Η Τεχνητή Νοημοσύνη στη Γεωργία: Υπολογιστική Όραση, Ρομπότ και Ζυγαριά για Χοίρους

Η τεχνητή νοημοσύνη κατακτά γρήγορα τη γεωργία και την βιομηχανία τροφίμων.

Υπολογιστική όραση στην ανάλυση καλλιεργειών

Για να ταΐσετε δισεκατομμύρια ανθρώπους, χρειάζεστε πολλές εκτάσεις. Είναι αδύνατο να τις καλλιεργήσετε χειροκίνητα αυτές τις μέρες. Ταυτόχρονα, οι ασθένειες των φυτών και οι εισβολές εντόμων συχνά οδηγούν σε αποτυχίες καλλιεργειών. Με το σύγχρονο μέγεθος της γεωργικής επιχείρησης, τέτοιες εισβολές είναι δύσκολο να αναγνωριστούν και να εξουδετερωθούν εγκαίρως.

Αυτό εισάγει μια ακόμη περιοχή όπου οι αλγόριθμοι υπολογιστικής όρασης μπορούν να βοηθήσουν. Οι καλλιεργητές χρησιμοποιούν υπολογιστική όραση για να αναγνωρίσουν ασθένειες καλλιεργειών, τόσο στο μικροσκοπικό επίπεδο, από κοντινές εικόνες φύλλων και φυτών, όσο και στο μακροσκοπικό επίπεδο, αναγνωρίζοντας πρώιμα σημάδια ασθένειας φυτών ή εντόμων από αεροφωτογράφηση. Αυτά τα έργα βασίζονται συνήθως στην δημοφιλή προσέγγιση της υπολογιστικής όρασης: συμβολικές νευρωνικές δικτυώσεις.

Σημειώστε ότι μιλάω εδώ για υπολογιστική όραση σε μια πολύ ευρεία έννοια. Σε πολλές περιπτώσεις, οι εικόνες δεν είναι η καλύτερη πηγή δεδομένων. Πολλά σημαντικά χαρακτηριστικά της ζωής των φυτών μπορούν να μελετηθούν καλύτερα με άλλους τρόπους. Η υγεία των φυτών μπορεί συχνά να κατανοηθεί καλύτερα, για παράδειγμα, συλλέγοντας υπερφασματικές εικόνες με ειδικούς αισθητήρες ή εκτελώντας 3D laser σάρωση. Τέτοιες μεθόδους χρησιμοποιούνται όλο και περισσότερο στη γεωργία. Αυτός ο τύπος δεδομένων είναι συνήθως υψηλής ανάλυσης και είναι πιο κοντά στη ιατρική απεικόνιση παρά σε φωτογραφίες. Ένα από τα συστήματα για την παρακολούθηση των πεδίων ονομάζεται AgMRI. Για την επεξεργασία αυτών των δεδομένων, απαιτούνται ειδικά μοντέλα, αλλά η χωρική δομή τους επιτρέπει τη χρήση σύγχρονων τεχνολογιών υπολογιστικής όρασης, ιδίως συμβολικών νευρωνικών δικτυών.

Εκατομμύρια επενδύονται στην έρευνα φαινοτυπικής και εικόνας. Η κύρια εργασία εδώ είναι να συλλέξουν μεγάλες συνόλους δεδομένων για τις καλλιέργειες (συνήθως στην μορφή φωτογραφιών ή τρισδιάστατων εικόνων) και να συγκρίνουν δεδομένα φαινοτύπου με γονότυπο φυτών. Τα αποτελέσματα και τα δεδομένα μπορούν να χρησιμοποιηθούν για τη βελτίωση των γεωργικών τεχνολογιών σε όλο τον κόσμο.

Ρομποτική στη γεωργία

Αυτόνομες γεωργικές ρομπότ όπως το Prospero μπορούν να σκάψουν ένα λάκκο στο έδαφος και να φυτέψουν κάτι σε αυτό, ακολουθώντας προκαθορισμένα γενικά μοτίβα και λαμβάνοντας υπόψη τα συγκεκριμένα χαρακτηριστικά του τοπίου. Τα ρομπότ μπορούν επίσης να φροντίσουν τη διαδικασία ανάπτυξης, εργαζόμενα με κάθε φυτό ξεχωριστά. Όταν είναι η σωστή στιγμή, τα ρομπότ θα θερίσουν, αντιμετωπίζοντας κάθε φυτό ακριβώς όπως πρέπει. Το Prospero βασίζεται στην έννοια της σμήνους γεωργίας. Φανταστείτε ένα στρατό μικρών Prospero που περπατάει μέσα από τα πεδία, αφήνοντας πίσω του τακτοποιημένες και ομοιόμορφες σειρές φυτών. Το Prospero εμφανίστηκε στην πραγματικότητα το 2011, πριν από την εποχή της σύγχρονης επανάστασης του βαθύ μαθηματικού μοντέλου. Σήμερα, τα ρομπότ εξαπλώνονται γρήγορα στη γεωργία, επιτρέποντας την αυτοματοποίηση ολοένα και περισσότερων руτινών εργασιών:

• Αυτοματοποιημένα drones ψεκάζουν καλλιέργειες. Μικρά, ευέλικτα drones μπορούν να παραδώσουν επικίνδυνες ουσίες με μεγαλύτερη ακρίβεια από τα συμβατικά αεροσκάφη. Επιπλέον, drones ψεκασμού μπορούν να χρησιμοποιηθούν για αεροφωτογράφηση για την απόκτηση δεδομένων για αλγόριθμους υπολογιστικής όρασης που αναφέρθηκαν στην αρχή του άρθρου.
• Αναπτύσσονται και χρησιμοποιούνται ολοένα και περισσότερα εξειδικευμένα ρομπότ για τη θερισμό. Οι συνδυασμένες θεριστες έχουν υπάρξει για καιρό. Όμως, μόνο τώρα, με τη βοήθεια των σύγχρονων μεθόδων υπολογιστικής όρασης και ρομποτικής, ήταν δυνατό να αναπτύξουν, για παράδειγμα, ένα ρομπότ που μαζεύει φράουλες.
• Ρομπότ όπως το Hortibot μπορούν να αναγνωρίσουν και να σκοτώσουν μεμονωμένα ζιζάνια με την αφαίρεση τους μηχανικά. Αυτό είναι μια ακόμη μεγάλη επιτυχία της σύγχρονης ρομποτικής και υπολογιστικής όρασης, καθώς πριν ήταν αδύνατο να διακρίνουν τα ζιζάνια από τα χρήσιμα φυτά και να εργαστούν με μικρά φυτά χρησιμοποιώντας χειριστήρια.

Ενώ πολλά γεωργικά ρομπότ είναι ακόμη πρωτότυπα ή δοκιμάζονται σε μικρή κλίμακα, είναι ήδη σαφές ότι η μαθηματική μάθηση, η τεχνητή νοημοσύνη και η ρομποτική μπορούν να δουλέψουν καλά στη γεωργία. Μπορεί να προβλεφθεί με ασφάλεια ότι ολοένα και περισσότερο γεωργικό έργο θα αυτοματοποιηθεί στο κοντινό μέλλον.

Φροντίδα για τα ζώα της φάρμας

Πολλές περισσότερες τρόπους για τη χρήση της τεχνητής νοημοσύνης στη γεωργία αναπτύσσονται ενεργά. Για παράδειγμα, ένα πιλοτικό έργο από το Neuromation φέρνει την υπολογιστική όραση σε μια βιομηχανία που δεν έχει λάβει πολλή προσοχή από την κοινότητα του βαθύ μαθηματικού μοντέλου: την κτηνοτροφία.

Υπήρξαν, φυσικά, προσπάθειες να χρησιμοποιηθεί η μαθηματική μάθηση σε δεδομένα παρακολούθησης ζωικού κεφαλαίου. Για παράδειγμα, το πακιστανικό стαρτ-απ Cowlar εισήγαγε ένα κολάρο που παρακολουθεί απόμακρον την δραστηριότητα και τη θερμοκρασία των βοοειδών με το εύηχο σύνθημα “FitBit για βοοειδή”. Γάλλοι επιστήμονες αναπτύσσουν αναγνώριση προσώπου για βοοειδή.

Υπάρχουν επίσης προσπάθειες να χρησιμοποιηθεί η υπολογιστική όραση σε μια προηγουμένως παραμελημένη βιομηχανία αξίας εκατοντάδων δισεκατομμυρίων δολαρίων – την πτηνοτροφία. Σε σύγχρονες φάρμες, τα χοίρια κρατούνται σε σχετικά μικρές ομάδες, στις οποίες επιλέγονται τα πιο tương似的 ζώα. Ο κύριος κόστος στην παραγωγή χοίρων είναι η τροφή, και η βελτίωση της διαδικασίας λιπανσης είναι ο κεντρικός στόχος της σύγχρονης παραγωγής χοίρων.

Οι αγρότες θα ήταν πιο πιθανό να λύσουν αυτό το πρόβλημα αν είχαν λεπτομερείς πληροφορίες σχετικά με την αύξηση βάρους των χοίρων. Σύμφωνα με αυτό το site, τα ζώα ζυγίζονται συνήθως μόνο δύο φορές στη διάρκεια της ζωής τους: στην αρχή και στο τέλος της λιπανσης. Αν οι εμπειρογνώμονες ήξεραν πώς κάθε χοιρίδιο λιπαινείται, θα ήταν δυνατό να δημιουργηθεί ένα ατομικό πρόγραμμα λιπανσης για κάθε χοίρο, ακόμη και μια ατομική σύνθεση τροφικών προσθέσεων, που θα βελτίωνε σημαντικά την απόδοση. Δεν είναι πολύ δύσκολο να οδηγήσετε τα ζώα στη ζυγαριά, αλλά αυτό είναι một τεράστιο στρες για το ζώο, και τα χοίρια χάνουν βάρος από το στρες. Το νέο έργο τεχνητής νοημοσύνης προτίθεται να αναπτύξει μια νέα, μη επεμβατική μέθοδο ζύγισης των ζώων. Το Neuromation θα δημιουργήσει ένα μοντέλο υπολογιστικής όρασης που θα εκτιμά το βάρος των χοίρων από φωτογραφίες και βίντεο. Αυτές οι εκτιμήσεις θα τροφοδοτήσουν τα ήδη κλασικά, αναλυτικά μοντέλα μαθηματικής μάθησης που θα βελτιώσουν τη διαδικασία λιπανσης.

Η γεωργία στη μέτωπο της τεχνητής νοημοσύνης

Η γεωργία και η κτηνοτροφία συχνά θεωρούνται παλιές βιομηχανίες. Σήμερα, όμως, η γεωργία εμφανίζεται ολοένα και περισσότερο στο μέτωπο της τεχνητής νοημοσύνης.

Ο κύριος λόγος εδώ είναι ότι πολλές εργασίες στη γεωργία είναι ταυτόχρονα:

• Ικανές να μηχανικοποιηθούν χωρίς τη χρήση της σύγχρονης τεχνητής νοημοσύνης και του βαθύ μαθηματικού μοντέλου. Τα καλλιεργημένα φυτά και τα χοίρια, αν και παρόμοια μεταξύ τους, δεν βγήκαν από την ίδια γραμμή συναρμολόγησης, και κάθε τοματόφυτο και κάθε χοίρος χρειάζονται μια ατομική προσέγγιση, και因此, μέχρι πολύ πρόσφατα, η ανθρώπινη παρέμβαση ήταν απολύτως απαραίτητη.
• Απλές enough ώστε με την τρέχουσα ανάπτυξη της τεχνητής νοημοσύνης, μπορούμε να λύσουμε αυτά τα προβλήματα, λαμβάνοντας υπόψη τις ατομικές διαφορές μεταξύ φυτών και ζώων, ενώ ταυτόχρονα αυτοματοποιούμε τις τεχνολογίες για την εργασία με αυτά. Η οδήγηση ενός τρακτέρ σε ένα ανοιχτό πεδίο είναι πιο εύκολη από την οδήγηση ενός αυτοκινήτου στη κυκλοφορία, και το ζύγισμα ενός χοίρου είναι πιο εύκολη από το να μάθεις να περάσεις το τεστ Turing.

Η γεωργία είναι ακόμη μια από τις μεγαλύτερες και πιο σημαντικές βιομηχανίες στον πλανήτη, και ακόμη και μια μικρή αύξηση της αποδοτικότητας θα φέρει τεράστια κέρδη απλώς και μόνο λόγω του τεράστιου μεγέθους αυτής της βιομηχανίας. η γεωργία είναι ακόμη μια από τις μεγαλύτερες και πιο σημαντικές βιομηχανίες στον πλανήτη, και ακόμη και μια μικρή αύξηση της αποδοτικότητας θα φέρει τεράστια κέρδη απλώς και μόνο λόγω του τεράστιου μεγέθους αυτής της βιομηχανίας. ο αγρός είναι πιο εύκολος από το να οδηγήσεις ένα αυτοκίνητο στη κυκλοφορία, και το ζύγισμα ενός χοίρου είναι πιο εύκολη από το να μάθεις να περάσεις το τεστ Turing. η γεωργία είναι ακόμη μια από τις μεγαλύτερες και πιο σημαντικές βιομηχανίες στον πλανήτη, και ακόμη και μια μικρή αύξηση της αποδοτικότητας θα φέρει τεράστια κέρδη απλώς και μόνο λόγω του τεράστιου μεγέθους αυτής της βιομηχανίας.