想做农业的阿尔法狗？你需要先解决这些棘手问题

　　2018-05-17

　　作者 文摘菌

大数据文摘作品

　　编译：Zoe Zuo、ShanLiu、闫雨莹

　　当前，全球粮食需求持续增长，而农业劳动力却在逐渐萎缩。世界上各大公司正不断尝试，将新型的机器学习算法、高性价比的传感器和大幅改善的计算能力结合起来，以期摆脱这种困境。

　　为了应对上述问题，众多初创企业和大学都将目光投向了农业领域中人工智能的应用。农业给AI抛出了相当棘手的问题，假如这些问题能得到解决，最终会推动AI在更加结构化的场景中的应用（比如住宅）。

　　当前状况

　　可能如同19世纪早期亨利· 福特（Henry Ford)见证了农业自动化，目前的我们正处于类似的阶段。增量式的发展将会像滚雪球一般累积，最终引起巨变。

　　——吉里什· 乔杜里，伊利诺伊大学

　　机器学习一方面用于分析从农田、卫星和无人机搜集的数据，从而提供关于种植和施肥的决策，同时用于辨识作物疾病、预测作物产量。

　　例如，据气候公司（The Climate Corporation，隶属于跨国农业公司孟山都）地理空间科学总监史蒂文· 沃德（Steven Ward）称，在2017年，相比于自己制定种植计划的农民，通过使用该公司推出的Climate FieldView平台（该平台帮助农民确定玉米种植的比例、密度和地点）的种植者获得了5蒲式耳/英亩（约等于20.9公斤/亩）的产量提升。

　　落地

　　由AI赋能的农业设备已上市，并不在断改进。

　　例如约翰迪尔推出一款联合收割机，它可以利用机器学习来协调谷物收集机，尽可能减少粮食溢出。

　　另一款机型还可以利用机器学习来评估输送往粮箱的谷物的质量，虽然这个过程仍离不开人工监督。

　　去年，约翰迪尔收购了蓝河科技（Blue River Technology, 农业机器人初创公司），旨在研发出一套系统，使之能够在棉花植株当中辨识出杂草，然后将除草剂针对性地喷洒在杂草上，避免殃及整块田地。

　　水果和蔬菜是劳动力密集型的作物，采摘难度较大。Harvest CROO Robotics公司正在研发一款草莓采摘机，这种机器能够辨识和采摘成熟的草莓，但它的表现差强人意。

　　卡耐基梅隆大学的蒂姆· 米勒-西姆（Tim Mueller-Sim）认为，“人类擅于执行精细操作，这在我们自己看来理所当然。我们的身体收集提供关于周遭环境的丰富数据，我们的大脑将视觉、触觉、嗅觉、听觉与先前的经验协同融合在一起，这其中的详细运作方式我们尚未彻底理解。”

　　乔杜里研发了一款机器人，目前正处于测试阶段。该机器人能够在庄稼间穿梭，利用计算机视觉测量植株高度和茎秆宽度。

　　如果数据精确，采集到的信息就可以为育种者所利用，加速对数千棵植株的筛选，使筛选流程标准化，以便尽快搜寻出能够产生有利性状的基因组合。

　　挑战

　　AI产品要面对的田间测试是否能摆脱一套编写好的脚本，被训练得可自适应到田间肮脏、凌乱和充满不确定性的工作环境中去。

　　米勒-西姆说，“如果AI在一个非结构化的环境里工作过，那么它将会在较为结构化的环境里表现得更出色。”

　　数据

　　计算机视觉领域的成就大多要归功于深度学习——这项AI技术建立在大量经过详细标记归类的数据之上。乔杜里说，“困难在于，我们当前未必有针对农业的监督数据。”

　　好在这项困难是可以攻克的，米勒-西姆称。在一篇即将发表的论文里，他介绍了由40至60张图片训练而成的生成对抗网络（GANs），该网络能检测出田地里的高粱、葡萄树、大麻花的特征。[page]分页标题[/page]

　　巴西初创企业Scicrop的研究部主管布雷特· 德鲁里（Brett Drury）表示，贝叶斯网络（Bayesian networks）也是一种行之有效的手段，它可以在不完整信息的基础上进行推论，应对不确定事件。

　　德鲁里目前正在用贝叶斯网络创建作物的模型，为农民们预测产量以及病虫害风险。

　　不确定性

　　机器人挣扎于适应变化。土壤质地、强烈光照、阴天和其他环境变量都会干扰机器人的行动和视觉，尤其是当机器人向无人驾驶技术方向发展时。

　　乔杜里称，“我们正尝试把机器人放在那些原本不适合它们的环境中去运行。尽管汽车本来就是在路上跑的，要实现真正意义上的汽车自动驾驶也已经很难了。”

　　无人驾驶技术正在使自动化元件的获取变得比以往容易，但农业也对该技术提出了独特的挑战。农田状况完全不同于公路，而且农业机器的规模也要大得多。

　　约翰迪尔实验室主任亚历克斯· 珀迪（Alex Purdy）认为，“无人驾驶技术的赢家不一定会在农业领域成功。”

　　差异

　　从更广泛的角度来看，农业对AI提出了另一大挑战——在同一作物田地之内和不同作物田地之间，AI产品都得保持准确性。

　　卡耐基梅隆大学的Abhisesh Silwal当前在研发适用于葡萄树修剪和苹果采摘的机器人。他说，“每一棵植株都长得不太一样，即使是挨着种的那些。因此，如果要操纵机器人手臂来采摘水果或者修剪藤蔓，如何让机器人适应这种非结构化的环境是一个难题。”

　　一种可能的解决办法是研发出相关算法，以解释原先的训练环境与当前的运行环境之间的差异。从本质上来讲，做出这样的算法是可能的。但是要把想法用数学表达出来，我们还有很长的路要走。

　　采纳

　　农民们往往对世代积累下来的土地知识深信不疑。所以，要让他们接纳昂贵的新技术，首先得证明技术的价值。

　　珀迪称，“如今，种植户大多都凭借着对自己土地的深入了解，在不断的试探中进行耕作。他们也已经做得很出色了……所以，他们对自动化的要求将会非常高。”

    本文首发于微信公众号：大数据文摘。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。