人类给自己出了个难题。到2050年,人口或许将逼近100亿,但是,地球还是那么大,也就是说,相同的土地面积要养活更多的人。再加上全球变暖、随之而来的淡水缺乏等等诸多状况,人类还能不能养活自己?这是个大问题。

或许是天意,机器来到了人类身边。真正智能的机器人以及机器学习算法,或许会带来一场绿色革命,让人们在这个日益有限的星球上养活自己。想象一下,可以自动探测干旱图样的卫星,识别并杀死感染疾病的植物的拖拉机,和告诉农民哪种疾病感染作物的人工智能手机应用……

忘了稻草人吧。农业的未来掌握在机器的手中。

机器

数字农业专家

深度学习是一种功能强大的计算方法,程序员并不需要清楚告知计算机做什么,只需训练它识别特定模式。你可以给计算机输入病变以及健康农作物叶子的图片,然后如是标签。算法会通过这些数据,掌握病变以及健康农作物叶子的样子,自己决定新叶子是否健康。

这正是生物学家DavidHughes和流行病学家MarcelSalathé对14种感染不同疾病的农作物所做的。他们给一台计算机输入了50,000多张图片,通过自我学习,程序可以识别新输入的照片情况,准确率达99.35%。

这些仍然是人为处理过的图片,这些图片亮度和背景都是统一的。因此对于计算机来说,这不是很难。但是如果从互联网上随便摘取一张病变植物照片,识别的正确率就降到了30%到40%。

结果也不是太糟糕。不过,Hughes和Salathé希望用这款人工智能系统驱动他们的应用Plant Village。目前,这款应用允许全世界的农民上传自己作物的照片到一个论坛,请专家诊断。为了让人工智能更聪明,他们会继续给系统输入染病作物的图片。Salathé说:“输入照片越来越多,来源各异。这些照片是如何拍摄,时间、地点信息又是如何等等。算法可以自行吸收学习。”

目标不仅仅是排除染病植物,找出病因也很重要。“大部分影响植物生长的疾病都源自生理上的压力,比如钙镁元素不足、太多盐,或温度太高等等。人们经常误认为是细菌或真菌感染。”Hughes说道。错误的诊断会浪费农民的时间和金钱。将来,人工智能可以帮助农民迅速、准确地找到病因。

找到病因后,人类会夺回控制权——虽然应用也许可以找到问题,但是只有人类专家才能找到一套适合于时间、土地与气候的解决方案。联合国粮食与农业组织认为,对作物管理而言,这种技术是一个有效工具,但是专家才有资格板上钉钉。该组织的一位植物病理学家FazilDusunceli说道,这样的电子设备会很受欢迎,但是“最终的农害管理,应该与当地专家们一起决定。”

拖拉机训练者

发展中国家急需农业知识,而发达国家却被杀虫剂和农药淹没了。在美国,农民每年要用掉3.1亿磅除草剂——这还仅仅是在玉米,大豆和棉花田上。并且是“喷洒出去并祈祷农药起作用”的作业方式。与其说是狙击虫害,不如说是地毯式轰炸。

一家叫做BlueRiverTechnology的公司,或许已经想到了解决方案,至少对于生菜而言。它的LettuceBot(生菜机器人)看起来很像拖拉机,但实际上它是一个支持机器学习的机器。

BlueRiver宣称,LettuceBot可以一分钟拍摄5,000张幼小的植物的照片,利用算法和机器视觉去识别每株植物是生菜还是杂草,速度快到你难以想象。“这仍在机器视觉和机器学习的计算能力范围内。”深度学习设备Enlitic的创始人JeremyHoward说,一个图像芯片只需0.02秒,就可以识别出一张图片。

应用的精确度可达四分之一英寸,机器人可以在运行中精确定位每株杂草并喷洒农业。如果看见了一株生菜,判定它长得不健康,也会喷洒农药牺牲掉多余的。

如果两株芽长得过近,机器也可以加以区分分别喷洒,而不是误认为一大株植物。

现在,再想想传统方案:不论情况如何,统统给地里喷洒农药。BlueRiverTechnology的BenChostne说:“这就像是说,如果旧金山的一小部分人感染了疾病,你的唯一选择就是给城里所有人一片抗生素。病治好了,但是成本太高,没有很好地利用抗生素潜能。”

另一方面,Chostner称,有了LettuceBot农民可以减少90%的农药用量。现在,机器已经被用于市场——BlueRiver所服务的农田,每年供应的生菜占全美生菜供应量的10%。

一分钟拍摄5,000张幼小的植物的照片,利用算法和机器视觉去识别每株植物是生菜还是杂草LettuceBot非常的强大,因为它利用机器学习加强了机器人的自身优势:精确性。虽然不能像我们一样奔跑或者操控物体,但是它们细致谨慎,做事前后一致——一个完美的农业狙击手。

处理卫星数据的人工智能

头顶400英里的轨道上,NASA的Landsat卫星正利用空间光谱之外的电磁波段,为我们提供了地球表面调查数据,堪称神奇。对于人类来说,这些信息难以消化,不过对于机器学习算法来说,小菜一碟。

在监视农业种植方面,这些数据极具价值。尤其是发展中国家,当决定是否给农民发放贷款或者给予紧急援助时,政府和银行往往面临着数据短缺。在印度的一场干旱期间,不同的地区,旱情也不同。而且在这些地区中,一些农民比其他地区的农民有更好的办法获取水资源。

因此,一家叫做Harvesting的公司正在用深度学习来大规模分析卫星数据,帮助机构能够更有效地分配资金。Harvesting的CEORuchitGarg说,“我们的愿望是利用这种技术来区分出这样的农民和村庄,帮助银行或政府把钱贷给正确的对象。”他还指出,尽管一个分类分析师可能同时分析10或15个变量,机器学习可以同时处理2,000或更多。

随着地球变暖所引发的气候变化,政府面临着紧迫的问题:如何分配资源。一直以来,印度的农业相对具有可预测性。Garg说,“因此,我从我父亲、祖父身上学会如何种植,以及分辨四季。但是,由于剧烈的气候变化,情况已经变化,过去的那套做法不管用了。”

这是新的世界秩序。农民可以接受失败,或者以智能的方式种植农业——用更多的数据,更多的人工智能,以及更多喷洒农药的机器人。(作者:MattSimon,自由撰稿人)