拼多イチゴ栽培試合:データと融合AI農(nóng)業(yè)の現(xiàn)行シーン図鑑

「私たちの理想的な狀態(tài)では、農(nóng)民は産業(yè)労働者や職業(yè)栽培者のような身分になります。彼は一定のデータ分析能力を持っています。彼の決定は主観的な経験に完全に依存しているわけではありません。」これは雲(yún)南から來た閔銭希曦のデジタル化農(nóng)業(yè)に対する想像である。彼女のもう一つの身分はオランダのワハニンゲン大學(xué)の溫室園蕓専門の博士です。

7月22日、閔銭希曦は拼多と中國農(nóng)業(yè)大學(xué)が共同で始めたイチゴ栽培試合に參加した。彼女は同級(jí)生と組んだAiCUチームと試合中にAIチームの役割を果たしていた。4つの人工栽培チーム、4つのAIチーム、120日間、1000平方メートル近くのイチゴの収穫を待っています。

國內(nèi)初の農(nóng)業(yè)分野の人工知能とトップ農(nóng)人の対戦であり、農(nóng)業(yè)分野への深耕のシグナルでもある。

多くの目を注いで農(nóng)業(yè)を離れたことがない。米國の標(biāo)準(zhǔn)化農(nóng)業(yè)とは異なり、中國農(nóng)業(yè)全體は分散した小規(guī)模耕作を呈し、農(nóng)業(yè)サイクル全體で農(nóng)民は情報(bào)盲區(qū)にあり、主観的な意思の判斷は不確実性に満ちた市場に直面している。また、農(nóng)民と消費(fèi)者の間の販売流通構(gòu)造は複雑で、農(nóng)民は常に早期の収穫を余儀なくされ、消費(fèi)者も同等の価値の製品を得ることができない。

拼多プラットフォームのデータ情報(bào)の集中により、その拼団モデルは消費(fèi)者の需要を集め、上流農(nóng)民の生産側(cè)にさらに伝えられた。このモデルの本質(zhì)は、生産者のデータにエネルギーを付與することによって、より十分な時(shí)間を與えて生産を計(jì)畫し、消費(fèi)者の需要に合致することである。

2019年には、注文數(shù)が197億件に達(dá)し、プラットフォーム農(nóng)業(yè)(副)製品の活発な業(yè)者數(shù)は58.6萬件に達(dá)し、前年同期比142%増加した。今回のイチゴ栽培試合はプラットフォームの農(nóng)業(yè)分野への配置のさらなる延長である。

「試合の目的は簡単な勝負(fù)ではなく、舊世代の農(nóng)人と新世代の技術(shù)の同臺(tái)を通じて、新世代の人工知能技術(shù)と農(nóng)事生産を結(jié)合し、中國の多くの農(nóng)産物産業(yè)帯と小農(nóng)家のために、より低コストで操作しやすい數(shù)字農(nóng)業(yè)生産管理方法を提供することである」。新農(nóng)業(yè)農(nóng)村研究院の公沢高級(jí)総監(jiān)は21世紀(jì)の経済報(bào)道記者に話した。これはまた人工知能駆動(dòng)の成果である。

學(xué)科をまたいでチームを組んで,國をまたいで參加する

閔銭希曦はこのような試合に參加するのは初めてではない。テンセントとワハニンゲン大學(xué)が共同で開催した「國際人工知能溫室栽培大會(huì)」には、キュウリを2回、トマトを1回、AiCU自體が実戦経験を持っている。今回、AiCUはAI 17チームの中で決勝戦に進(jìn)出した。

オランダの農(nóng)業(yè)の背景に育ったAiCUにとって、チームの構(gòu)成から參加まで2つの難関に直面しなければならない。まず、メンバーの學(xué)科を超えた挑戦にあります。

チームが正式に設(shè)立される前に、非農(nóng)業(yè)背景の隊(duì)員はすでに現(xiàn)代農(nóng)業(yè)に興味を持っており、「家に環(huán)境センサーのある小型溫室を建設(shè)し、例えばラップボックスで小さな成長空間を構(gòu)築する」という家庭園蕓に考えを定著させた隊(duì)員もいる。これらの小さな実踐経験は、メンバーが大規(guī)模な試合に參加することに自信を築いた。農(nóng)業(yè)背景の隊(duì)員はすでに農(nóng)業(yè)デジタル化の分野で樹立されており、AIアルゴリズムに慣れていないわけではない。

「學(xué)科を超えたコミュニケーションの難點(diǎn)は、相手の分野の基本的な常識(shí)や知識(shí)を?qū)Wび、理解してから、異なる學(xué)科の融合を行わなければならないことです。」閔銭希曦は記者に言った。

植物學(xué)科にとって、オランダのデータ駆動(dòng)はすでに異なるレベルの応用があり、いくつかの植物科學(xué)を?qū)煿イ筏皮い毳幞螗些`はまた一定のデータ分析プログラミングの基礎(chǔ)と経験を持っている。AIアルゴリズムにとって、植物とその栽培モデルを理解することは難點(diǎn)であり、「植物科學(xué)と作物栽培分野にはデフォルトの知識(shí)點(diǎn)が多く、コミュニケーションの中で無視することがある。一方、メンバーはオランダの溫室産業(yè)が毎年開催する開放日にも參加し、溫室栽培モデルを?qū)g地に理解した。

チームの參加の第2の挑戦は國をまたいで參加することにある。閔銭希曦氏は「作物の栽培は本質(zhì)的に同じだが、オランダでよく知っている経験は國內(nèi)で溫室設(shè)備、センサー、栽培構(gòu)想など、現(xiàn)地で適切に調(diào)整する必要がある。同時(shí)に大量のデータを蓄積する必要がある」と紹介した。

オランダの溫室園蕓はすでに半世紀(jì)近く発展しており、産業(yè)チェーン全體が成熟した狀態(tài)にあり、日常栽培管理からセンサと制御設(shè)備の応用、エネルギーと労働者の管理、スーパーや市場のサプライチェーンのドッキングまで、各段階で比較的完備したモデルが展示されている。閔銭希曦氏は、國內(nèi)の現(xiàn)代溫室園蕓とデジタル化生産はほとんど並んでおり、「オランダのモデルに完全に基づいて進(jìn)化する必要はなく、飛躍的な発展を?qū)g現(xiàn)できるかもしれない」と話した。

このほか、國內(nèi)の電子商取引の優(yōu)位性も溫室のデジタル化栽培管理と結(jié)びつき、正確な注文化生産を形成することができる。

AI農(nóng)業(yè)の試練

AI農(nóng)業(yè)の潛在力は大きいが、著地実踐も試練に直面している。閔銭希曦の前の2回の參加によって、AIアルゴリズムの溫室園蕓栽培における応用は段階的に実現(xiàn)する必要がある。2回の「國際人工知能溫室栽培大會(huì)」で、AIグループの成績と人工対照グループの成績順位が変わった。第1回では、5つのAIチームのうち1つだけが最終利益で人工栽培を上回った。第2回大會(huì)では、AIチームはすべて人工栽培者を上回る利益を得た。

「2回の試合は直接比較するのは難しい。作物の栽培が違うからだ。2回目のAIはなぜ人工を上回ったのか、組織委員會(huì)は詳しく分析した。各グループの生産量とコスト(エネルギー、水、労働者、割引などを含む)細(xì)分化計(jì)算を行い、同時(shí)に時(shí)間の進(jìn)度によって動(dòng)的に比較し、エネルギー資源の持続可能性の面で私たちの優(yōu)位性が大きく、利益の勝利の基礎(chǔ)を築いた」と述べた。閔銭希曦は言った。

現(xiàn)行シーンでは、AI農(nóng)業(yè)のデータ収集は依然として環(huán)境に対する感知に集中している。「植物の現(xiàn)在の狀態(tài)がどうなっているのか分からない」現(xiàn)代の溫室は専門家と労働者が定期的にサンプルを採取して植物指標(biāo)の測定を行う必要があり、この方式の欠陥はその損失性とデータのタイムリーさにある一方で、仕事量が大きく、人力に対する損失の程度が高いことにある。

このほか、栽培管理データの不足もAI農(nóng)業(yè)の発展のボトルネックである。閔銭希曦氏は記者に、「今、植物のこの狀態(tài)についてどのような決定をしたのか、その後植物がどのような反応を示したのか、これは重要な情報(bào)であり、私たちのいわゆる人の知識(shí)と経験であり、AI學(xué)會(huì)が必要な部分だ」と話した。

AIインテリジェント農(nóng)業(yè)の目的は栽培人員を補(bǔ)助して成功した栽培技術(shù)と方法を複製し、植物の成長に影響する環(huán)境要素を制御化し、生産のモデル化統(tǒng)一を達(dá)成することであり、生産効率の向上に重要な意義がある。刀を研いで薪を誤って切らないように、刀の研究は切る研究よりはるかに意義がある。

現(xiàn)在、AI農(nóng)業(yè)の発展はまだ初級(jí)段階にあり、データを利用して人の経験と知識(shí)を?qū)Wぶことは依然としてその発展の核心であるが、農(nóng)業(yè)分野の全自動(dòng)配置は最終的に到來するだろう。

多入局AI農(nóng)業(yè):デジタル化シーンの予告

?