以用來(lái)評(píng)估作物的健康狀況，并監(jiān)測(cè)不同季節(jié)的病蟲害情況。

隨著這種轉(zhuǎn)變，農(nóng)業(yè)數(shù)據(jù)變得更加豐富和實(shí)用。這些數(shù)據(jù)的可用性正在為開發(fā)和部署農(nóng)業(yè)AI鋪平了道路。今天AI的應(yīng)用主要是由科技行業(yè)推動(dòng)的，從增強(qiáng)信息安全到移動(dòng)廣告植入，再到無(wú)人駕駛汽車。五年前，谷歌資助的研究人員在AI領(lǐng)域取得了突破性進(jìn)展，他們的神經(jīng)網(wǎng)絡(luò)軟件學(xué)會(huì)了識(shí)別貓和人的形狀，準(zhǔn)確率達(dá)到70%。今天，在一年一度的ImageNet Challenge上，許多團(tuán)隊(duì)已經(jīng)展示了超過人類的圖像識(shí)別能力，分類錯(cuò)誤率還不到3%。谷歌和IEEE計(jì)算協(xié)會(huì)正在舉辦名為iNaturalist Competition的競(jìng)賽，希望訓(xùn)練AI算法識(shí)別5000多種不同種類的植物和動(dòng)物。

這些算法的力量也延伸到語(yǔ)言解釋方面。利用AI技術(shù)，微軟的語(yǔ)音識(shí)別系統(tǒng)現(xiàn)在的出錯(cuò)率僅為5.1%，與專業(yè)人員的識(shí)別率相當(dāng)。他們的系統(tǒng)準(zhǔn)確性每年都有很大幅度的提高。美國(guó)知名私募股權(quán)投資數(shù)據(jù)庫(kù)及數(shù)據(jù)分析服務(wù)提供商Pitchbook的數(shù)據(jù)顯示，在過去10年里，超過170億美元資金投資于美國(guó)的AI創(chuàng)業(yè)企業(yè)身上。自2012年以來(lái)，已經(jīng)有200多起與AI相關(guān)的收購(gòu)。這些收購(gòu)活動(dòng)主要由谷歌、Facebook、微軟以及亞馬遜等科技巨頭主導(dǎo)，因?yàn)樗鼈兿Ｍ塬@得更多的能力，幫助改變交通、醫(yī)療、零售以及制造業(yè)等行業(yè)。農(nóng)業(yè)會(huì)成為下個(gè)被改變的目標(biāo)嗎?

農(nóng)業(yè)AI技術(shù)迅猛發(fā)展

雖然AI已經(jīng)成為技術(shù)社區(qū)的重要支柱，但許多大公司、設(shè)備制造商以及服務(wù)提供商還沒有大力發(fā)展農(nóng)業(yè)領(lǐng)域的AI應(yīng)用。這種猶豫的部分原因可能是缺乏對(duì)AI技術(shù)進(jìn)步和潛在應(yīng)用不夠熟悉所致，這篇文章希望能部分地彌補(bǔ)這一缺陷。此外，AI算法在農(nóng)業(yè)領(lǐng)域的發(fā)展也具有挑戰(zhàn)性。AI應(yīng)用需要大量數(shù)據(jù)來(lái)對(duì)算法進(jìn)行恰當(dāng)?shù)挠?xùn)練。而在農(nóng)業(yè)中，雖然有大量的空間數(shù)據(jù)，但大部分?jǐn)?shù)據(jù)只能在每年的生長(zhǎng)季節(jié)使用一次。因此，可能需要數(shù)年時(shí)間才能收集到關(guān)于某個(gè)給定字段或農(nóng)場(chǎng)具有統(tǒng)計(jì)意義的數(shù)據(jù)。通常，這個(gè)領(lǐng)域收集的數(shù)據(jù)需要大量的預(yù)處理(清理)，然后才能被放心地用于訓(xùn)練AI算法。

今天，與數(shù)據(jù)連接相關(guān)的挑戰(zhàn)仍然存在?！度A爾街日?qǐng)?bào)》最近撰文指出，在農(nóng)場(chǎng)里，手機(jī)接收信號(hào)不夠穩(wěn)定或根本不存在，因此很難將數(shù)據(jù)轉(zhuǎn)移到可以分析的地方。缺乏數(shù)據(jù)使用和所有權(quán)的標(biāo)準(zhǔn)和透明度，以及收集和共享數(shù)據(jù)的困難，都導(dǎo)致農(nóng)業(yè)領(lǐng)域的AI算法開發(fā)人員仍然無(wú)法找到合適的數(shù)據(jù)。幸運(yùn)的是，像Climate Corporation公司的FieldView Drive、John Deere的JD Link以及Farmobile的PUC這樣的產(chǎn)品，旨在使設(shè)備數(shù)據(jù)的收集和傳輸變得更容易和無(wú)縫。

新興農(nóng)業(yè)技術(shù)(AgTech)公司開發(fā)AI算法也可能加劇這個(gè)問題。許多初創(chuàng)公司正在構(gòu)建決策自動(dòng)化工具，而在數(shù)據(jù)收集、準(zhǔn)備和基準(zhǔn)測(cè)試能力等方面仍然存在很大差距。在歷史上，農(nóng)場(chǎng)始終缺乏信息技術(shù)基礎(chǔ)設(shè)施和數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，而硅谷科技公司一直依賴這些技術(shù)來(lái)開發(fā)和部署AI應(yīng)用。在大規(guī)模農(nóng)業(yè)AI部署成功之前，農(nóng)場(chǎng)中的數(shù)據(jù)基礎(chǔ)設(shè)施需要變得更加強(qiáng)大。

此外，有些新興公司傾向于避免使用經(jīng)過科學(xué)驗(yàn)證的、統(tǒng)計(jì)控制的實(shí)地試驗(yàn)來(lái)量化其產(chǎn)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(jìn)行推廣，此舉遵循了創(chuàng)辦科技初創(chuàng)企業(yè)的策略。雖然精益方法在軟件方面很有效，但在農(nóng)業(yè)領(lǐng)域，種植者不會(huì)冒險(xiǎn)在整個(gè)農(nóng)場(chǎng)采用全新技術(shù)，為此其可能行不通。

在推出產(chǎn)品之前，主要的農(nóng)業(yè)公司需要通過多年的實(shí)地測(cè)驗(yàn)來(lái)確保產(chǎn)品的性能和明顯的效益。即使進(jìn)行了這樣的測(cè)試，許多種植者還是希望看到新產(chǎn)品在自己的土地上采用之前，能夠有上佳的表現(xiàn)。因此，普遍的“快速進(jìn)入市場(chǎng)”和“快速擴(kuò)張”心態(tài)可能不合適，而是需要采用更加漸進(jìn)的產(chǎn)品發(fā)布策略。

最終的挑戰(zhàn)是對(duì)AI人才的競(jìng)爭(zhēng)非常激烈。在科技初創(chuàng)企業(yè)社區(qū)中，人們普遍抱怨，在與軟件、互聯(lián)網(wǎng)和無(wú)人駕駛汽車行業(yè)的雇主進(jìn)行競(jìng)爭(zhēng)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(zhàn)。一家MGV投資公司的機(jī)器學(xué)習(xí)專家最近被科技巨頭招募，年薪超過700萬(wàn)美元。

農(nóng)業(yè)AI技術(shù)的前景

盡管農(nóng)業(yè)領(lǐng)域AI技術(shù)面臨諸多挑戰(zhàn)，但我們有理由相信，AI在農(nóng)業(yè)領(lǐng)域的成功和大規(guī)模推廣將會(huì)成為現(xiàn)實(shí)。以下就是有望部分改變農(nóng)業(yè)的AI技術(shù)。

Abundant Robotics：這是從斯坦福研究所剝離出來(lái)的初創(chuàng)企業(yè)，它已經(jīng)開發(fā)出自主采摘取水果的技術(shù)。Abundant Robotics利用機(jī)器視覺技術(shù)來(lái)探測(cè)棚架上生長(zhǎng)的水果位置，然后利用真空系統(tǒng)將其從樹枝上拉下來(lái)。這家公司已經(jīng)獲得谷歌旗下風(fēng)投機(jī)構(gòu)Google Ventures的扶持。

Resson：孟山都成長(zhǎng)創(chuàng)投公司(Monsanto Growth Ventures)扶持的初創(chuàng)企業(yè)，在加拿大和美國(guó)圣何塞都有辦事處。Resson已經(jīng)開發(fā)出一種圖像識(shí)別算法，與訓(xùn)練有素的人類相比，它能夠更準(zhǔn)確地檢測(cè)和分類植物害蟲與疾病。Resson與麥凱恩食品公司(McCain Foods)合作，以幫助減少土豆生產(chǎn)供應(yīng)鏈的損失。

AgVoice：總部位于佐治亞州的創(chuàng)業(yè)公司，AgVoice正在為作物觀察專家和農(nóng)學(xué)家開發(fā)自然語(yǔ)言處理工具包。這套系統(tǒng)可以解釋導(dǎo)致大豆突然死亡的真菌疾病，并提示觀察的位置和嚴(yán)重程度。

除此之外，諸如Orbital Insights、Descartes Labs、Gro Intelligence以及Tellus Labs等創(chuàng)業(yè)公司也正在基于衛(wèi)星圖像、天氣信息和歷史產(chǎn)量數(shù)據(jù)等開發(fā)產(chǎn)量預(yù)測(cè)算法。Tellus Labs聲稱，它們的數(shù)據(jù)比美國(guó)農(nóng)業(yè)部的報(bào)告更準(zhǔn)確，而且可提前美國(guó)農(nóng)業(yè)部1個(gè)月給出預(yù)測(cè)數(shù)據(jù)。

有些人批評(píng)AI對(duì)農(nóng)業(yè)環(huán)境的要求過于嚴(yán)苛，因?yàn)槠渥兞恳蛩靥唷Ｔ谀撤N程度上，這是正確的，但是隨著計(jì)算能力的進(jìn)步，AI算法可以快速地接受額外的數(shù)據(jù)。Slantrange就是這樣的公司，它的總部位于舊金山，正在開發(fā)機(jī)器視覺系統(tǒng)來(lái)測(cè)量作物的數(shù)量，并檢測(cè)雜草。該公司的植物計(jì)數(shù)算法最初是為中西部種植區(qū)開發(fā)的，它在南非的試驗(yàn)中表現(xiàn)不太好，因?yàn)樵摰貐^(qū)的種植密度較低，土壤反射性更強(qiáng)。然而一夜之間，Slantrange團(tuán)隊(duì)又用新的數(shù)據(jù)重新訓(xùn)練了他們的算法。他們的升級(jí)版軟件在南非部署了僅僅兩天，就報(bào)告了其發(fā)現(xiàn)的問題。Slantrange最近宣布與Bayer Crop Science合作，以幫助植物育種。

也許，在農(nóng)業(yè)中成功使用AI的最佳例子是孟山都成長(zhǎng)創(chuàng)投公司扶持的Blue River Technologies(BRT)。BRT是一家總部位于美國(guó)加州的公司，由斯坦福大學(xué)的兩名研究生于2011年成立。其中喬治·赫勞德(Jorge Heraud)是已經(jīng)取得許多成就的農(nóng)業(yè)高管，而李·賴登(Lee Reden)則擁有深厚的AI和計(jì)算機(jī)視覺技術(shù)背景。最初，BRT專注于將機(jī)器人用于減少萵苣密度，這個(gè)過程此前主要通過手工完成。現(xiàn)在，這家擁有60名員工的公司正在應(yīng)用他們的See and Spray系統(tǒng)，來(lái)消除棉花田中的雜草。他們已經(jīng)表明，通過高度精確和有針對(duì)性的噴霧應(yīng)用，他們可以減少90%的除草劑用量。這種See and Spray技術(shù)利用AI來(lái)分析高分辨率圖像，并檢測(cè)出雜草的存在和位置。

不僅僅是為了精確農(nóng)業(yè)

AI技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用固然很重要，但利用AI去發(fā)現(xiàn)和開發(fā)新的、更高效的農(nóng)業(yè)投入同樣重要。然而，直到最近，AI系統(tǒng)還沒有對(duì)化學(xué)和生物系統(tǒng)的數(shù)據(jù)進(jìn)行分析。因此，在植物育種、生物技術(shù)、農(nóng)業(yè)化學(xué)發(fā)現(xiàn)以及供應(yīng)鏈方面，利用AI的機(jī)會(huì)都是巨大的。事實(shí)上，與田間精確農(nóng)業(yè)相比，AI在育種、化肥以及作物保護(hù)產(chǎn)品中的擦用可能更為迅速。這主要有兩個(gè)原因。第一，在過去十年里，農(nóng)業(yè)投入方面的開發(fā)人員對(duì)收集和存儲(chǔ)數(shù)據(jù)非常謹(jǐn)慎。這些數(shù)據(jù)包括大豆品種的序列信息，以及合成化合物的結(jié)構(gòu)活性關(guān)系和環(huán)境生物降解能力等。第二，提高效率或加速農(nóng)業(yè)研發(fā)努力財(cái)務(wù)成本可能相當(dāng)高。

根據(jù)2016年P(guān)hilips McDougall的分析，將一種新的作物保護(hù)產(chǎn)品推向市場(chǎng)需要11年的發(fā)現(xiàn)和發(fā)展時(shí)間，分析16萬(wàn)份化合物，每個(gè)產(chǎn)品商業(yè)化支出超過2.8億美元。在新農(nóng)化產(chǎn)品的開發(fā)中，整個(gè)行業(yè)每年的花費(fèi)超過26億美元。而AI的采用可以提高這一過程的效率。例如，致力于利用AI開發(fā)難以治愈疾病新療法的初創(chuàng)企業(yè)Monsanto正與Atomwise展開獨(dú)特的研究合作，以提高發(fā)現(xiàn)新作物保護(hù)產(chǎn)品的速度和可能性。這種合作利用基于AI的模式識(shí)別，減少在早期化學(xué)發(fā)現(xiàn)過程中測(cè)試時(shí)出現(xiàn)的錯(cuò)誤數(shù)量。

對(duì)于AI在作物生物技術(shù)方面的應(yīng)用，Monsanto正在與Second Genome進(jìn)行合作。后者總部位于舊金山，已經(jīng)獲得風(fēng)險(xiǎn)投資公司的扶持，該公司基于人類微生物組的分析，從中找到開發(fā)新藥的線索。為了加速新一代昆蟲控制解決方案的新蛋白質(zhì)的發(fā)現(xiàn)，Monsanto開放了其廣泛的基因組數(shù)據(jù)庫(kù)，并通過大數(shù)據(jù)的宏基因組學(xué)、機(jī)器學(xué)習(xí)和預(yù)測(cè)分析功能，利用了Second Genome對(duì)微生物的專業(yè)分析能力。

AI的優(yōu)點(diǎn)也適用于植物育種。在將玉米雜交品種投入市場(chǎng)之前，Monsanto對(duì)其進(jìn)行了多年的評(píng)估，從發(fā)現(xiàn)到商業(yè)化，這個(gè)過程可能需要8年時(shí)間。玉米育種通常被比作“草堆中撈針”，這是個(gè)擁有32000個(gè)基因的大草堆，代表了幾代繁殖者面臨的搜索難題。從歷史上來(lái)看，一個(gè)育種項(xiàng)目每年可以從成千上萬(wàn)可用選項(xiàng)中選出大約500種組合進(jìn)行試驗(yàn)。這種選擇受到與管理現(xiàn)場(chǎng)測(cè)試程序相關(guān)的后勤和成本的限制。

為了減少這些限制，Monsanto的AI研究人員開發(fā)了一種算法，能夠評(píng)估育種決策，并預(yù)測(cè)哪一個(gè)雜交品種將在試驗(yàn)的第一年表現(xiàn)出最佳的性能。這個(gè)算法正被過去15年的分子標(biāo)記和現(xiàn)場(chǎng)試驗(yàn)信息進(jìn)行訓(xùn)練。Monsanto全球育種主管邁克·格雷厄姆(Mike Graham)表示，這種算法可以優(yōu)化育種過程，使育種者能夠更快地把他們最好的想法投入到大規(guī)模的實(shí)地試驗(yàn)中。這一算法不僅加快了育種過程，而且與傳統(tǒng)方法相比，還使Monsanto能夠?qū)⑵溆衩子N管道規(guī)模提高了5倍。育種者可以利用AI工具完成更多的工作。

與此類似，Syngenta最近宣布與“AI for Good”基金會(huì)合作，將以AI為基礎(chǔ)的工具用于育種，并提高現(xiàn)有作物生產(chǎn)方法的效率。Syngenta為AI研究人員提供包括種子遺傳信息、土壤、天氣以及氣候數(shù)據(jù)在內(nèi)的數(shù)據(jù)集，其目標(biāo)是開發(fā)出一種算法，來(lái)確定在特定地區(qū)種植哪種作物品種。

總部位于圣路易斯的初創(chuàng)企業(yè)Benson Hill Biosystems也在將AI技術(shù)應(yīng)用于植物育種和生物領(lǐng)域。他們利用自己獨(dú)有的CropOS平臺(tái)，尋找候選基因來(lái)提高作物的光合作用。CropOS利用不同來(lái)源的數(shù)據(jù)，如DNA和RNA序列信息、現(xiàn)場(chǎng)試驗(yàn)觀察和成像分析等，來(lái)預(yù)測(cè)獲得特定表型反應(yīng)所需的基因表達(dá)模式。每當(dāng)獲得新的數(shù)據(jù)集，CropOS平臺(tái)就能重新校準(zhǔn)、學(xué)習(xí)并提高其預(yù)測(cè)能力。

在學(xué)術(shù)方面，卡耐基梅隆大學(xué)的研究人員正在展開名為“FarmView”的新項(xiàng)目，利用AI工具將植物表型數(shù)據(jù)與基因和環(huán)境數(shù)據(jù)相結(jié)合，以幫助育種者和遺傳學(xué)家更好地理解遺傳學(xué)、環(huán)境和作物性能之間的關(guān)系。

AI對(duì)農(nóng)民的影響

在過去60年里，美國(guó)農(nóng)民數(shù)量(占總?cè)丝?%)急劇減少。剩余的農(nóng)民將繼續(xù)在育種、農(nóng)作物保護(hù)、自動(dòng)化以及提高農(nóng)業(yè)生產(chǎn)率等方面使用更先進(jìn)的技術(shù)。無(wú)論是從近期到中期乃至從長(zhǎng)遠(yuǎn)來(lái)看，農(nóng)業(yè)領(lǐng)域的AI將需要農(nóng)民的積極參與才能取得成功。農(nóng)民和他們的顧問現(xiàn)在非常適合從這些新興技術(shù)中獲益。AI將成為非常強(qiáng)大的工具，它可以幫助組織應(yīng)對(duì)現(xiàn)代農(nóng)業(yè)中日益增長(zhǎng)的復(fù)雜性。農(nóng)民不僅從AI直接應(yīng)用于農(nóng)場(chǎng)中受益，而且還將在應(yīng)用AI改善育種、作物保護(hù)以及培育產(chǎn)品中受益。