現(xiàn)在，世界即將面臨一個重大危機，這個危機不是人工智能帶來的“世界末日”，而是地球人的吃飯問題。預(yù)計到2050年，地球人口將達(dá)到90億，為了滿足大幅增長的糧食需求，未來糧食產(chǎn)量至少需要達(dá)到現(xiàn)在糧食產(chǎn)量的兩倍。然而，全球變暖和城鎮(zhèn)化發(fā)展等不利因素正制約著農(nóng)作物的生長，糧食增產(chǎn)相當(dāng)困難。

 

　　幾個世紀(jì)以前，工業(yè)革命和技術(shù)革新大大提高了我們對地球資源的利用程度，在當(dāng)時看來，地球資源仿佛是取之不盡的。而現(xiàn)在，我們卻在因為土地和水資源的短缺而緊張，因為天氣狀況的不穩(wěn)定而煩惱。

 

　　現(xiàn)在，人工智能的技術(shù)革新和互聯(lián)網(wǎng)的發(fā)展可能會有助于緩解、甚至解決這些問題。本文，我將介紹人工智能如何幫助我們更高效地利用現(xiàn)有的地球資源。

 

 

　　過去幾年，人工智能已經(jīng)改變了大多數(shù)公司和組織的運作方式。如今，這些人工智能算法影響了許多你接觸過的網(wǎng)絡(luò)服務(wù)，比如谷歌的搜索引擎、Facebook的好友推薦系統(tǒng)、亞馬遜的產(chǎn)品推薦服務(wù)等等。

 

　　隱藏在這些服務(wù)轉(zhuǎn)型背后的技術(shù)創(chuàng)新其實是“機器學(xué)習(xí)”，它實際上是一種算法，它通過處理和分析海量數(shù)據(jù)來找到常見模式，然后將這些模式轉(zhuǎn)變?yōu)轭A(yù)測和行為結(jié)果。當(dāng)“機器學(xué)習(xí)”被用于農(nóng)業(yè)生產(chǎn)時，它就能幫助防止農(nóng)作物被破壞和浪費。這一實踐被稱為“精準(zhǔn)農(nóng)業(yè)”，它利用了實時數(shù)據(jù)、歷史數(shù)據(jù)以及機器學(xué)習(xí)算法，對較小的區(qū)域和較短的時間區(qū)間采取一些針對性行為，而不是在非常大的區(qū)域按照常規(guī)，不加分析地執(zhí)行完全相同的操作。舉例來說，我們應(yīng)該在受蟲害的某棵樹或者是某根樹枝，甚至是某片葉子上使用少量的農(nóng)藥，而不是大面積地噴灑。這樣，我們才能有效地減少農(nóng)藥的支出，既避免農(nóng)藥的浪費，也避免了農(nóng)藥過量使用所帶來的危害。

　　Prospera公司是“精準(zhǔn)農(nóng)業(yè)”實踐的一個典型例子，它希望將傳統(tǒng)農(nóng)業(yè)轉(zhuǎn)變?yōu)橐粋€數(shù)據(jù)驅(qū)動的實踐。Prospera利用了設(shè)置在田地里的攝像頭、傳感器以及收集到的微氣象數(shù)據(jù)，對農(nóng)作物進(jìn)行監(jiān)控并且發(fā)布農(nóng)作物的實時分析。深度學(xué)習(xí)和計算機視覺算法通過對收集到的數(shù)據(jù)進(jìn)行分析，進(jìn)而了解并報告農(nóng)作物的生長情況。這對于早期農(nóng)作物疾病的發(fā)現(xiàn)和處理相當(dāng)重要，有助于減少農(nóng)作物的損害，從而擴大糧食產(chǎn)量。利用計算機視覺技術(shù)來分析農(nóng)作物圖片的優(yōu)勢之一在于，如果經(jīng)過了良好的訓(xùn)練，算法可以隨時發(fā)現(xiàn)那些即使是優(yōu)秀的人類專家都難以發(fā)現(xiàn)的問題。在醫(yī)學(xué)界的癌癥診斷領(lǐng)域也使用了與之類似的方法和技術(shù)。

 

　　Arable是另一家從事“精準(zhǔn)農(nóng)業(yè)”的公司，它利用了一種智能傳感器來收集農(nóng)田里的各種信息，比如降雨量、濕度、農(nóng)作物的蓄水量、水壓、微氣候數(shù)據(jù)、樹冠生物量和葉綠素等等。這些數(shù)據(jù)能夠幫助農(nóng)民時刻關(guān)注農(nóng)作物的情況，根據(jù)實際的測量值而不是依靠主觀經(jīng)驗和猜測，進(jìn)而作出農(nóng)作物相關(guān)的預(yù)測，并且有針對性地采取某些自動化措施。這些“精準(zhǔn)農(nóng)業(yè)”的操作其實很簡單，就像我們根據(jù)濕度數(shù)據(jù)來控制不同的田地和區(qū)域一樣。該領(lǐng)域的其他公司還在嘗試在沒有硬件設(shè)施的情況下進(jìn)行精準(zhǔn)農(nóng)業(yè)的操作。ConserWater公司利用了NASA的衛(wèi)星圖像和、天氣數(shù)據(jù)以及深度學(xué)習(xí)算法來預(yù)測農(nóng)作物的需水量，盡管這些預(yù)測不如傳感器和攝像頭得出的預(yù)測精準(zhǔn)，但是它的投入成本相對較低，這實際上降低了農(nóng)民進(jìn)入精準(zhǔn)農(nóng)業(yè)的門檻。

 

　　人工智能技術(shù)在農(nóng)業(yè)部署上面臨的一個主要挑戰(zhàn)是硬件設(shè)施在農(nóng)田覆蓋的聯(lián)通性很差。這限制了數(shù)據(jù)的收集，而數(shù)據(jù)收集恰恰是機器學(xué)習(xí)算法的關(guān)鍵。但是隨著人們對這一領(lǐng)域興趣的不斷增加，越來越多的公司開始行動，這些障礙正不斷被克服。

 

　　人工智能技術(shù)可以用于提高糧食產(chǎn)量、減少浪費，但這并不是其發(fā)揮作用的唯一領(lǐng)域。在實驗室和研究中心，機器學(xué)習(xí)算法能夠幫助培育更好的植物基因，創(chuàng)造更安全、更高效的農(nóng)作物保護(hù)產(chǎn)品和化肥，并且開發(fā)更多的農(nóng)產(chǎn)品。實際上，人工智能在這些領(lǐng)域的介入更加成熟，因為這一領(lǐng)域的數(shù)據(jù)更加豐富，數(shù)據(jù)獲取的速度也更快。

 

　　糧食的損失和浪費很可能會發(fā)生在收獲和運輸?shù)倪^程中。舉例來說，不合適的地形狀況會在收獲的過程中導(dǎo)致大量的農(nóng)作物損耗。另外，農(nóng)作物運輸途中的天氣狀況也會影響到農(nóng)作物的產(chǎn)量，比如運輸途中的降雨會導(dǎo)致運輸延遲，對農(nóng)作物造成不利的影響。

 

　　這個問題我們可以利用土壤傳感器和天氣分析系統(tǒng)來解決，機器學(xué)習(xí)算法能夠根據(jù)一些必要的數(shù)據(jù)，例如土壤濕度、未來天氣狀況以及運輸途中將面臨的潛在影響因素，預(yù)測出收獲的最佳時機。自動化和協(xié)調(diào)性種植、農(nóng)作物收獲和分配能夠盡量縮減農(nóng)作物在運輸途中的時間，從而減少農(nóng)作物損耗。隨著硬件聯(lián)通性的不斷完善，人工智能技術(shù)的不斷發(fā)展，我們可以期待自動化的、數(shù)據(jù)驅(qū)動的未來農(nóng)業(yè)的發(fā)展方向。這些技術(shù)革新究竟是否能夠解決不斷增長的人口的吃飯問題，我們還未可知。但就現(xiàn)在而言，人工智能才是我們的最佳選擇。