人工智能与农业加速融合 养活整个世界稳妥了?

　　当人工智能技术与农业领域产生火花，“智慧农业”的发展也随之进入了快车道。在这个充满挑战的世界，农业对于人类来说至关重要，而人工智能也许将是保障人类生存的重要动能。

　　据福布斯杂志报道，当“绿色革命之父”诺曼·博洛格(Norman Borlaug)1970年获得诺贝尔奖时，诺贝尔奖委员会当时表示：“这个年龄段的人比任何其他年龄段的人都要多，他已经帮助这个饥饿的世界提供面包。”博洛格帮助引入抗病高产的作物品种和先进的农业技术，并成为游戏规则的改变者，促使农业产量大幅增加，帮助数百万人免于饥饿。

　　在博洛格获得诺贝尔奖后半个世纪，我们生活在产量稳定增长的世界，而耕地总量却在持续减少。气候模式的变化和水资源的可用性正在改变某些农业地区的生产力。与此同时，世界人口继续增长，预计到2050年将至少达到90亿人，其中大部分增长集中在发展中国家。在这些国家，快速的经济扩张使人们对卡路里和蛋白质的需求不断增加。随着人口增长和对粮食需求的增长，我们正接近所谓的“马尔萨斯末日(Malthusian doomsday)”。在这种假设中，人口增长速度超过了粮食供应的增长，从而导致大规模饥荒。预防这种末日场景很可能是21世纪最重要的挑战之一。

　　消费增加推动了对农业生产增长的需求。全球各地的种植者都在应对这样的挑战，但他们必须以一种不会对地球资源造成无法弥补伤害的方式来应对这一挑战。为了平衡增加生产和节约资源的目标，研究人员和企业家正在研究如何在现有的碳足迹上发展可持续性增强型农业。就像博洛格那样，这些研究人员和企业家们可以借助植物遗传学、化学、农学以及机械等工具。然而，今天他们还有全新的工具可用，即人工智能(AI)技术。

　　农业迅速实现数字化

　　尽管在数字化行业调查中排名接近垫底，但农业正迅速实现数字化。高速变量种植设备的采用正提供准确的种植信息，产量监测设备提供了关于收获颗粒的各类信息。这类基础数据(投入与产出)是构建预测算法的关键。农民们正在使用传感器和取样技术收集土壤水分和养分水平的数据。有各种各样的农业信息管理系统，使操作和财务数据获取变得更容易。现在的农民可以使用软件工具来辅助实地考察，从移动应用到无人机，这些工具收集的数据可以用来评估作物的健康状况，并监测不同季节的病虫害情况。

　　随着这种转变，农业数据变得更加丰富和实用。这些数据的可用性正在为开发和部署农业AI铺平了道路。今天AI的应用主要是由科技行业推动的，从增强信息安全到移动广告植入，再到无人驾驶汽车。五年前，谷歌资助的研究人员在AI领域取得了突破性进展，他们的神经网络软件学会了识别猫和人的形状，准确率达到70%。今天，在一年一度的ImageNet Challenge上，许多团队已经展示了超过人类的图像识别能力，分类错误率还不到3%。谷歌和IEEE计算协会正在举办名为iNaturalist Competition的竞赛，希望训练AI算法识别5000多种不同种类的植物和动物。

　　这些算法的力量也延伸到语言解释方面。利用AI技术，微软的语音识别系统现在的出错率仅为5.1%，与专业人员的识别率相当。他们的系统准确性每年都有很大幅度的提高。美国知名私募股权投资数据库及数据分析服务提供商Pitchbook的数据显示，在过去10年里，超过170亿美元资金投资于美国的AI创业企业身上。自2012年以来，已经有200多起与AI相关的收购。这些收购活动主要由谷歌、Facebook、微软以及亚马逊等科技巨头主导，因为它们希望能获得更多的能力，帮助改变交通、医疗、零售以及制造业等行业。农业会成为下个被改变的目标吗？

　　农业AI技术迅猛发展

　　虽然AI已经成为技术社区的重要支柱，但许多大公司、设备制造商以及服务提供商还没有大力发展农业领域的AI应用。这种犹豫的部分原因可能是缺乏对AI技术进步和潜在应用不够熟悉所致，这篇文章希望能部分地弥补这一缺陷。此外，AI算法在农业领域的发展也具有挑战性。AI应用需要大量数据来对算法进行恰当的训练。而在农业中，虽然有大量的空间数据，但大部分数据只能在每年的生长季节使用一次。因此，可能需要数年时间才能收集到关于某个给定字段或农场具有统计意义的数据。通常，这个领域收集的数据需要大量的预处理(清理)，然后才能被放心地用于训练AI算法。

　　今天，与数据连接相关的挑战仍然存在。《华尔街日报》最近撰文指出，在农场里，手机接收信号不够稳定或根本不存在，因此很难将数据转移到可以分析的地方。缺乏数据使用和所有权的标准和透明度，以及收集和共享数据的困难，都导致农业领域的AI算法开发人员仍然无法找到合适的数据。幸运的是，像Climate Corporation公司的FieldView Drive、John Deere的JD Link以及Farmobile的PUC这样的产品，旨在使设备数据的收集和传输变得更容易和无缝。

　　新兴农业技术(AgTech)公司开发AI算法也可能加剧这个问题。许多初创公司正在构建决策自动化工具，而在数据收集、准备和基准测试能力等方面仍然存在很大差距。在历史上，农场始终缺乏信息技术基础设施和数据仓库系统，而硅谷科技公司一直依赖这些技术来开发和部署AI应用。在大规模农业AI部署成功之前，农场中的数据基础设施需要变得更加强大。

　　此外，有些新兴公司倾向于避免使用经过科学验证的、统计控制的实地试验来量化其产品的收益。相反，这些公司采用了“精益方法”，迅速在少量客户中进行推广，此举遵循了创办科技初创企业的策略。虽然精益方法在软件方面很有效，但在农业领域，种植者不会冒险在整个农场采用全新技术，为此其可能行不通。

　　在推出产品之前，主要的农业公司需要通过多年的实地测验来确保产品的性能和明显的效益。即使进行了这样的测试，许多种植者还是希望看到新产品在自己的土地上采用之前，能够有上佳的表现。因此，普遍的“快速进入市场”和“快速扩张”心态可能不合适，而是需要采用更加渐进的产品发布策略。

　　最终的挑战是对AI人才的竞争非常激烈。在科技初创企业社区中，人们普遍抱怨，在与软件、互联网和无人驾驶汽车行业的雇主进行竞争的情况下，很难找到合适的AI人才。此外，即使招募到这些人之后，留住他们也是不小的挑战。一家MGV投资公司的机器学习专家最近被科技巨头招募，年薪超过700万美元。

　　农业AI技术的前景

　　尽管农业领域AI技术面临诸多挑战，但我们有理由相信，AI在农业领域的成功和大规模推广将会成为现实。以下就是有望部分改变农业的AI技术。