AI正在農(nóng)業(yè)領(lǐng)域崛起，它真能幫助養(yǎng)活整個世界嗎?

　　AgVoice：總部位于佐治亞州的創(chuàng)業(yè)公司，AgVoice正在為作物觀察專家和農(nóng)學(xué)家開發(fā)自然語言處理工具包。這套系統(tǒng)可以解釋導(dǎo)致大豆突然死亡的疾病，并提示觀察的位置和嚴(yán)重程度。

　　除此之外，諸如OrbitalInsights、DescartesLabs、GroIntelligence以及TellusLabs等創(chuàng)業(yè)公司也正在基于衛(wèi)星圖像、天氣信息和歷史產(chǎn)量數(shù)據(jù)等開發(fā)產(chǎn)量預(yù)測算法。TellusLabs聲稱，它們的數(shù)據(jù)比美國農(nóng)業(yè)部的報告更準(zhǔn)確，而且可提前美國農(nóng)業(yè)部1個月給出預(yù)測數(shù)據(jù)。
 

　這位作物觀察專家正利用AgVoice的系統(tǒng)捕捉現(xiàn)場記錄

　　有些人批評AI對農(nóng)業(yè)環(huán)境的要求過于嚴(yán)苛，因為其變量因素太多。在某種程度上，這是正確的，但是隨著計算能力的進步，AI算法可以快速地接受額外的數(shù)據(jù)。Slantrange就是這樣的公司，它的總部位于舊金山，正在開發(fā)機器視覺系統(tǒng)來測量作物的數(shù)量，并檢測雜草。該公司的植物計數(shù)算法最初是為中西部種植區(qū)開發(fā)的，它在南非的試驗中表現(xiàn)不太好，因為該地區(qū)的種植密度較低，土壤反射性更強。

　　然而一夜之間，Slantrange團隊又用新的數(shù)據(jù)重新訓(xùn)練了他們的算法。他們的升級版軟件在南非部署了僅僅兩天，就報告了其發(fā)現(xiàn)的問題。Slantrange最近宣布與BayerCropScience合作，以幫助植物育種。

　　也許，在農(nóng)業(yè)中成功使用AI的例子是孟山都成長創(chuàng)投公司扶持的BlueRiverTechnologies(BRT)。BRT是一家總部位于美國加州的公司，由斯坦福大學(xué)的兩名研究生于2011年成立。其中喬治·赫勞德（JorgeHeraud）是已經(jīng)取得許多成就的農(nóng)業(yè)高管，而李·賴登（LeeReden）則擁有深厚的AI和計算機視覺技術(shù)背景。

　　最初，BRT專注于將機器人用于減少萵苣密度，這個過程此前主要通過手工完成。現(xiàn)在，這家擁有60名員工的公司正在應(yīng)用他們的SeeandSpray系統(tǒng)，來棉花田中的雜草。他們已經(jīng)表明，通過高度和有針對性的噴霧應(yīng)用，他們可以減少90%的除草劑用量。這種SeeandSpray技術(shù)利用AI來分析高分辨率圖像，并檢測出雜草的存在和位置。
 

　　不僅僅是為了農(nóng)業(yè)

　　AI技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用固然很重要，但利用AI去發(fā)現(xiàn)和開發(fā)新的、更的農(nóng)業(yè)投入同樣重要。然而，直到最近，AI系統(tǒng)還沒有對化學(xué)和生物系統(tǒng)的數(shù)據(jù)進行分析。因此，在植物育種、生物技術(shù)、農(nóng)業(yè)化學(xué)發(fā)現(xiàn)以及供應(yīng)鏈方面，利用AI的機會都是巨大的。

　　事實上，與田間農(nóng)業(yè)相比，AI在育種、化肥以及作物保護產(chǎn)品中的擦用可能更為迅速。這主要有兩個原因。，在過去十年里，農(nóng)業(yè)投入方面的開發(fā)人員對收集和存儲數(shù)據(jù)非常謹(jǐn)慎。這些數(shù)據(jù)包括大豆品種的序列信息，以及合成化合物的結(jié)構(gòu)活性關(guān)系和環(huán)境生物降解能力等。第二，提率或加速農(nóng)業(yè)研發(fā)努力財務(wù)成本可能相當(dāng)高。

　　根據(jù)2016年P(guān)hilipsMcDougall的分析，將一種新的作物保護產(chǎn)品推向市場需要11年的發(fā)現(xiàn)和發(fā)展時間，分析16萬份化合物，每個產(chǎn)品商業(yè)化支出超過2.8億美元。在新農(nóng)化產(chǎn)品的開發(fā)中，整個行業(yè)每年的花費超過26億美元。而AI的采用可以提高這一過程的效率。

　　例如，致力于利用AI開發(fā)難以疾病新療法的初創(chuàng)企業(yè)Monsanto正與Atomwise展開獨特的研究合作，以提高發(fā)現(xiàn)新作物保護產(chǎn)品的速度和可能性。這種合作利用基于AI的模式識別，減少在早期化學(xué)發(fā)現(xiàn)過程中測試時出現(xiàn)的錯誤數(shù)量。

　　對于AI在作物生物技術(shù)方面的應(yīng)用，Monsanto正在與SecondGenome進行合作。后者總部位于舊金山，已經(jīng)獲得風(fēng)險投資公司的扶持，該公司基于人類微生物組的分析，從中找到開發(fā)新藥的線索。為了加速新一代昆蟲控制解決方案的新蛋白質(zhì)的發(fā)現(xiàn)，Monsanto開放了其廣泛的基因組數(shù)據(jù)庫，并通過大數(shù)據(jù)的宏基因組學(xué)、機器學(xué)習(xí)和預(yù)測分析功能，利用了SecondGenome對微生物的專業(yè)分析能力。

　　AI的優(yōu)點也適用于植物育種。在將玉米雜交品種投入市場之前，Monsanto對其進行了多年的評估，從發(fā)現(xiàn)到商業(yè)化，這個過程可能需要8年時間。玉米育種通常被比作“草堆中撈針”，這是個擁有32000個基因的大草堆，代表了幾代繁殖者面臨的搜索難題。從歷史上來看，一個育種項目每年可以從成千上萬可用選項中選出大約500種組合進行試驗。這種選擇受到與管理現(xiàn)場測試程序相關(guān)的后勤和成本的限制。

　　為了減少這些限制，Monsanto的AI研究人員開發(fā)了一種算法，能夠評估育種決策，并預(yù)測哪一個雜交品種將在試驗的年表現(xiàn)出的性能。這個算法正被過去15年的分子標(biāo)記和現(xiàn)場試驗信息進行訓(xùn)練。

　　Monsanto全球育種主管邁克·格雷厄姆（MikeGraham）表示，這種算法可以優(yōu)化育種過程，使育種者能夠更快地把他們的想法投入到大規(guī)模的實地試驗中。這一算法不僅加快了育種過程，而且與傳統(tǒng)方法相比，還使Monsanto能夠?qū)⑵溆衩子N管道規(guī)模提高了5倍。育種者可以利用AI工具完成更多的工作。

　　與此類似，Syngenta最近宣布與“AIforGood”基金會合作，將以AI為基礎(chǔ)的工具用于育種，并提高現(xiàn)有作物生產(chǎn)方法的效率。Syngenta為AI研究人員提供包括種子遺傳信息、土壤、天氣以及氣候數(shù)據(jù)在內(nèi)的數(shù)據(jù)集，其目標(biāo)是開發(fā)出一種算法，來確定在特定地區(qū)種植哪種作物品種。

　　總部位于圣路易斯的初創(chuàng)企業(yè)BensonHillBiosystems也在將AI技術(shù)應(yīng)用于植物育種和生物領(lǐng)域。他們利用自己獨有的CropOS平臺，尋找候選基因來提高作物的光合作用。CropOS利用不同來源的數(shù)據(jù)，如DNA和RNA序列信息、現(xiàn)場試驗觀察和成像分析等，來預(yù)測獲得特定表型反應(yīng)所需的基因表達模式。每當(dāng)獲得新的數(shù)據(jù)集，CropOS平臺就能重新校準(zhǔn)、學(xué)習(xí)并提高其預(yù)測能力。

　　在學(xué)術(shù)方面，卡耐基梅隆大學(xué)的研究人員正在展開名為“FarmView”的新項目，利用AI工具將植物表型數(shù)據(jù)與基因和環(huán)境數(shù)據(jù)相結(jié)合，以幫助育種者和遺傳學(xué)家更好地理解遺傳學(xué)、環(huán)境和作物性能之間的關(guān)系。

　　AI對農(nóng)民的影響

　　在過去60年里，美國農(nóng)民數(shù)量(占總?cè)丝?%)急劇減少。剩余的農(nóng)民將繼續(xù)在育種、農(nóng)作物保護、自動化以及提高農(nóng)業(yè)生產(chǎn)率等方面使用更先進的技術(shù)。

　　無論是從近期到中期乃至從長遠來看，農(nóng)業(yè)領(lǐng)域的AI將需要農(nóng)民的積極參與才能取得成功。農(nóng)民和他們的顧問現(xiàn)在非常適合從這些新興技術(shù)中獲益。AI將成為非常強大的工具，它可以幫助組織應(yīng)對現(xiàn)代農(nóng)業(yè)中日益增長的復(fù)雜性。

　　農(nóng)民不僅從AI直接應(yīng)用于農(nóng)場中受益，而且還將在應(yīng)用AI改善育種、作物保護以及培育產(chǎn)品中受益。