隨著我們進(jìn)入機器學(xué)習(xí)的新技術(shù)時代，人工智能和農(nóng)業(yè)正變得密不可分。它帶來了令人興奮的無限可能性：從種子發(fā)芽，到保持作物的完整性，再到實際的收獲過程。聯(lián)合國估計，到2050年，全球人口將增加到97億人以上，那時很多饑餓的人口需要養(yǎng)活。相比于人口的大量增長，耕地面積只會增加4%。因此，解決辦法不是擴大農(nóng)田來種植莊稼和飼養(yǎng)牲畜，而是更有效地利用現(xiàn)有的土地。

回顧過去，我們看到大約70年前“綠色革命”的開始，它帶來了灌溉系統(tǒng)的改善，農(nóng)田機械化的方法，以及新型的人造肥料。這些因素的疊加起來提高了糧食產(chǎn)量，據(jù)估計，全球約有10億人從饑餓中獲救。

這種快速發(fā)展帶來了許多好處，如更高的產(chǎn)量，但也有許多負(fù)面因素：在有農(nóng)場的地方，殺蟲劑、化肥的過度使用和動植物生物多樣性減少的情況都發(fā)生了。同時，那些耕作方法加在一起，向地球上的小溪和河流注入了大量的毒素，也耗盡了土壤的自然肥力。可持續(xù)農(nóng)業(yè)和糧食問題專家Danielle Nierenberg說：“這些方法從來沒打算長期使用。”如果我們要繼續(xù)保持糧食生產(chǎn)的穩(wěn)定和充足，就必須進(jìn)行變革。

目前，全球20%的人口受雇于農(nóng)業(yè)綜合企業(yè)，這是一個價值3萬億美元的產(chǎn)業(yè)。但是我們?nèi)绾芜M(jìn)行這個變換呢？答案可以在人工智能和農(nóng)業(yè)的交匯處找到。在本文中，我們將研究世界范圍內(nèi)這些新型的機器學(xué)習(xí)技術(shù)在農(nóng)業(yè)各個解決方案中是如何推動食品生產(chǎn)的。現(xiàn)在讓我們來看看人工智能怎樣改善了發(fā)展中國家和已經(jīng)領(lǐng)先的西方國家的農(nóng)業(yè)狀況。

如果我們想要有最好的作物，那么這一切都取決于我們種植的種子的基因。Monsanto公司現(xiàn)在正在使用人工智能掃描具有最理想特性的種子的DNA序列。農(nóng)民將不再需要投入時間和精力來進(jìn)行種子的交叉變異實驗，因為現(xiàn)在有計算機程序可以為他們進(jìn)行這種分析。

在美國，Trace Genomics也在追隨他們的腳步，采用基于人工智能的技術(shù)來研究土壤弱點和作物缺陷。植物要想正常生長，就需要持續(xù)不斷的水供應(yīng)。在世界上雨水和淡水稀少或不可靠的地區(qū)，種植作物尤其困難。就像你的花園灑水器可以設(shè)置定時器一樣，現(xiàn)代的人工智能灌溉方法比這更進(jìn)一步。

他們可以通過農(nóng)業(yè)環(huán)境中的機器學(xué)習(xí)技術(shù)實時跟蹤土壤中的水分含量，從而準(zhǔn)確地知道何時向作物提供水，以及如何合理節(jié)約水的消耗。這意味著農(nóng)民有更多時間來做其他的重要工作，而不必費心親自灌溉作物。據(jù)估計，地球上約70%的淡水供應(yīng)用于農(nóng)業(yè)生產(chǎn)，因此更有效地管理淡水供應(yīng)將對如何利用這一寶貴資源產(chǎn)生連鎖反應(yīng)。

根據(jù)農(nóng)業(yè)綜合企業(yè)的性質(zhì)，一個農(nóng)場大約40%的利潤用于體力勞動和工資。人工智能可以大幅減少這一數(shù)字，因為一旦購買了機器，它們就會隨著時間的推移為自己買單。有兩個機器收割的例子來自Harvest CROO Robotics，它創(chuàng)造了采摘成熟草莓的硬件，以及擁有可以收割蘋果園的機器的豐富技術(shù)。這種類型的人工智能將感知和動作結(jié)合在一起，因此自主機器可以看到需要收獲什么，然后繼續(xù)執(zhí)行收獲的動作。

像VineView所使用的智能攝像頭，可以在很遠(yuǎn)的地方為農(nóng)民提供反饋和信息——從作物生長受阻和缺水到土壤條件和病蟲害監(jiān)測。未來的農(nóng)民不再需要步行數(shù)英里穿過他們的莊稼和農(nóng)田來評估它的狀況——而是用無人機在幾分鐘內(nèi)飛去所關(guān)注的地區(qū)。到2027年，農(nóng)業(yè)無人機的市場份額預(yù)計將接近5億。無人駕駛拖拉機也將成為現(xiàn)實，在沒有真人指導(dǎo)的情況下，通過編程使其以一定的速度行駛，同時以有效的方式執(zhí)行特定任務(wù)。

由于“Alexa”類型的系統(tǒng)為農(nóng)民的所有問題提供了解決方案，人工智能可以成為農(nóng)民最好的朋友。建立農(nóng)業(yè)的知識數(shù)據(jù)庫，并能向其詢問從動物疾病到土壤質(zhì)量的一切問題。這樣的基礎(chǔ)可以學(xué)習(xí)正確的解決方案和回答問題，然后可以有效地與業(yè)務(wù)中的其他人共享。當(dāng)農(nóng)業(yè)在很大程度上實現(xiàn)自動化時，數(shù)據(jù)共享無疑將具有重要性。訓(xùn)練系統(tǒng)需要數(shù)據(jù)，特別是人工智能算法的數(shù)據(jù)非常有價值。

近年來，農(nóng)業(yè)數(shù)據(jù)聯(lián)盟(Agricultural Data Coalition)已成立，旨在幫助農(nóng)民掌握信息和數(shù)據(jù)處理技術(shù)，以便從研究人員到農(nóng)場主、農(nóng)作物買家和保險公司等所有人都能共同努力，提高產(chǎn)量，從而提高所有人的利潤。得益于人工智能技術(shù)，總體產(chǎn)量得以提高，將人工智能應(yīng)用于農(nóng)業(yè)的最終目標(biāo)是提高每平方英尺的作物產(chǎn)量。

產(chǎn)量的提高主要是通過模仿人類認(rèn)知的算法實現(xiàn)的，在分析大數(shù)據(jù)時，將農(nóng)業(yè)中的機器學(xué)習(xí)技術(shù)帶到最前沿，并利用它做出有效的決策。這些數(shù)學(xué)人工智能公式可以通過決定作物從播種到收獲的最佳操作過程來幫助提高作物產(chǎn)量。人工智能解決方案在農(nóng)業(yè)領(lǐng)域的技術(shù)有很多，而且具有幾乎無限的潛力。農(nóng)業(yè)傳感器可以看到外形，識別語音命令和操作視覺感知能力來收集所需的數(shù)據(jù)。

信息管理系統(tǒng)控制收集的數(shù)據(jù)，并允許人工智能軟件基于深度學(xué)習(xí)技術(shù)和機器學(xué)習(xí)通過預(yù)測分析做出決策。這些數(shù)據(jù)可以用于專門為農(nóng)業(yè)綜合企業(yè)制造的硬件，比如自動無人機和自動駕駛汽車。充分利用收集到的數(shù)據(jù)，能為農(nóng)民提供最好的服務(wù)。農(nóng)業(yè)領(lǐng)域的人工智能解決方案要想在這一領(lǐng)域起飛，就需要在農(nóng)業(yè)實踐中集成人工智能的多方優(yōu)勢。