Вештачката интелигенција влегува на нивите: Земјоделството какво што го знаеме почнува да се менува

Вештачката интелигенција одамна не е технологија резервирана само за канцеларии, софтверски компании и дата-центри. Нејзината примена сè почесто стигнува и до нивите, овоштарниците, оранжериите и фармите, каде што алгоритмите почнуваат да преземаат дел од анализите и одлуките што со децении зависеа речиси исклучиво од искуството на земјоделецот.

Современото земјоделство веќе произведува огромни количества информации. Метеоролошките станици ја следат температурата и врнежите, сензорите ја мерат состојбата на почвата, сателитите и дроновите ги снимаат насадите, а модерната механизација собира податоци додека работи.

Токму тука влегува вештачката интелигенција. Наместо земјоделецот самостојно да се обидува да ги поврзе сите информации, алгоритмите можат да ги анализираат истовремено и да препознаат промени што човечкото око тешко би ги забележало.

Една од најважните примени е раното откривање проблеми кај земјоделските култури. Во традиционалното производство, болеста или нападот од штетници често се забележуваат дури откако промените ќе станат видливи на растението. Тогаш дел од штетата можеби веќе е направена.

Со помош на дронови и сателитски снимки ситуацијата може да се следи многу попрецизно. Системите за компјутерски вид анализираат фотографии од насадите и бараат знаци што можат да укажуваат на болест, штетници, недостаток на хранливи материи или други проблеми.

Кога овие информации ќе се комбинираат со податоците за влажноста на почвата и временските услови, земјоделецот добива многу подетална слика за состојбата на различните делови од парцелата.

Тоа е основата на таканареченото прецизно земјоделство. Наместо целата површина да се третира на ист начин, технологијата може да покаже каде точно постои проблем. Така пестицидите, ѓубривата или другите средства можат да се користат само таму каде што навистина се потребни.

Вештачката интелигенција може да помогне и во едно од најважните прашања за секој производител – колкав принос може да очекува на крајот од сезоната.

Современите алгоритми ги комбинираат податоците за моменталната состојба на растенијата, почвата, временските услови и приносите од претходните години и врз основа на нив создаваат процени за производството.

Компанијата Syngenta, на пример, развила генеративна вештачка интелигенција во рамките на платформата Cropwise. Според податоците на компанијата наведени во изворниот материјал, системот постигнувал точност до 95 проценти при прогнозирањето на приносот и можел да дава препораки поврзани со сеидбата.

Таквите прогнози имаат значење што оди многу подалеку од самата нива. Ако производителот однапред има подобра претстава колку ќе произведе, полесно може да ги организира складирањето, транспортот и продажбата. Истото важи и за трговците и логистичките компании кои зависат од количината на земјоделски производи што ќе се појават на пазарот.

Колку можат да бидат вредни добрите прогнози покажува и истражување на земјоделски економисти од Virginia Tech, нарачано од американското National Corn Growers Association. Според процената наведена во материјалот, прогнозите на американското Министерство за земјоделство за понудата и побарувачката создаваат вредност од околу 301 милион долари годишно за пазарот на пченка.

Промената не застанува кај анализата на податоците. Вештачката интелигенција постепено влегува и во самата земјоделска механизација.

Автономните трактори и другите современи машини користат комбинација од камери, сензори, системи за позиционирање и алгоритми за машинско учење. Целта не е само тракторот да може да се движи без човек зад воланот, туку машината да ја анализира околината и да приспособува дел од своите активности на условите на теренот.

Особено интересен пример е борбата против плевелот. Carbon Robotics го разви системот LaserWeeder, машина која користи компјутерски вид за да го препознае плевелот меѓу земјоделските култури, по што го уништува со ласери.

Според податоците на производителот наведени во изворот, системот располага со 36 камери, 24 ласери и 24 графички процесори на NVIDIA и може да третира до 10.000 плевели во една минута. Алгоритмот бил обучуван со повеќе од 150 милиони означени фотографии од растенија.

Во слична насока се движат и големите производители на земјоделска механизација. John Deere развива автономни машини кои треба самостојно да извршуваат различни операции на нивите.

Идејата за земјоделски робот на тој начин значително се менува. Наместо машина која само извршува однапред зададена команда, новата генерација треба да може да ја набљудува околината, да препознае што се наоѓа пред неа и соодветно да реагира.

Друга област во која технологијата може да донесе големи промени е потрошувачката на вода. Земјоделството е еден од најголемите корисници на овој ресурс, а климатските промени и периодите на суша дополнително ја зголемуваат потребата од порационално наводнување.

Сензорите можат постојано да ја мерат влажноста на почвата, додека системите истовремено ги анализираат температурата на растенијата, временската прогноза и други параметри. Вештачката интелигенција потоа може да процени кога е потребно наводнување и колкаво количество вода му е потребно на конкретен дел од насадот.

Наместо водата да се пушта според однапред утврден распоред, наводнувањето на тој начин може да се приспособува на реалната состојба на растенијата.

Во еден пример документиран од Microsoft кај производители на шеќерна трска во Индија, користењето вештачка интелигенција во комбинација со временски податоци било поврзано со намалување на потрошувачката на вода за околу 30 проценти и зголемување на приносот за 40 проценти.

Тоа, сепак, не значи дека истите резултати автоматски може да се очекуваат на секоја нива. Ефектот зависи од културата, почвата, климатските услови и технологијата што се користи. Но, примерот покажува колкав потенцијал има управувањето со земјоделството врз основа на податоци.

Сличен принцип може да се користи и кај заштитните средства. Наместо цела парцела да се прска со иста количина хемикалии, камерите и системите за компјутерски вид можат да разликуваат култура од плевел и да овозможат третирање само на местата каде што тоа е потребно.

Вештачката интелигенција веќе не е ограничена ниту само на растителното производство. Сензори и камери сè почесто се користат и на фармите за следење на здравствената состојба и однесувањето на животните.

Различни носливи сензори можат да го следат движењето и активноста на животното, додека камерите и алгоритмите ги анализираат промените во неговото однесување.

Ова е важно затоа што првите знаци дека нешто не е во ред не мора веднаш да бидат видливи како јасни симптоми на болест. Животното може најпрво да почне поинаку да се движи, да биде помалку активно или да го промени вообичаеното однесување.

Ако системот навреме забележи такво отстапување, земјоделецот може порано да реагира. Тоа потенцијално значи помали загуби, побрзо лекување и избегнување непотребно третирање на целото стадо.

Ваквата технологија може да има улога и во намалувањето на употребата на антибиотици во сточарството. Ако болеста се открива порано и попрецизно, се отвора можност за насочена реакција наместо поширока превентивна употреба на лекови.

Сето ова не значи дека земјоделецот ќе стане непотребен или дека во блиска иднина нивите целосно ќе ги преземат роботите. Искуството на човекот кој го познава сопственото земјиште, локалната клима и спецификите на производството останува тешко заменливо.

Она што се менува е количината информации со кои располага кога треба да донесе одлука.

Наместо да се потпира само на она што го гледа на нивата и на искуството стекнато со години, земјоделецот сè повеќе ќе има податоци од сателити, дронови, сензори, временски модели и паметна механизација. Вештачката интелигенција ќе има задача од огромното количество информации да извлече корисни процени и препораки.

Затоа најголемата промена можеби нема да биде сликата на трактор без возач што самостојно се движи низ полето. Многу подлабока промена е преминот од земјоделство во кое голем дел од одлуките се носат според искуството и процената, кон производство во кое искуството сè повеќе ќе се надополнува со податоци.

Од тоа што да се посади и на кој дел од земјиштето, преку количината вода и средствата за заштита, па сè до вистинскиот момент за жетва и очекуваниот принос, алгоритмите постепено навлегуваат во речиси секоја фаза од производството.

Земјоделството затоа не исчезнува во ерата на вештачката интелигенција. Напротив, една од најстарите човечки дејности почнува да се претвора во сè посовремена индустрија во која земјата, машините и човечкото искуство сè повеќе се поврзуваат со податоци и алгоритми.