2018 m. Penkios komandos augino agurkus novatoriškame „Autonomous Greenhouse Challenge“ tarptautinė konkurencija. Tvist: tik vieną iš komandų sudarė patyrę žmonių augintojai, kurie rankiniu būdu valdė savo šiltnamio skyrių. Likusias keturias komandas sudarė tarptautiniai sodininkystės ir dirbtinio intelekto (AI) ekspertai. Jie dirbo kurdami dirbtinio intelekto sprendimus, skirtus savo pasėliams valdyti nuotoliniu būdu ir autonomiškai. Pirmojo pasaulyje „Autonomous Greenhouse Challenge“ konkurso tikslas buvo skatinti tvarios maisto gamybos proveržius.
Po keturių intensyvių mėnesių rankiniai augintojai atsidūrė antroje vietoje. Pirmoje vietoje esanti komanda, vadovaujama vieno iš šio straipsnio autorių, laimėjo autonomiškai augančiu sprendimu, kuris ne tik pasiekė 6% didesnį derlių ir 17% didesnį grynąjį pelną, bet ir sunaudojo mažiau CO2, šildymo ir vandens įvadai.
Norėdami sužinoti daugiau apie varžybas ir suprasti, kaip dirbtinio intelekto sprendimas gali konkuruoti su kvalifikuotų žmonių augintojų komanda ir netgi ją pranokti, atidžiau pažvelkime į dirbtinį intelektą ir jo ryšį su šiltnamio efektą sukeliančių dujų automatizavimu.
Šiltnamių automatika nėra naujiena
Dešimtmečius augintojai naudojo technologinius kompiuterius, jutiklius ir pavaras šiltnamio klimatui ir drėkinimui valdyti. Tokiu atveju proceso kompiuterio darbas yra paprastas, jis remiasi paprastomis loginėmis taisyklėmis. Jei oro temperatūra yra aukštesnė nei 75 ° F, tada, pavyzdžiui, atidarykite ventiliacijos angą. Mašinoms pavesta nuobodus darbas skaitant temperatūras ir įjungiant bei išjungiant žibintus ir šildytuvus.
Žinoma, taisyklėmis pagrįsta automatika negali išspręsti nenumatytų aplinkybių. Dar svarbiau, kad kvalifikuotas žmogus turi priimti visus pasėlių valdymo sprendimus iki tikslių aplinkos parametrų nustatytų verčių. Norint patikimai pasiekti didelį derlių, reikalingas aukštas žinių ir įgūdžių lygis, ir net tada lengva padaryti klaidų. Be to, ūkiams augant, nuolatinio pasėlių stebėjimo darbas tampa dar sudėtingesnis.
Deja, augintojai pernelyg gerai žino, kad darbas yra didžiausias gamybos problemų šaltinis. Metai po metų, in Šiltnamio augintojo „Top 100“ augintojų apklausa, augintojai praneša, kad kyla ne tik darbo sąnaudų, bet ir kvalifikuotos darbo jėgos problemų. Nenuostabu, kad augintojai vis dažniau ieško būdų, kaip įveikti šiuos iššūkius, įskaitant naujas technologijas, galinčias padaryti šiltnamio efektą sukeliančių valdymą autonomiškesnį.
AI yra žingsnis už taisyklėmis pagrįstos automatikos
Geras būdas galvoti apie dirbtinį intelektą yra tai, kad tai yra žingsnis už paprastos taisyklėmis pagrįstos automatikos. Šiuolaikinis dirbtinis intelektas yra matematikos naudojimas ieškant duomenų modelių, įskaitant tuos, kurie randami šiltnamio aplinkos ir biologinėse sistemose. Pavyzdžiui:
- Turėdami pakankamai klimato duomenų, augintojai gali naudoti dirbtinį intelektą, kad nustatytų optimalius nustatytus taškus ir numatytų klimatą.
- Turėdami pakankamai pasėlių duomenų, augintojai gali naudoti dirbtinį intelektą, kad generuotų derlingumo prognozes.
- Turėdami pakankamai vaizdo duomenų, augintojai gali naudoti dirbtinį intelektą kenkėjams ir ligoms aptikti.
Kai kurie dirbtinio intelekto tipai netgi gali pasimokyti iš naujų duomenų, laikui bėgant pateikdami palaipsniui geresnius rezultatus.
Gebėdamas suteikti gilesnės įžvalgos apie kasdienes šiltnamio efektą sukeliančias operacijas, dirbtinis intelektas gali būti naudojamas ekspertų sprendimų priėmimui paremti ir augintojams įgalinti prasmingu būdu. Galų gale geriausius rezultatus suteikia apgalvotas žmogaus intelekto ir dirbtinio intelekto derinys.
Duomenimis pagrįstas AI požiūris taip pat gali būti derinamas su klasikiniu taisyklėmis pagrįstu požiūriu, leidžiančiu pasiekti kur kas didesnį šiltnamio efektą sukeliančių dujų automatizavimo laipsnį nei bet kada anksčiau. Trumpai tariant, augintojai gali naudoti dirbtinį intelektą, kad automatizuotų daugybę paprastų operatyvinių užduočių, padedančių palengvinti lėtines darbo problemas, kurios kelia iššūkį pramonei.
Duomenys yra dirbtinio intelekto kuras
Tiek, kiek dirbtinis intelektas yra susijęs su matematiniais algoritmais, jis susijęs ir su duomenimis. Priešingai populiariems įsitikinimams, kai kurie dažniausiai dirbtiniame intelekte naudojami algoritmai egzistuoja dešimtmečius. Jie net nėra baisiai komplikuoti. Tačiau ilgiausiai duomenų prieinamumas ir prieinama skaičiavimo galia, reikalinga duomenims apdoroti, buvo ribojantys veiksniai.
Norint išlaisvinti intelekto intelekto potencialą, prireikė naujausios kompiuterinės įrangos plėtros. Išmaniųjų telefonų revoliucija, kurią sukėlė 2007 m. „Apple“, sukūrė visiškai naujas gamybos ekosistemas ir tiekimo grandines pasauliniu mastu. Tai, atrodo, per naktį pakeitė pagrindinę kompiuterinės įrangos ekonomiką. Pagrindiniai aparatūros komponentai, tokie kaip mikroprocesoriai, radijo imtuvai ir jutikliai, tapo eksponentiškai pigesni, mažesni ir galingesni. Neapdorotų duomenų srautai virto potvyniais. Nauja duomenų gausa ir skaičiavimo galia padėjo intelektinį intelektą paversti mokslinių tyrimų smalsumu, turinčiu nedaug komercinių pritaikymų, technologiniu jūros pokyčiu.
IoT suteikia duomenų gausą
Devintojo dešimtmečio pradžioje Pitsburge esančio Carnegie Mellon universiteto magistrantus erzino žygiai prie „Coca-Cola“ automatų tik tam, kad jie atrodytų tušti. Jie jį pakeitė, kad galėtų pranešti apie savo inventorių internete. Tai atlikdami jie išrado pirmąjį pasaulyje prie interneto prijungtą prietaisą.
Šiandien milijardai didelių ir mažų prietaisų, pradedant buitine elektronika ir baigiant pramoninėmis mašinomis, prisijungė prie pirmosios sodos aparato ir prisijungė prie interneto, formuodami vadinamąjį daiktų internetą (IoT). Svarbiausia yra tai, kad skirtingai nei ankstesnės kartos aparatinė įranga, įskaitant daugelį įprastų šiltnamio efektą sukeliančių įrenginių automatizavimo sprendimų, daiktų interneto įrenginiuose naudojami tokie patys duomenų formatai ir ryšio protokolai, kaip ir kitur internete. Pasikliaudami visuotiniais interneto standartais, gali būti lengviau keistis duomenimis su daiktų interneto įrenginiais nereikalaujant papildomos aparatūros, kad būtų galima pereiti nuo vieno tipo sistemos prie kitos.
Dirbtinis intelektas ir daiktų internetas yra viena kitą papildančios technologijos. DI aparatinė įranga padeda augintojams lengviau rinkti neapdorotus duomenis iš šiltnamių. O dirbtinio intelekto programinė įranga padeda augintojams suprasti šiuos duomenis ir jais vadovautis, kad pagerėtų augalininkystė.
Atvejo analizė: Kennetho Trano sėkmė autonominiame šiltnamio iššūkyje
Dr. Tranas: 2018 m. Aš buvau „Microsoft Research“ dirbtinio intelekto tyrėjas netoli Sietlo ir dirbau su naujesnio tipo dirbtiniu intelektu, žinomu kaip mokymasis sustiprinti. Aš pradėjau naujas pastangas pritaikyti mūsų tyrimus kontroliuojamos aplinkos žemės ūkio srityje. Vykdydami vadinamąjį „Sonoma“ projektą, mes bendradarbiavome su augalų mokslininkais Harrow tyrimų centre Ontarijuje, Kanadoje, ir galiausiai varžėmės pirmajame tarptautiniame „Autonomous Greenhouse Challenge“, kurį organizavo Wageningen University & Research Nyderlanduose.
Šiame iššūkyje kiekviena komanda maždaug keturis mėnesius augino agurkus 315 kvadratinių pėdų šiltnamio skyriuje. Šiuose skyriuose buvo įrengti standartiniai procesų kompiuteriai, klimato jutikliai ir pavaros. Naudodamiesi IoT skaitmeninėmis sąsajomis (REST API), mūsų dirbtinio intelekto programos galėjo nuolat skaityti duomenis iš jutiklių, nustatyti optimalius nustatytuosius taškus ir siųsti nustatytuosius taškus atgal į proceso kompiuterius visame internete (žr. Toliau pateiktą paveikslą). Daugiau informacijos apie iššūkį ir jo rezultatus galite rasti Hemmingas ir kt. (2019).
Nepaisant to, kad trūksta agurkų auginimo patirties ir labai ankstyvo prototipo, mūsų autonominis auginimo sprendimas sugebėjo laimėti konkursą. Mes net aplenkėme antrąją vietą užėmusią komandą - etaloninę komandą, sudarytą iš ekspertų Olandijos augintojų, jos derlius buvo 6% didesnis. Šis pelningumas buvo lygus 17% padidėjusiam veiklos pelnui.
Ar etaloninė komanda pasirodė prastai? Visai ne. Pasak daugelio ekspertų, jie pasirodė nepaprastai gerai. Jų derlius siekė beveik 50 kg / m2 per keturis mėnesius, tai yra beveik 150 kg / m ekvivalentas2 per metus. Tai laikoma dideliu šiltnamio derliumi bet kurioje planetos vietoje.
Dėl „Autonomous Greenhouse Challenge“ 2020 m. Įkūriau „Koidra“, kad galėčiau tiesiogiai remtis mūsų mokymusi ir toliau skatinti pažangiausius dirbtinio intelekto ir daiktų pramonės dalykus žemės ūkyje ir kitose pramonės kontrolės srityse.
Teisingų klausimų apie AI ir DI uždavimas
Šiandien daugiau šiltnamių augintojų nori ir yra pasirengę pritaikyti AI ir DI. Pagrindinis iššūkis - įprasminti rinkoje esančius produktus ir sugebėti bristi per visas rinkodaros kalbas. Daugelis įmonių noriai tvirtina, kad turi dirbtinio intelekto algoritmą ar daiktų interneto įrenginį, kuris tiks šiltnamiuose.
Štai keletas svarbiausių aspektų, į kuriuos reikia atsižvelgti vertinant AI programinę įrangą ir daiktų interneto techninę įrangą:
- Veiklos: Augintojai turėtų matyti realią naudą realiame pasaulyje. Klauskite: Ar dirbtinis intelektas įrodytas komercinėje gamyboje, siekiant pagerinti derlingumą ir išteklių efektyvumą? Kokiomis sąlygomis? Koks yra kompanijos pasiekimas plėtojant dirbtinio intelekto ir daiktų interneto programinę įrangą?
- PG dizainas: Veiksmingiausi dirbtinio intelekto sprendimai priimant sprendimus sujungia geriausius žmogaus intelektus ir dirbtinį intelektą. Klauskite: Kaip dirbtinio intelekto modelis pasitelkia esamą žinių rinkinį? Kaip tai užtikrina, kad laikui bėgant našumas bus geresnis, kai bus daugiau duomenų?
- Programinės įrangos dizainas: Augintojai turėtų ir toliau kontroliuoti šiltnamio efektą sukeliančių dujų valdymą. Klauskite: Kokie programinės įrangos projektavimo principai naudojami pasėlių saugumui užtikrinti? Ar galiu bet kada lengvai persijungti iš rankinio, rekomendacinio ir autopiloto režimų?
- Duomenų nuosavybė: Augintojai turėtų turėti savo duomenis ir vengti „tiekėjo užrakinimo“. Klauskite: Ar galiu lengvai importuoti duomenis iš kitų sistemų? Ar galiu kurti atsargines kopijas ir eksportuoti savo duomenis? Ar yra API, leidžiančių tiesiogiai pasiekti duomenis ir integruoti pagal pasirinktį? Ar galiu naudoti programinę ir techninę įrangą iš skirtingų tiekėjų dabar ir ateityje?
PG ir DI gali suteikti augintojams daugiau galimybių
Pasaulyje, kuriame svarbiausių išteklių - vandens ir energijos, taip pat laiko, pinigų ir kvalifikuotos darbo jėgos - vis trūksta, tikslinga ieškoti naujų technologijų, kad būtų palengvinta ta našta. Kaip sužinojome iš „Autonomous Greenhouse Challenge“, augintojai iš tikrųjų gali pasiekti didesnį derlių ir didesnį išteklių naudojimo efektyvumą naudodami dirbtinio intelekto programinę įrangą ir daiktų interneto techninę įrangą. Be to, šios technologijos toliau plėtojamos ir tobulinamos sparčiai.
Galų gale, dirbtinis intelektas ir daiktų internetas gali iš tikrųjų įgalinti šiltnamio augintojus - priimti geresnius sprendimus, padaryti daugiau su mažiau - tvariau auginti maisto produktus pasaulyje.