2018. gadā piecas komandas audzēja gurķus revolucionārā autonomo siltumnīcu izaicinājumā starptautisks konkurss. Pagrieziens: tikai vienā no komandām bija pieredzējuši cilvēku audzētāji, kuri savu siltumnīcas nodalījumu pārvalda manuāli. Atlikušās četras komandas sastāvēja no starptautiskiem ekspertiem dārzkopības un mākslīgā intelekta (AI) jomās. Viņi strādāja, lai izstrādātu AI risinājumus, lai attālināti un autonomi pārvaldītu savas kultūras. Konkursa, pasaulē pirmā autonomo siltumnīcu izaicinājuma, mērķis bija virzīt sasniegumus ilgtspējīgā pārtikas ražošanā.
Pēc četriem intensīviem mēnešiem manuālie audzētāji ierindojās otrajā vietā. Pirmo vietu ieguvusī komanda, kuru vadīja viens no šī raksta autoriem, uzvarēja ar autonomas audzēšanas risinājumu, kas ne tikai sasniedza 6% lielāku ražu un 17% lielāku tīro peļņu, bet arī izmantoja mazāk CO.2, apkures un ūdens ievadi.
Lai uzzinātu vairāk par konkurenci un saprastu, kā mākslīgā intelekta risinājums var konkurēt ar kvalificētu cilvēku audzētāju komandu un pat pārspēt to, aplūkosim AI un to saistību ar siltumnīcu automatizāciju.
Siltumnīcu automatizācija nav nekas jauns
Gadu desmitiem ilgi audzētāji ir izmantojuši procesu datorus, sensorus un izpildmehānismus, lai pārvaldītu siltumnīcas klimatu un apūdeņošanu. Šādā scenārijā procesa datora darbs ir vienkāršs, paļaujoties uz vienkāršiem loģiskiem noteikumiem. Ja gaisa temperatūra ir augstāka par 75°F, atveriet, piemēram, ventilācijas atveri. Nogurdinošais darbs ar temperatūru nolasīšanu un apgaismojuma un sildītāju ieslēgšanas un izslēgšanas darbu tiek deleģēts mašīnām.
Protams, uz noteikumiem balstīta automatizācija nevar tikt galā ar neparedzētiem apstākļiem. Vēl svarīgāk ir tas, ka kvalificētam cilvēkam ir jāpieņem visi lēmumi par kultūraugu apsaimniekošanu, līdz pat precīziem vides parametru iestatījumiem. Lai uzticami sasniegtu augstu ražu, ir nepieciešams ievērojams zināšanu un prasmju līmenis, un pat tad ir viegli kļūdīties. Turklāt, saimniecībām augot lielākai, nepārtrauktas ražas uzraudzības darbs kļūst vēl prasīgāks.
Diemžēl audzētāji pārāk labi zina, ka darbaspēks ir lielākais ražošanas problēmu avots. Gadu no gada, in Siltumnīcu audzētājs 100 populārāko audzētāju aptauja, audzētāji ziņo par problēmām ne tikai saistībā ar darbaspēka izmaksām, bet arī ar kvalificēta darbaspēka pieejamību. Nav pārsteidzoši, ka audzētāji arvien vairāk meklē veidus, kā risināt šīs problēmas, tostarp jaunas tehnoloģijas, kas siltumnīcu pārvaldību var padarīt autonomāku.
AI ir solis tālāk par uz noteikumiem balstītu automatizāciju
Labs veids, kā domāt par mākslīgo intelektu, ir tas, ka tas ir solis tālāk par vienkāršu uz noteikumiem balstītu automatizāciju. Mūsdienu mākslīgais intelekts ir saistīts ar matemātikas izmantošanu, lai atrastu datu modeļus, tostarp siltumnīcas vides un bioloģiskajās sistēmās. Piemēram:
- Ja ir pietiekami daudz datu par klimatu, audzētāji var izmantot AI, lai noteiktu optimālos iestatījumus un prognozētu klimatu.
- Ja ir pietiekami daudz datu par ražu, audzētāji var izmantot AI, lai ģenerētu ražas prognozes.
- Ja ir pietiekami daudz attēlu datu, audzētāji var izmantot AI, lai atklātu kaitēkļus un slimības.
Daži AI veidi pat var mācīties no jauniem datiem, laika gaitā nodrošinot arvien labākus rezultātus.
Sniedzot dziļāku ieskatu siltumnīcu ikdienas darbībās, mākslīgais intelekts var tikt izmantots, lai atbalstītu ekspertu lēmumu pieņemšanu un sniegtu jēgpilnu iespēju audzētājiem. Galu galā labākos rezultātus nodrošina pārdomāta cilvēka intelekta un mākslīgā intelekta kombinācija.
AI uz datiem balstīto pieeju var apvienot arī ar klasisko uz noteikumiem balstīto pieeju, kas nodrošina daudz augstāku siltumnīcu automatizācijas pakāpi nekā jebkad agrāk. Īsāk sakot, audzētāji var izmantot AI, lai automatizētu daudzus vienkāršus darbības uzdevumus, palīdzot atvieglot hroniskās darba problēmas, kas rada izaicinājumus nozarei.
Dati ir AI degviela
Tikpat kā mākslīgais intelekts ir saistīts ar matemātiskiem algoritmiem, tas attiecas arī uz datiem. Pretēji izplatītajam uzskatam daži no visizplatītākajiem mākslīgā intelekta algoritmiem pastāv jau vairākus gadu desmitus. Tie nav pat baigi sarežģīti. Taču visilgāk datu pieejamība, kā arī pieejamā skaitļošanas jauda, kas nepieciešama datu apstrādei, ir bijuši ierobežojoši faktori.
Bija nepieciešama nesena datoru aparatūras attīstība, lai atraisītu AI potenciālu. Viedtālruņu revolūcija, ko Apple izraisīja 2007. gadā, radīja pilnīgi jaunas ražošanas ekosistēmas un piegādes ķēdes globālā mērogā. Tas, šķiet, vienā naktī mainīja datoru aparatūras pamatekonomiku. Galvenās aparatūras sastāvdaļas, piemēram, mikroprocesori, radioaparāti un sensori, kļuva eksponenciāli lētāki, mazāki un jaudīgāki. Neapstrādātu datu kūleņi pārvērtās plūdos. Jaunā datu pārpilnība un skaitļošanas jauda palīdzēja pārveidot mākslīgo intelektu no pētniecības zinātkāres ar dažiem komerciāliem lietojumiem par tehnoloģiskām izmaiņām.
IoT nodrošina datu pārpilnību
Astoņdesmito gadu sākumā Pitsburgas Kārnegija Melona universitātes maģistrantus aizkaitināja pārgājieni pie Coca-Cola tirdzniecības automāta, lai atrastu to tukšu. Viņi to pārveidoja, lai tas varētu ziņot par savu inventāru internetā. To darot, viņi izgudroja pasaulē pirmo internetam pieslēgtu ierīci.
Mūsdienās šim pirmajam sodas automātam ir pievienoti miljardiem lielu un mazu ierīču, sākot no plaša patēriņa elektronikas līdz rūpnieciskām iekārtām, un tās ir savienotas ar internetu, veidojot tā dēvēto lietu internetu (IoT). Būtiski ir tas, ka atšķirībā no iepriekšējām aparatūras paaudzēm, tostarp daudziem izplatītiem siltumnīcu automatizācijas risinājumiem, IoT ierīces izmanto tādus pašus datu formātus un sakaru protokolus, kādus izmanto citur internetā. Paļaujoties uz globālajiem interneta standartiem, var būt vieglāk apmainīties ar datiem ar IoT ierīcēm, neprasot papildu aparatūru, lai pārietu no viena veida sistēmas uz citu.
AI un IoT kopā ir savstarpēji papildinošas tehnoloģijas. IoT aparatūra palīdz audzētājiem vieglāk savākt neapstrādātus datus no siltumnīcām. AI programmatūra palīdz audzētājiem izprast šos datus un rīkoties saskaņā ar tiem, lai uzlabotu augkopību.
Gadījuma izpēte: Keneta Trana panākumi autonomajā siltumnīcu izaicinājumā
Dr. Trans: 2018. gadā es biju MI pētnieks uzņēmumā Microsoft Research netālu no Sietlas, strādājot pie jaunāka veida AI, kas pazīstams kā pastiprināšanas mācības. Tur es uzsāku jaunus centienus piemērot mūsu pētījumu kontrolētās vides lauksaimniecības jomā. Ar tā saukto Sonoma projektu mēs sadarbojāmies ar augu zinātniekiem Harrow pētniecības centrā Ontario, Kanādā, un galu galā sacentāmies pirmajā starptautiskajā Autonomous Greenhouse Challenge, ko organizēja Wageningen University & Research Nīderlandē.
Šajā izaicinājumā katra komanda audzēja gurķus 315 kvadrātpēdu siltumnīcas nodalījumā apmēram četrus mēnešus. Šie nodalījumi bija aprīkoti ar standarta procesa datoriem, klimata sensoriem un izpildmehānismiem. Izmantojot IoT digitālās saskarnes (REST API), mūsu AI programmas varēja nepārtraukti nolasīt datus no sensoriem, noteikt optimālās uzdotās vērtības un nosūtīt uzdotās vērtības atpakaļ uz procesa datoriem — visā internetā (skatiet attēlu zemāk). Sīkāka informācija par izaicinājumu un tā rezultātiem ir atrodama rakstā no Hemmings et al. (2019).
Neskatoties uz mūsu pieredzes trūkumu gurķu audzēšanā un mūsu ļoti agrīnās stadijas prototipu, mūsu autonomās audzēšanas risinājums spēja uzvarēt konkursā. Mēs pat pārspējām otro vietu ieguvušo komandu — atsauces komandu, ko veidoja eksperti Nīderlandes audzētāji, ar 6% lielāku ražu. Šī peļņas norma bija līdzvērtīga darbības peļņas pieaugumam par 17%.
Vai atsauces komanda darbojās slikti? Nepavisam. Pēc daudzu ekspertu domām, viņi darbojās izcili labi. To raža bija gandrīz 50 kg/m2 četru mēnešu laikā, kas ir līdzvērtīgs gandrīz 150 kg/m2 gadā. To uzskata par augstu ražu siltumnīcai jebkurā vietā uz planētas.
Autonomās siltumnīcas izaicinājuma rezultātā es nodibināju Koidra 2020. gadā, lai tieši balstītos uz mūsu mācībspēku un turpinātu virzīt AI un IoT jaunākās tehnoloģijas lauksaimniecībā un citos rūpnieciskās kontroles lietojumos.
Uzdodiet pareizos jautājumus par AI un IoT
Mūsdienās arvien vairāk siltumnīcu audzētāju vēlas un ir gatavi pieņemt AI un IoT. Galvenais izaicinājums ir izprast tirgū esošos produktus un prast visus mārketinga jautājumus. Daudzi uzņēmumi nepacietīgi apgalvo, ka viņiem ir AI algoritms vai IoT ierīce, kas darbosies siltumnīcās.
Šeit ir daži galvenie apsvērumi, kas jāpatur prātā, novērtējot AI programmatūru un IoT aparatūru.
- Sniegumu: Audzētājiem vajadzētu redzēt konkrētus, reālus ieguvumus. Jautājiet: vai AI ir pierādīts, ka komerciālā ražošanā uzlabo ražu un resursu efektivitāti? Kādos apstākļos? Kādi ir uzņēmuma sasniegumi AI un IoT programmatūras izstrādē?
- AI dizains: Lai pieņemtu lēmumus, visefektīvākie AI risinājumi apvieno labāko cilvēka intelektu ar labāko mākslīgo intelektu. Jautājiet: kā AI modelis izmanto esošo zināšanu kopumu? Kā tas nodrošina, ka veiktspēja laika gaitā uzlabosies, iegūstot vairāk datu?
- Programmatūras dizains: Audzētājiem jāsaglabā kontrole pār siltumnīcu darbību. Jautājiet: Kādi programmatūras projektēšanas principi tiek izmantoti, lai nodrošinātu labības drošību? Vai es varu vienmēr viegli pārslēgties starp manuālo, ieteikuma un autopilota režīmu?
- Datu īpašumtiesības: Audzētājiem vajadzētu piederēt saviem datiem un izvairīties no “pārdevēja bloķēšanās”. Jautājiet: vai es varu viegli importēt datus no citām sistēmām? Vai es varu dublēt un eksportēt savus datus? Vai ir API, kas nodrošina reāllaika piekļuvi datiem un pielāgotas integrācijas? Vai tagad un nākotnē varu izmantot dažādu pārdevēju programmatūru un aparatūru?
AI un IoT var dot iespēju audzētājiem
Pasaulē, kurā kritiskie resursi — ūdens un enerģija, kā arī laiks, nauda un kvalificēts darbaspēks — kļūst arvien ierobežotāki, ir lietderīgi izpētīt jaunas tehnoloģijas, lai atvieglotu šo slogu. Kā mēs uzzinājām no Autonomous Greenhouse Challenge, audzētāji patiešām var sasniegt lielāku ražu un lielāku resursu izmantošanas efektivitāti, izmantojot AI programmatūru un IoT aparatūru. Turklāt šīs tehnoloģijas turpina strauji attīstīt un uzlabot.
Galu galā mākslīgais intelekts un IoT var patiesi dot iespēju siltumnīcu audzētājiem pieņemt labākus lēmumus, darīt vairāk ar mazāku summu, lai ilgtspējīgāk audzētu pasaules pārtiku.